一种固定式光伏发电系统最佳倾角的大数据聚类分析方法技术方案

一种固定式光伏发电系统最佳倾角的大数据聚类分析方法。其包括分析光伏发电系统发电的影响因素，构建考虑光伏发电板阵列倾角的固定式光伏发电系统年平均辐照量最大最小模型；结合现场的平均日辐照量实测数据，基于大数据聚类分析方法求解上述固定式光伏发电系统年平均辐照量最大最小模型，由此确定出光伏发电板阵列最佳倾角等步骤。本发明专利技术效果：可对固定式光伏发电组件年辐照最大量的定量分析提供了有力支持，有效地对区域范围内光伏发电组件最大出力的求取提供解决方案。

A large data clustering analysis method for optimal tilt angle of fixed photovoltaic power generation system

A large data clustering analysis method for optimal tilt angle of fixed photovoltaic power generation system. It includes analyzing the influence factors of photovoltaic power generation system, constructing the maximum and minimum annual average radiation model of fixed photovoltaic power generation system considering the inclination of photovoltaic panels array, and solving the annual average radiation of fixed photovoltaic power generation system based on the large data clustering analysis method combined with the field average daily radiation measured data. The maximum minimum model is adopted to determine the optimal tilt angle of PV array. The invention has the effect that it can provide strong support for quantitative analysis of annual maximum irradiation of fixed photovoltaic power generation module, and effectively provide a solution for obtaining maximum output of photovoltaic power generation module in regional scope.

