屋顶式光伏阵列设备投入优化方法技术

本发明专利技术公开了一种屋顶式光伏阵列设备投入优化方法，包括：中长期发电量的预测，其公式如下：W＝ηTp其中：η为修正系数，综合考虑效率损失、传输损失；T为逐年平均利用小时数；p为峰值发电功率，所述修正系数η采取结合自动站现有多年数据进行系数修正的方法进行调整，其修正系数统一归算到效率损失系数中一并考虑；所述逐年平均利用小时数T由气象局的年平均日照时长及平均辐照度进行确定。采用上述技术方案，得出不同环境、不同地域、不同条件的屋顶的资源，从而进行合理投入，实现屋顶设备投入以及发电量的最大性价比，实现建筑表面光伏发电的最大效益。

【技术实现步骤摘要】
屋顶式光伏阵列设备投入优化方法
本专利技术涉及太阳能转换
，具体指一种屋顶式光伏阵列设备投入优化方法。
技术介绍
我国太阳能资源十分丰富，近年来我国光伏产业得到了快速发展，建设光伏电站是大规模集中利用太阳能的最有效方式。在光伏电站设计的可行性研究阶段，需要开展太阳能资源分析评估工作，说明工程所在地区的太阳能资源情况，并为电站发电量计算提供输入数据。进行太阳能资源分析评估时，需选择站址所在地附近有太阳辐射长期观测记录的气象站作为参考气象站，获取连续10年以上的太阳辐射长期记录和相关气象数据，作为太阳能资源分析评估的输入资料。然而，目前屋顶的光伏资源由于受到不同环境和不同地址位置的约束和影响，不能很好的利用。屋顶的光伏资源主要受到，屋顶的地理位置、高度、光照时间、光照强度和气候的影响。而太阳能转换发电的设备普遍价格较为昂贵，因此对屋顶的光伏资源如何进行投入尤其重要。目前，我国有太阳辐射长期观测记录的气象站只有近百个，实际覆盖面积较小，尤其是在西北地区，大多数情况下日射站距光伏电站较远，很难获得站址所在地实际的太阳能辐射状况。若站址所在地附近没有长期观测记录太阳辐射的日射站，只能采用距离较远日射站的太阳辐射长期观测数据，通过对比分析，推算工程所在地的太阳能资源数据。气温、湿度等气象信息采用距站址最近气象站的数据。目前传统的方法是针对具体项目，向具有太阳辐射长期观测记录的气象站或商业数据库服务商购买所需太阳辐射长期记录和气象数据，通过人工整理统计和计算处理，得到太阳能资源评估成果。上述方法存在以下缺点：(1)针对每一工程，都需分析选择合适的参考气象站，耗费人力；(2)如工程信息不畅或工程资料保管不妥善，可能出现不同工程选择同一参考气象站，但数据资料会重复购买的情况；(3)针对每一工程，都需进行大量、繁琐的人工统计和计算处理，效率低下且容易出错；(4)若站址所在地附近没有日射站，只能选择站址所在地周边较远的气象站作为参考气象站，但在推算过程中，不同设计人员选取不同的经验系数，计算结果存在较大差异，导致光伏电站发电量计算存在较大偏差；(5)评估成果输出标准化程度不高，难以保证成品质量。由此可见，目前我国还没有对屋顶的光伏资源进行很好的进行合理投入和利用。
技术实现思路
本专利技术根据现有技术的不足，提出一种光屋顶式光伏阵列设备投入优化方法，对屋顶的光伏资源根据实际因素进行优化的投入，从而提高屋顶光伏资源投入的性价比。为了解决上述技术问题，本专利技术的技术方案为：一种屋顶式光伏阵列设备投入优化方法，包括：中长期发电量的预测，其公式如下：W＝ηTp其中：η为修正系数，综合考虑效率损失、传输损失；T为逐年平均利用小时数；p为峰值发电功率，所述修正系数η采取结合自动站现有多年数据进行系数修正的方法进行调整，其修正系数统一归算到效率损失系数中一并考虑；所述逐年平均利用小时数T由气象局的年平均日照时长及平均辐照度进行确定。作为优选，还包括建立中长期光伏发电效率修正模型和中长期运营成本预测模型，所述中长期光伏发电效率修正模型和中长期运营成本预测模型均通过建立聚类模型，对数据集中的数据应用进行分组，把具有相似性质的食物区分开加以分类，通过获得同一个类中数据对象之间具有较高的相似度，从而对中长期光伏发电效率进行修正，对中长期运营成本进行预测。作为优选，所述聚类模型具体步骤如下：输入给定的数据集；数据预处理，根据要求，对数据进行特征标准化及降维处理；特征选择特征提取，将由数据预处理过程得到的最初始的特征中的最有效的特征选择出来，并将选取出来的最有效特征存放于特定的向量中，然后对这些有效特征进行相应的转换，得到新的有效突出特征；聚类，根据需要选择合适的相似性度量函数对数据集中的数据对象相似程度进行度量，以此进行数据对象的聚类；对聚类结果进行评估，依据相关的评价标准对聚类结果进行评估，评估聚类结果的优劣，以完成对聚类分析过程的进一步改进和完善。作为优选，所述聚类模型中类似项目的筛选采用K-mean聚类算法进行筛选。作为优选，所述中长期光伏发电效率修正模型中输入给定的数据集包括产品特性、屋顶特性、气象因素，所述产品特性包括产品厂商、运维厂商、电压等级；所述屋顶特性包括屋顶定级；所述气象因素包括年均辐照度、年均温度、年均降水量、年均风速、年均湿度。作为优选，所述中长期光伏运营成本预测模型输入给定的数据集包括运维模式、屋顶特性、产品质量，所述运维模式包括自维护、委托维护、运维团队；所述屋顶特性包括基础构架、占地面积；产品质量包括光伏组件、汇流排、逆变器、蓄电池。本专利技术具有以下的特点和有益效果：采用上述技术方案，得出不同环境、不同地域、不同条件的屋顶的资源，从而进行合理投入，实现屋顶设备投入以及发电量的最大性价比，实现建筑表面光伏发电的最大效益。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为聚类模型流程图；图2为K-mean聚类算法原理图。具体实施方式下面结合附图对本专利技术的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本专利技术，但并不构成对本专利技术的限定。此外，下面所描述的本专利技术各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。本专利技术提供了一种屋顶式光伏阵列设备投入优化方法，包括：中长期发电量的预测，其公式如下：W＝ηTp其中：η为修正系数，综合考虑效率损失、传输损失；T为逐年平均利用小时数；p为峰值发电功率，所述修正系数η采取结合自动站现有多年数据进行系数修正的方法进行调整，其修正系数统一归算到效率损失系数中一并考虑；所述逐年平均利用小时数T由气象局的年平均日照时长及平均辐照度进行确定。进一步的，还包括建立中长期光伏发电效率修正模型和中长期运营成本预测模型，所述中长期光伏发电效率修正模型和中长期运营成本预测模型均通过建立聚类模型，对数据集中的数据应用进行分组，把具有相似性质的食物区分开加以分类，通过获得同一个类中数据对象之间具有较高的相似度，从而对中长期光伏发电效率进行修正，对中长期运营成本进行预测。具体的，如图1所示，所述聚类模型具体步骤如下：输入给定的数据集；数据预处理，根据要求，对数据进行特征标准化及降维处理；特征选择特征提取，将由数据预处理过程得到的最初始的特征中的最有效的特征选择出来，并将选取出来的最有效特征存放于特定的向量中，然后对这些有效特征进行相应的转换，得到新的有效突出特征；聚类，根据需要选择合适的相似性度量函数对数据集中的数据对象相似程度进行度量，以此进行数据对象的聚类；对聚类结果进行评估，依据相关的评价标准对聚类结果进行评估，评估聚类结果的优劣，以完成对聚类分析过程的进一步改进和完善。其中，中长期光伏发电效率修正模型中输入给定的数据集包括产品特性、屋顶特性、气象因素，所述产品特性包括产品厂商、运维厂商、电压等级；所述屋顶特性包括屋顶定级；所述气象因素包括年均辐照度、年均温度、年均降水量、年均风速、年均湿度。中长期光伏运营成本预测模型输入给定的数据集包本文档来自技高网...

