一种多因素下集中式光伏电站内的光伏板部署优化方法技术

本发明专利技术公开了一种多因素下集中式光伏电站内的光伏板部署优化方法，包括依据光伏电站内的地理特征，将光伏电站内划分为多个地形区域；基于双重注意力机制LSTM模型，量化地形区域内的气象因素与光伏出力的关联关系；基于地形区域内的气象因素与光伏出力的关联关系，对光伏电站内光伏板进行部署。本申请在划分光伏电站内的不同地形时，利用多种地形特征，将各个子区域合理划分为数个地形并在建模量化每一个地形内的气象因素与光伏出力关联关系中，量化气象因素对光伏出力的作用，得到较为准确的考虑各个地形微气象特征的光伏预期出力值，使得光伏板部署最大化利用了现有土地和光伏资源，提高了光伏出力的效率。提高了光伏出力的效率。提高了光伏出力的效率。

【技术实现步骤摘要】
一种多因素下集中式光伏电站内的光伏板部署优化方法


[0001]本专利技术涉及光伏电站部署
，具体涉及一种多因素下集中式光伏电站内的光伏板 部署优化方法。

技术介绍

[0002]因地制宜的开发利用各地光伏资源是助力我国双碳目标的有效途径之一。光伏发电装机 容量的增加一定程度上减轻了我国经济快速发展对环境带来的压力，然而光伏发电实际出力 与当地地形、气象条件紧密相关，导致作为可再生能源的太阳能具有波动性和间歇性的特点。 同时，集中式光伏电站占地面积较大，其规模不断扩大也造成了土地资源不足的问题。
[0003]为了应对这些问题，论文文献《气象因素对太阳能利用的影响研究》运用通径分析阐释 了各个气象因素之间的相互作用，通过回归分析量化了气象因素对发电效率的影响。论文文 献《多因素耦合作用对光伏发电效率的影响分析》用灰色关联分析和回归分析得到对光伏出 力影响最大的气象因素为辐照度、环境温度、风速、湿度、气压，并依此建立了光伏出力多 元回归预测模型。但以上两个论文文献中都只利用单一的数据进行回归分析，得到的预测模 型泛用性较差。
[0004]论文文献《Multi
‑
meteorological
‑
factor
‑
based Graph Modeling for PhotovoltaicPower Forecasting》通过图模型方法描述各种气象因素与光伏出力的关系并对光伏出力进行 预测，但是图模型的方法步骤较为繁琐，且预测精度低于深度学习模型。论文文献《基于集 群划分的光伏电站集群发电功率短期预测方法》先是将出力特性相似的光伏电站聚类为一个 个集群，再运用BC
‑
LSTM网络对各个集群进行建模训练，得到多个光伏电站短期总出力。论 文文献《Comparative study of electrical energy conversion on monocrystalline andpolycrystalline solar panel types in fixed position with various weather conditionsin mountain area》在湿度和温度均较低的高原山地地区比较分析了单晶和多晶太阳能电池 板的性能，得出在山地地区多晶太阳能电池板出力更高的结论。论文文献《面向桂林气象特 征的太阳能光伏电池板最佳部署角度》只考虑温度和辐照度，单独计算了光伏组件最优倾角 和方位角，但没有考虑两者组合最优。论文文献《山地光伏电站固定式组件安装角度优化方 法》提出了一种考虑山体遮挡，坡面朝向，辐照度情况的定量计算山地地区单一光伏组件最 佳倾角、方向角的方法，但未考虑光伏阵列的排间距。论文文献《山地光伏阵列布置方法和 排间距计算》定量分析了山地地区光伏阵列在不同坡度、倾角、方位角下的排间距，但是并 未对最佳的布置方法进行建模。
[0005]综上所述，现有研究缺乏结合地形和气象差异，使某一集中式光伏电站实际出力最大且 经济性最佳的站内光伏板部署优化方法。
[0006]现有技术存在的问题如下：
[0007]现有光伏电站内光伏板的部署方法未考虑不同地理特征上的气象因素对于光伏
出力的影 响，未将地理特征和气象因素综合进行考量从而导致现有光伏电站内光伏板的部署方法所获 得光伏出力年发电量低，部署成本高。

