一种基于深度学习的光伏场站降低电能损失的方法技术

本发明专利技术提供一种基于深度学习的光伏场站降低电能损失的方法，涉及光伏发电技术领域。该基于深度学习的光伏场站降低电能损失的方法，包括以下步骤：步骤一、选取实地参数；步骤二、实体模拟；步骤三、定时检测；步骤四、数据分析。通过获取任一具体经纬度的地理位置的平均强度的光照、降水、温度、风向和风速、灰尘浓度和组成的实地参数，并与最优安装角度范围内的光伏组件安装进行结合，可以得到自然状态下的所选地理位置的灰尘与光伏组件安装及发电量的研究模型，方便为光伏场站降低电能损失提供参考处理方案。参考处理方案。

【技术实现步骤摘要】
一种基于深度学习的光伏场站降低电能损失的方法


[0001]本专利技术涉及光伏发电
，具体为一种基于深度学习的光伏场站降低电能损失的方法。

技术介绍

[0002]太阳能是清洁、安全的可再生能源，在长期的能源战略中具有重要地位。在估算光伏电站的输出电能时需要考虑温度、灰尘和污染、遮挡、组件朝向和倾角、逆变器效率、线缆损耗等因素。以上所有的因素都会对光伏电站造成或多或少的降额，进而导致光伏系统输出电能的损失。
[0003]1、光伏组件的温度损耗的影响，这个跟光伏电站所在经纬度以及组件最大功率温度系数相关，所在经纬度可通过NASA的数据库查询到，其余的影响因素则为自身光伏组件安装时预留的散热间隙。
[0004]2、由于光伏组件在室外工作，在灰尘、落叶、鸟粪和其他脏污掩盖后使组件接纳的光照削弱，进而导致输入功率下降，其中落叶和其他脏污可以通过光伏组件的安装环境控制来避免，鸟粪可以通过安装环境配套使用驱鸟设备来避免，其实整体影响输入率的主要因素为灰尘。
[0005]3、组件朝向和倾角的影响，按照光伏组件安装地理位置的具体经纬度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的光伏场站降低电能损失的方法，其特征在于，包括以下步骤：步骤一：选取实地参数选定一具体经纬度的地理位置，之后按照上述地理位置的最优光伏组件安装角度进行实体安装，并向安装好后的光伏组件提供所选地理位置对应平均强度的光照、降水、温度、风向和风速、灰尘浓度和组成，并根据获得的灰尘组成进行模拟配制；步骤二：实体模拟将步骤一得到的最优光伏组件安装角度在加减3度范围内分别选取若光伏组件进行安装，为光伏组件提供选定地理位置的光照、降水和温度，过程中配合供风设备提供与实地参数一样的风向和风速，过程中将模拟配制的灰尘随风下落到光伏组件上，并保证灰尘浓度基本一致；步骤三：定时检测在实体模拟一周期后，得到灰尘在光伏组件上的附着状况，并将实际发电量与理论发电量相除得到发电比率，对光伏组件进行区域划块，并获得各个划块区域内灰尘附着的浓度、组成参数和附着力度参数，之后继续实体模拟过程，记录各个模拟周期内的发电比率；步骤四：数据分析以时间为横坐标，发电比率、平均灰尘浓度...

【专利技术属性】
技术研发人员：郭增良，高源，高阳，包策力格尔，
申请(专利权)人：天津绿动未来能源管理有限公司，
类型：发明
国别省市：