【技术保护点】
1.一种屋顶式光伏阵列设备投入优化方法，其特征在于，包括：中长期发电量的预测，其公式如下：W＝ηTp其中：η为修正系数，综合考虑效率损失、传输损失；T为逐年平均利用小时数；p为峰值发电功率，所述修正系数η采取结合自动站现有多年数据进行系数修正的方法进行调整，其修正系数统一归算到效率损失系数中一并考虑；所述逐年平均利用小时数T由气象局的年平均日照时长及平均辐照度进行确定。

【技术特征摘要】
1.一种屋顶式光伏阵列设备投入优化方法，其特征在于，包括：中长期发电量的预测，其公式如下：W＝ηTp其中：η为修正系数，综合考虑效率损失、传输损失；T为逐年平均利用小时数；p为峰值发电功率，所述修正系数η采取结合自动站现有多年数据进行系数修正的方法进行调整，其修正系数统一归算到效率损失系数中一并考虑；所述逐年平均利用小时数T由气象局的年平均日照时长及平均辐照度进行确定。2.根据权利要求1所述的屋顶式光伏阵列设备投入优化方法，其特征在于，还包括建立中长期光伏发电效率修正模型和中长期运营成本预测模型，所述中长期光伏发电效率修正模型和中长期运营成本预测模型均通过建立聚类模型，对数据集中的数据应用进行分组，把具有相似性质的食物区分开加以分类，通过获得同一个类中数据对象之间具有较高的相似度，从而对中长期光伏发电效率进行修正，对中长期运营成本进行预测。3.根据权利要求2所述的光伏屋顶资源定级分析方法，其特征在于，所述聚类模型具体步骤如下：输入给定的数据集；数据预处理，根据要求，对数据进行特征标准化及降维处理；特征选择特征提取，将由数据预处理过程得到的最初始的特征中的最有效的特征选择出来，并将选取出来的最有效特征存放于特定的向量中，然后对这些有效特征进行相应的转换，得到新的有效突出特征；聚类，根据需要选择合适的相似性度量函数对数据集中的数据对象相似程度进行度量，以此进行数...

【专利技术属性】
技术研发人员：卢毓东，刘周斌，韩嘉佳，郑华，方磊，卢新岱，戴桦，姚影，吕磅，李霁园，周辉，李景，汪自翔，李沁园，
申请(专利权)人：国网浙江省电力有限公司电力科学研究院，
类型：发明
国别省市：浙江,33