技术实现思路

[0008]本申请所要解决的技术问题是现有光伏电站内光伏板的部署方法未考虑不同地理特征上 的气象因素对于光伏出力的影响，目的在于提供一种多因素下集中式光伏电站内的光伏板部 署优化方法，解决了未将地理特征和气象因素综合进行考量从而导致现有光伏电站内光伏板 的部署方法所获得光伏出力年发电量低，部署成本高的问题。
[0009]本申请通过下述技术方案实现：
[0010]本申请一方面公开了一种多因素下集中式光伏电站内的光伏板部署优化方法，包括：
[0011]S1、依据光伏电站内的地理特征，将光伏电站内划分为多个地形区域；其中，所述地理 特征包括年日照时数、平均海拔、坡向、坡度、区域中心与汇集站的距离以及区域中心相对 汇集站的方向；
[0012]S2、基于双重注意力机制LSTM模型，量化所述地形区域内的气象因素与光伏出力的关联 关系；
[0013]S3、基于所述地形区域内的气象因素与光伏出力的关联关系，对光伏电站内光伏板进行 部署。
[0014]在上述技术方案中，由于集中式光伏电站在安装光伏板时，常采用密集式铺设，即光伏 板都有序的集中在某一块区域，所以将区域中心与汇集站的距离、区域中心相对汇集站的方 向纳入地理特征，目的是使划分出的地形内各个子区域在地理位置上大致相近，更符合集中 式光伏电站建设实际情况。
[0015]利用双重注意力机制LSTM模型对多个主要气象因素进行分析，进而得出每个地形区域内 光伏出力最大的位置。
[0016]双重注意力机制LSTM模型是在LSTM网络的基础上进行改进的模型，由于在天气突变及 极端天气条件下仅利用LSTM网络建模效果往往不佳。用双重注意力机制LSTM模型对多因素 气象进行分析，得到更准确的光伏功率输出与气象变量及历史信息的关系。
[0017]站内光伏板部署优化以整个光伏电站全年实际出力和光伏板部署成本最低为优化目标， 以全年为时间尺度，充分利用各个地形的气象优势，提高了整个电站的发电效率和经济性。
[0018]在一种可选实施例中，依据光伏电站内的地理特征，将光伏电站内分化为多个地形区域， 具体方法如下：
[0019]S11、基于区域的形状、面积，从地理位置上将光伏电站内的规划区域划分为K个子区域；
[0020]S12、定义第i个子区域的地理特征为并建立地理特征信息集合：其中，下标i1～i6分别表示第i个子区域的年日照时数、平均海拔、坡向、坡度、与汇 集站的距离、相对汇集站的方向；
[0021]S13、基于模糊C均值聚类算法，将K个子区域分别归类到不同地理特征的地形中，得到 多个地形区域。
[0022]在一种可选实施例中，基于双重注意力机制LSTM模型，量化地形区域内的气象因素与光 伏出力的关联关系的方法，具体方法包括：
[0023]S21、对多个主要气象因素和光伏出力进行归一化处理，并构造含多个主要气象因素的时 序特征序列其中，为第t时刻的上述k个气象特征集，为第m个相关气象变量在T 个时刻上的各个数值；
[0024]S22、构建双重注意力机制LSTM模型，通过双重注意力机制LSTM模型对多个主要气象因 素进行分析，得到t+1时刻光伏出力。
[0025]在一种可选实施例中，双重注意力机制LSTM模型在输入侧设置有特征注意力机制，在解 码输出侧设置有时间注意力机制。
[0026]在一种可选实施例中，构建双重注意力机制LSTM模型，对多个主要气象因素进行分析的 方法包括：