【技术实现步骤摘要】
一种固定式光伏发电系统最佳倾角的大数据聚类分析方法
本专利技术属于光伏
，尤其是涉及一种固定式光伏发电系统最佳倾角的大数据聚类分析方法。
技术介绍
光伏发电系统主要包括光伏发电板阵列、逆变器、汇集与送出单元及相关的控制系统，决定光伏发电系统光电转换效率和输出功率、发电量的核心是光伏发电板阵列的方位角及倾角。光伏发电板阵列的安装方式有固定式和追踪式，固定式光伏发电板阵列是根据场站位置计算出最佳受光面后固定不动，追踪式光伏发电板阵列是利用方向调节装置根据太阳位置随时调整受光面。固定式光伏发电板阵列具有使用寿命长、运维工作量少等特点，但是发电效率较低；追踪式光伏发电板阵列特点与固定式相反。现有的研究主要是以光伏发电系统作为其主要研究对象，聚焦于光伏发电系统的组件、逆变器等原件级产品和装置，以及从电网的角度对光伏的接入进行规划、控制等；在光伏发电板阵列的最佳安装倾角方面，一般都是通过光伏发电板阵列安装地域的经度纬度来确定大致的安装倾角，不仅无法根据现场的实际光伏测试数据进行校正，也无法进行精准定量分析。
技术实现思路
为了解决上述问题，本专利技术的目的在于提供一种固定式光伏发电系统最佳倾角的大数据聚类分析方法。为了达到上述目的，本专利技术提供的固定式光伏发电系统最佳倾角的大数据聚类分析方法包括按顺序进行的下列步骤：步骤1、分析光伏发电系统发电的影响因素，构建考虑光伏发电板阵列倾角的固定式光伏发电系统年平均辐照量最大最小模型；步骤2、结合现场的平均日辐照量实测数据，基于大数据聚类分析方法求解上述固定式光伏发电系统年平均辐照量最大最小模型，由此确定出光伏发电板阵列最佳倾角。在步骤1中，所述的分析光伏发电系统发电的影响因素，构建考虑光伏发电板阵列倾角的固定式光伏发电系统年平均辐照量最大最小模型的具体步骤如下：建立考虑光伏发电板阵列倾角的固定式光伏发电系统年平均辐照量最大最小模型如下：式中：β为光伏发电板阵列倾角，HT(β)为某倾角下倾斜表面年平均辐照量；HT(β,i)为某倾角下倾斜表面第i个月平均日辐照量；M(i)为第i个月的总天数。在步骤2中，所述的结合现场的平均日辐照量实测数据，基于大数据聚类分析方法求解上述固定式光伏发电系统年平均辐照量最大最小模型，由此确定出光伏发电板阵列最佳倾角的具体步骤如下：(1)对上述平均日辐照量实测数据进行标准化处理，以消除量纲的影响将上述收集的平均日辐照量实测数据作为样本，设样本域U＝{u1,u2,...,un}为被分类对象，样本域中的每个元素ui作为一个样本，均由m个数据组成，即第i个元素ui可表示为：ui＝{xi1,xi2,...,xim}(i＝1,2,…,n)因此，样本域U可写成如下矩阵的形式：对样本域U中的数据进行标准差变换或标准差变换和极差变换；1)标准差变换对于样本域U中的任意一个数据进行标准差变换的公式如下：式中：i＝1,2,…,N；k＝1,2,…,m；若值域不在[0，1]区间内，需要进一步进行极差变换；2)极差变换对于样本域U中的任意一个数据进行极差变换的公式如下：经过极差变换后，样本域U中的任意一个数据均有0≤xi"k≤1，即消除了量纲的影响；(2)利用标准化处理后的数据建立模糊相似矩阵设样本域U＝{u1,u2,...,un}中每个元素ui为一个样本，每个样本为m维向量，即ui＝{xi1,xi2,...,xim}，于是，建立样本域U中任意两个样本之间的相似关系矩阵R，根据相似关系矩阵R对样本域U进行分类，相似关系矩阵R中的任意组成元素rij可表示为：rij＝R(ui,uj)组成元素rij的计算方法主要有平均值距离、平均距离、最大距离和最小距离，公式如下：平均值距离：dmean(ui,uj)＝d(fi,fj)平均距离：最大距离：dmax(ui,uj)＝maxd(xik,xjk)最小距离：dmin(ui,uj)＝mind(xik,xjk)其中，fi,fj分别为元素ui,uj的平均值，xik,xjk分别为元素ui,uj的第k个指标具体数值；根据平均值距离、平均距离、最大距离和最小距离设定相对应的阈值，对数据进行简单的分类；(3)采用模糊C均值聚类法对上述模糊相似矩阵进行聚类分析；将若干个光伏发电系统xk(k＝1，2，…，n)以系统为单位分为c个模糊类，并求取每类的聚类中心，使得类内加权误差平方和函数达到最小；为与模糊划分相适应，隶属矩阵μ允许取值在[0，1]；在标准化后，一个典型光伏发电项目的隶属度的总和等1，即：其目标函数的形式为：其中：μik∈[0,1]表示第k个典型光伏发电项目隶属于第i个聚类中心的程度；Pi为模糊类的聚i类中心；dik为第k个聚类中心与第i个典型行业用户之间的欧几里德距离；m∈[0,2]为一个加权指数；根据聚类准则构造拉格朗日函数为：其中，λk(k＝1，2，…，n)是等式约束式的拉格朗日乘子；对所有输入参数求导，得到目标函数为最小的必要条件：依据上述两个必要条件，能够确定模糊C均值聚类算法的最佳模糊分类矩阵ui和聚类中心Ci；具体算法实现步骤如下：1)确定分类数c、待分元素的行数m和列数n以及循环误差判别限值ε；2)给定c个聚类中心的初始值；3)计算隶属度μij；4)计算聚类中心坐标ωi’；5)根据误差判别限值ε，若‖ωi’-ωi‖≤ε，则停止循环，否则令ωi＝ωi’，跳到步骤3)，如此循环进行；年发电量最大时对应的固定式光伏发电组件的倾角即为最佳倾角。本专利技术提供的固定式光伏发电系统最佳倾角的大数据聚类分析方法优点和积极效果是：1、从光伏发电组件的特性出发，构建了考虑光伏安装倾角的固定式光伏发电组件年平均辐照量最大最小模型，对固定式光伏发电组件年辐照最大量的定量分析提供了有力支持，可有效地对区域范围内光伏发电组件最大出力的求取提供解决方案。2、本专利技术从实际光伏量测大数据入手，由于光伏发电组件的最佳倾角是一个非线性规划问题，较难求解，且受到光伏发电组件所安装的地域、环境等多种因素影响，因此选择大数据聚类分析方法求解固定式光伏发电组件最佳倾角。具体实施方式以下对本专利技术实施例作进一步详述：本专利技术提供的固定式光伏发电系统最佳倾角的大数据聚类分析方法包括按顺序进行的下列步骤：步骤1、分析光伏发电系统发电的影响因素，构建考虑光伏发电板阵列倾角的固定式光伏发电系统年平均辐照量最大最小模型；具体步骤如下：对于固定式光伏发电系统，其上光伏发电板阵列倾角的选择应综合考虑太阳辐射的各方面特性。年辐照量关乎光伏发电系统的年发电量，而辐射均匀性对光伏发电系统的影响也很大，因此建立考虑光伏发电板阵列倾角的固定式光伏发电系统年平均辐照量最大最小模型如下：式中：β为光伏发电板阵列倾角，HT(β)为某倾角下倾斜表面年平均辐照量；HT(β,i)为某倾角下倾斜表面第i个月平均日辐照量；M(i)为第i个月的总天数。步骤2、结合现场的平均日辐照量实测数据，基于大数据聚类分析方法求解上述固定式光伏发电系统年平均辐照量最大最小模型，由此确定出光伏发电板阵列最佳倾角；具体步骤如下：(1)对上述平均日辐照量实测数据进行标准化处理，以消除量纲的影响由于不同的光伏发电系统中光伏发电板阵列的平均日辐照量实测数据可能具有不同的量纲，为了使不同量纲的数据也能进行比较，需要对数据进行适当的变换。通常根据本文档来自技高网...

