一种分布式光伏电站智能选址方法及系统技术方案

本申请提供了一种分布式光伏电站智能选址方法及系统，属于预测或优化技术领域，所述方案包括：对预选区域进行细粒度网格划分；获取所有网格位置的发电量时序信息、文本语义信息以及数值型数据信息，并基于预先训练的深度学习模型，分别进行特征提取；基于提取的特征及预先训练的多核学习模型，获得区域内细网格划分下所有网格位置的评估分值，基于所述评估分值为智能选址提供决策依据；所述方案基于区域内已有电站的相关数据，利用时空相关性对其邻近位置进行发电预测，并进一步结合其它影响光伏发电的文本语义信息及数值型信息，对网格划分下所有网格位置进行综合评估，保证了光伏电站智能选址的准确性及合理性。电站智能选址的准确性及合理性。电站智能选址的准确性及合理性。

【技术实现步骤摘要】
一种分布式光伏电站智能选址方法及系统


[0001]本申请属于预测或优化
，尤其涉及一种分布式光伏电站智能选址方法及系统。

技术介绍

[0002]光伏发电作为一种开发较为便利的绿色能源，正日益受到人们的重视，但是，为了优化光伏电站选址布局，保证分布式光伏电站的合理系统配置、提高光电转换效率、降低光伏发电成本，光伏电站的评估和选址研究显得尤为重要。
[0003]但是，当前光伏电站的选址仍存在以下问题：（1）目前的光伏电站选址一般是将其描述成一个优化问题，如将年运行费用最小、电压偏差最小等作为选址定容依据，或者构建电网动态特性的多目标优化，这些问题基本上都属于NP
‑
hard问题，求解过程容易陷入局部最优；（2）光伏电站的发电量预测是选址的关键，但目前发电预测的相关研究，一般根据某个电站的历史发电时序数据，结合影响发电的相关因素对其进行发电预测；主要存在的问题表现在两个方面：一是只能针对一个或多个具体已经存在的电站进行预测；二是针对候选地点，如果没有历史发电数据，无法进行有效的评估；（3）除了发电的历史时序数据和预测时序数据之外，太阳辐射量、规划控制情况、交通运输条件、电网接入方式、自然资源及环境情况、社会经济、运维成本、运维过程等信息也是选址的重要因素，现有方法并未对其进行有效考虑，同时，现有的评估方法有层次分析法、灰色关联分析、模糊评价等，上述评估方法的主要缺点表现在两个方面，一是各影响因素权重设置比较主观，缺乏科学客观的量化依据，另一方面，影响选址的重要因素大多采用自然语言进行描述，在特征提取过程中一般采用one
‑
hot编码，丢失了选址重要因素中的文本语义理解。
[0004]（4）现有的光伏选址方法，大多从上述单一视域（如发电量时序信息、文本语义信息以及数值型数据信息中的任意一种）去考虑，即便多个视域，也只是将所有视域特征进行简单组合，导致无法对多视域特征进行充分利用。
[0005]（5）已有的相关研究中，大多针对已有电站进行预测或评估，但是在某个区域中，已经进行发电的电站，相对整个区域来说，是相对稀疏的，如果需要对该区域进行整体分布式电站规划，目前研究中缺乏对细粒度网格划分下所有网格位置全面的和对比性评估。