[0027]S221、通过特征注意力机制，对t时刻本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多因素下集中式光伏电站内的光伏板部署优化方法，其特征在于，包括：S1、依据光伏电站内的地理特征，将光伏电站内划分为多个地形区域；其中，所述地理特征包括年日照时数、平均海拔、坡向、坡度、区域中心与汇集站的距离以及区域中心相对汇集站的方向；S2、基于双重注意力机制LSTM模型，量化所述地形区域内的气象因素与光伏出力的关联关系；S3、基于所述地形区域内的气象因素与光伏出力的关联关系，对光伏电站内光伏板进行部署。2.根据权利要求1所述的一种多因素下集中式光伏电站内的光伏板部署优化方法，其特征在于，依据光伏电站内的地理特征，将光伏电站内分化为多个地形区域，具体方法如下：S11、基于区域的形状、面积，从地理位置上将光伏电站内的规划区域划分为K个子区域；S12、定义第i个子区域的地理特征并建立地理特征信息集合其中，下标i1～i6分别表示第i个子区域的年日照时数、平均海拔、坡向、坡度、与汇集站的距离和相对汇集站的方向；S13、基于模糊C均值聚类算法，将K个子区域分别归类到不同地理特征的地形中，得到多个地形区域。3.根据权利要求1所述的一种多因素下集中式光伏电站内的光伏板部署优化方法，其特征在于，基于双重注意力机制LSTM模型，量化地形区域内的气象因素与光伏出力的关联关系的方法，具体方法包括：S21、对多个主要气象因素和光伏出力进行归一化处理，并构造含多个主要气象因素的时序特征序列其中，为第t时刻的上述k个气象特征集，为第m个相关气象变量在T个时刻上的数值集；S22、构建双重注意力机制LSTM模型，通过双重注意力机制LSTM模型对多个主要气象因素进行分析，得到t+1时刻光伏出力。4.根据权利要求3所述的一种多因素下集中式光伏电站内的光伏板部署优化方法，其特征在于，双重注意力机制LSTM模型在输入侧设置有特征注意力机制，在解码输出侧设置有时间注意力机制。5.根据权利要求4所述的一种多因素下集中式光伏电站内的光伏板部署优化方法，其特征在于，构建双重注意力机制LSTM模型，对多个主要气象因素进行分析的方法包括：S221、通过特征注意力机制，对t时刻的气象特征进行计算，得到不同气象因素贡献率的关联特征；S222、将不同气象因素贡献率的关联特征输入双重注意力机制LSTM模型中的LSTM网络，得到隐层状态权重；S223、通过时序注意力机制，对隐层状态权重进行计算，得到t时刻与时序状态特征有关的综合信息；
S224、将t时刻与时序状态特征有关的综合信息输入LSTM网络，得到t+1时刻光伏出力。6.根据权利要求5所述的一种多因素下集中式光伏电站内的光伏板部署优化方法，其特征在于，通过特征注意力机制，对t时刻的气象特征进行计算的方法包括：S2211、将t时刻相关气象特征输入到注意力机制，得到注意力权重向量e
t
：上式中，为第t时刻各个气象特征所对应的注意力权重系数组合，V
e
、W
e
、U
e
为注意力机制权重矩阵，b
e
为相应偏置项；S2212、将t时刻各个气象特征所对应的注意力权重系数组合进行归一化处理，得到特征注意力权重值其中，特征注意力权重值为：上式中，为特征注意力权重，为第m个相关气象变量的特征注意力权重值；S2213、将特征注意力权重值与对应的气象特征值相乘得到考虑不同气象因素贡献率大小的关联特征贡献率大小的关联特征上式中，为气象因素贡献率大小的关联特征。7.根据权利要求5所述的一...

【专利技术属性】
技术研发人员：李婷，明自强，范荣全，韩宇奇，胥威汀，陈玮，曾文慧，罗毅，朱觅，刘继春，
申请(专利权)人：国网四川省电力公司四川省新型电力系统研究院有限公司，
类型：发明
国别省市：