【技术保护点】
1.一种固定式光伏发电系统最佳倾角的大数据聚类分析方法，其特征在于:所述的方法包括按顺序进行的下列步骤：步骤1、分析光伏发电系统发电的影响因素，构建考虑光伏发电板阵列倾角的固定式光伏发电系统年平均辐照量最大最小模型；步骤2、结合现场的平均日辐照量实测数据，基于大数据聚类分析方法求解上述固定式光伏发电系统年平均辐照量最大最小模型，由此确定出光伏发电板阵列最佳倾角。

【技术特征摘要】
1.一种固定式光伏发电系统最佳倾角的大数据聚类分析方法，其特征在于:所述的方法包括按顺序进行的下列步骤：步骤1、分析光伏发电系统发电的影响因素，构建考虑光伏发电板阵列倾角的固定式光伏发电系统年平均辐照量最大最小模型；步骤2、结合现场的平均日辐照量实测数据，基于大数据聚类分析方法求解上述固定式光伏发电系统年平均辐照量最大最小模型，由此确定出光伏发电板阵列最佳倾角。2.根据权利要求1所述的固定式光伏发电系统最佳倾角的大数据聚类分析方法，其特征在于:在步骤1中，所述的分析光伏发电系统发电的影响因素，构建考虑光伏发电板阵列倾角的固定式光伏发电系统年平均辐照量最大最小模型的具体步骤如下：建立考虑光伏发电板阵列倾角的固定式光伏发电系统年平均辐照量最大最小模型如下：式中：β为光伏发电板阵列倾角，HT(β)为某倾角下倾斜表面年平均辐照量；HT(β,i)为某倾角下倾斜表面第i个月平均日辐照量；M(i)为第i个月的总天数。3.根据权利要求1所述的固定式光伏发电系统最佳倾角的大数据聚类分析方法，其特征在于:在步骤2中，所述的结合现场的平均日辐照量实测数据，基于大数据聚类分析方法求解上述固定式光伏发电系统年平均辐照量最大最小模型，由此确定出光伏发电板阵列最佳倾角的具体步骤如下：(1)对上述平均日辐照量实测数据进行标准化处理，以消除量纲的影响将上述收集的平均日辐照量实测数据作为样本，设样本域U＝{u1,u2,...,un}为被分类对象，样本域中的每个元素ui作为一个样本，均由m个数据组成，即第i个元素ui可表示为：ui＝{xi1,xi2,...,xim}(i＝1,2,…,n)因此，样本域U可写成如下矩阵的形式：对样本域U中的数据进行标准差变换或标准差变换和极差变换；1)标准差变换对于样本域U中的任意一个数据进行标准差变换的公式如下：式中：i＝1,2,…,N；k＝1,2,…,m；若值域不在[0，1]区间内，需要进一步进行极差变换；2)极差变换对于样本域U中的任意一个数据进行极差变换的公式如下：经过极差变换后，样本域U中的任意一个数据均有0≤xi"k≤1，即消除了量纲的影响；(2)利用标准化处理后的数据建立模糊相似矩阵...

【专利技术属性】
技术研发人员：李盛伟，韩晓罡，葛磊蛟，迟福建，高毅，白星振，高尚，范须露，昝晶晶，
申请(专利权)人：国网天津市电力公司，国家电网公司，
类型：发明
国别省市：天津,12