技术实现思路

[0006]本申请为了解决上述问题，提供了一种分布式光伏电站智能选址方法及系统，所述方案基于预选区域内已有电站的相关数据，利用时空相关性对区域内细网格划分下所有网格位置进行发电预测，并进一步基于影响光伏电站选址的多种因素，对细网格划分下网格位置进行综合评估，从而对光伏电站的智能选址提供合理准确的决策支持。
[0007]根据本申请实施例的第一个方面，提供了一种分布式光伏电站智能选址方法，包
括：对预选区域进行细粒度网格划分；获取所有网格位置的发电量时序信息、文本语义信息以及数值型数据信息；并基于预先训练的深度学习模型，分别进行时序信息特征、文本语义信息特征及数值型信息特征的提取；基于提取的特征及预先训练的多核学习模型，获得区域内细网格划分下所有网格位置的评估分值，基于所述评估分值为智能选址提供决策依据；其中，所述发电量时序信息包括发电量历史数据和发电量预测数据；所述发电量预测数据的获取具体为：预先获取电站时空数据以及气象数据；基于深度残差网络和所述时空数据，从时间的邻近性和趋势性上分别进行发电量预测；同时，基于所述气象数据，利用深度学习模型进行发电量预测；将获得的预测结果进行融合实现细粒度网格划分下所有网格位置的发电量预测。
[0008]进一步的，所述基于提取的特征及预先训练的多核学习模型，获得区域内细网格划分下所有网格位置的评估分值，具体为：基于所述时序信息特征、文本语义信息特征及数值型信息特征，构建训练数据集；基于所述训练数据集对所述多核学习模型进行训练，利用训练好的多核学习模型对不同网格位置进行评估分值；其中，所述训练过程中不同特征对应于不同的核函数。
[0009]进一步的，基于预先训练的长短期记忆网络中隐藏状态向量对发电量时序信息进行编码，获得所述时序信息特征。
[0010]进一步的，所述文本语义信息特征的提取，具体为：预先对获得的文本语义信息进行词向量转化，并利用训练好的多层卷积神经网络进行特征提取，其中，所述特征提取过程采用注意力机制赋予特征权重，获得文本语义信息特征。
[0011]进一步的，所述获取电站时空数据，具体为：获取预设区域内细网格划分下所有网格内的电站位置数据及电站发电量数据并进行相应预处理；从处理后的数据中提取电站的空间位置特征和电站发电量的时序特征，通过三维张量表示时空数据，并利用张量分解进行稀疏数据的填充。
[0012]进一步的，所述通过三维张量表示时空数据及张量分解，具体为：根据目前已经存在的电站分布的经纬度，将预选区域内的所有电站映射到能覆盖的矩形空间内，实现细粒度网格图构建；基于已知位置信息将日发电量数据映射到网格图中，利用连续时间段的二维网格图构建三维张量，并通过张量分解的方法对三维张量中的稀疏数据进行填充。
[0013]进一步的，所述基于所述评估分值为智能选址提供决策依据，具体为：基于所述评估分值获得光伏电站智能选址的决策依据，将网格评估分值大于等于预设阈值的位置，结合预选区域地图进行可视化输出，用于选址规划。
[0014]根据本申请实施例的第二个方面，提供了一种分布式光伏电站智能选址系统，包括：网格划分单元，其用于对预选区域进行细粒度网格划分；多视域特征提取单元，其用于获取所有网格位置的发电量时序信息、文本语义信息以及数值型数据信息；并基于预先训练的深度学习模型，分别进行时序信息特征、文本语义信息特征及数值型信息特征的提取；
智能选址单元，其用于基于提取的特征及预先训练的多核学习模型，获得区域内细网格划分下所有网格位置的评估分值，基于所述评估分值为智能选址提供决策依据；其中，所述发电量时序信息包括发电量历史数据和发电量预测数据；所述发电量预测数据的获取具体为：预先获取电站时空数据以及气象数据；基于深度残差网络和所述时空数据，从时间的邻近性和趋势性上分别进行发电量预测；同时，基于所述气象数据，利用深度学习模型进行发电量预测；将获得的预测结果进行融合实现细粒度网格划分下所有网格位置的发电量预测。
[0015]与现有技术相比，本申请的有益效果是：（1）本申请所述方案提供了一种分布式光伏电站智能选址方法及系统，所述方案基于预选区域内已有电站的相关数据，利用时空相关性进行细粒度网格划分下所有网格位置的发电量预测，并进一步基于多种影响选址因素，对网格划分下的网格位置进行综合评估；针对细粒度网格划分下所有网格位置，从三种视域，即发电量时序数据（包括历史和预测数据）、影响选址因素的文本语义信息和影响选址因素的数值型信息，分别提取三种特征，并通过数据融合和模型融合，实现了网格位置的综合评估，为光伏电站选址提供全面快速准确的决策依据。
[0016]（2）本申请所述方案充分考虑电站发电量的时空特点，通过构建三维时空张量，以及张量分解的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式光伏电站智能选址方法，其特征在于，包括：对预选区域进行细粒度网格划分；获取所有网格位置的发电量时序信息、文本语义信息以及数值型数据信息；并基于预先训练的深度学习模型，分别进行时序信息特征、文本语义信息特征及数值型信息特征的提取；基于提取的特征及预先训练的多核学习模型，获得区域内细网格划分下所有网格位置的评估分值，基于所述评估分值为智能选址提供决策依据；其中，所述发电量时序信息包括发电量历史数据和发电量预测数据；所述发电量预测数据的获取具体为：预先获取电站时空数据以及气象数据；基于深度残差网络和所述时空数据，从时间的邻近性和趋势性上分别进行发电量预测；同时，基于所述气象数据，利用深度学习模型进行发电量预测；将获得的预测结果进行融合实现细粒度网格划分下所有网格位置的发电量预测。2.如权利要求1所述的一种分布式光伏电站智能选址方法，其特征在于，所述基于提取的特征及预先训练的多核学习模型，获得区域内细网格划分下所有网格位置的评估分值，具体为：基于所述时序信息特征、文本语义信息特征及数值型信息特征，构建训练数据集；基于所述训练数据集对所述多核学习模型进行训练，利用训练好的多核学习模型对不同网格位置进行评估分值；其中，所述训练过程中不同特征对应于不同的核函数。3.如权利要求1所述的一种分布式光伏电站智能选址方法，其特征在于，基于预先训练的长短期记忆网络中隐藏状态向量对所述发电量时序信息进行编码，获得所述时序信息特征。4.如权利要求1所述的一种分布式光伏电站智能选址方法，其特征在于，所述文本语义信息包括但不限于GIS数据、规划控制、交通运输条件、电网接入、自然资源及环境、社会经济及运维过程文本数据。5.如权利要求1所述的一种分布式光伏电站智能选址方法，其特征在于，所述文本语义信息特征的提取，具体为：预先对获得的文本语义信息进行词向量转化，并利用训练好的多层卷积神经网络进行特征提取，其中，所述特征提取过程采用注意力机制赋予特征权重，获得文本语义信息特征。6.如权利要求1所述的一种分布式光伏电站智能选址方法，其特征在于，所述数值...

【专利技术属性】
技术研发人员：宋玲，刘新锋，李盛恩，吕强，吕舜铭，侯铁，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：