一种基于图像识别的配电网屋顶光伏储能优化配置方法技术

本发明专利技术提供一种基于图像识别的配电网屋顶光伏储能优化配置方法，该方法结合语义分割模型，对目标区域的建筑物类型以及屋顶类型进行划分，得到不同类型建筑物下不同类型屋顶的面积，结合预设的光伏装机约束以及储能装机容量约束，形成若干配置方案，并采用优化评估模型对所形成的配置方案进行评估，根据最优配置方案对目标区域的屋顶光伏储能进行配置。该配置方案考虑到建筑物类型以及屋顶类型对于光伏装机的影响，通过对不同建筑物下不同屋顶的光伏潜力进行识别，进而能够得到更加符合目标区域实际情况的配置方案。区域实际情况的配置方案。区域实际情况的配置方案。

【技术实现步骤摘要】
一种基于图像识别的配电网屋顶光伏储能优化配置方法


[0001]本专利技术涉及配电系统优化配置
，特别涉及基于图像识别的配电网屋顶光伏储能优化配置方法。

技术介绍

[0002]随着全球变暖的日益严重，以光伏为代表的可再生能源越来越收到人们的重视。作为分布式光伏发电的一种，屋顶光伏发电更具有优势，通过将光伏组件与建筑物相结合，可直接安装在商业楼、工业厂房和小区住宅等建筑屋顶，无需占用额外的大块土地资源，很大程度提高了土地利用率。将屋顶太阳能产生的电力直接接入附近电网、就地消耗，不仅降低了输送成本、也能切实帮助人们节省电费开销。
[0003]当前关于配电网屋顶光伏配置方法一般具有如下问题：
[0004]1、当前配电网屋顶光伏配置方法会直接以目标区域的所有建筑物屋顶作为光伏配置位置，以此进行光伏装机优化计算。这些方法未考虑到因建筑物类型不同、屋顶类型不同对于光伏装机的影响。
[0005]2、当前配电网屋顶光伏配置方法大多以成本最低为目标进行配置方案的选择，这些方法没有考虑到光伏并网对于网络损坏以及电压质量的影响。
[0006]3、当前配电网屋顶光伏配置方法获取的配置方案大多未考虑与光伏相配合的储能配置，这些方法没有将光伏配置与储能配置相结合，工程师一般需要根据光伏配置容量进一步对储能配置方案进行规划。

技术实现思路

[0007]为了解决上述问题，本专利技术提供了一种基于图像识别的配电网屋顶光伏储能优化配置方法。
[0008]本专利技术的技术方案如下：
[0009]一种基于图像识别的配电网屋顶光伏储能优化配置方法，包括：
[0010]1)对目标区域进行语义分割，获取目标区域内各类型建筑物下各类型屋顶的面积；
[0011]2)基于预设的若干组光伏装机约束以及所述各类型建筑物下各类型屋顶的面积，分别计算各组光伏装机约束下目标区域的光伏装机容量；所述光伏装机约束为各类型建筑物的装机比例约束和各类型建筑物下各类屋顶的单位面积发电量约束；
[0012]3)基于预设的若干组储能装机容量约束，形成若干个屋顶光伏储能配置方案；所述屋顶光伏储能配置方案包括储能装机容量、光伏装机比例约束以及目标区域的光伏装机容量；
[0013]4)对所述若干个屋顶光伏储能配置方案进行多目标评估优化，求解最优屋顶光伏储能配置方案，输出各类型建筑物的装机比例约束、光伏装机容量和储能装机容量。
[0014]进一步地，所述目标区域内各用户类型建筑物下各类型屋顶的面积采用如下方法
获取：
[0015]1.1)根据目标区域的地图poi数据，对目标区域内建筑物的用户类型进行划分，得到目标区域内各用户类型建筑物的位置信息；
[0016]1.2)根据目标区域的卫星图片以及所述各用户类型建筑物的位置信息，采用语义分割模型对目标区域进行语义分割，获取目标区域内各用户类型建筑物对应的各类型屋顶面积。
[0017]进一步地，所述目标区域内各类型建筑物下各类型屋顶的面积采用如下公式计算：
[0018][0019]式中，A
i,j
为表示第i类型建筑物下第j种类型屋顶的面积，r2是卫星图片的比例尺，N
i,j
是卫星图片中第i类型建筑物下第j种类型屋顶的像素数，N是卫星图片的总像素数。
[0020]进一步地，所述各组光伏装机约束下目标区域的光伏装机容量采用如下公式计算：
[0021][0022]式中，V
μ
为第μ组光伏装机约束下目标区域的光伏装机容量；P
μ,i
为第μ组光伏装机约束下第i类型建筑物的装机比例，N
μ,i,j
为第μ组光伏装机约束下第i类型建筑物下j类型屋顶的单位面积发电量，A
i,j
为第i类型建筑物下j类型屋顶的面积，N
building
为建筑物类型总数，N
roof
为屋顶类型总数。
[0023]进一步地，所述建筑物的类型包括机关建筑物、由医院、学校和村委会构成的公共建筑物、工商业建筑物和居民建筑物；所述屋顶类型包括混泥土屋顶、彩钢瓦屋顶、瓦屋顶和高层住宅屋顶。
[0024]进一步地，所述对所述若干个屋顶光伏储能配置方案进行多目标评估优化采用多目标优化评估模型进行，该多目标优化评估模型包括网络损耗最小目标、电压质量最优目标和成本最低目标，该多目标优化评估模型的目标函数如下：
[0025][0026]其中，L为网络损耗最小目标模型，表达式为：
[0027][0028]Q为电压质量最优目标模型，表达式为：
[0029][0030]C为电压质量最优目标模型，表达式为：
[0031][0032]上述式中，w1、w2、w3分别为网络损耗最小目标、电压质量最优目标和成本最低目标的权重因子；a、b、c为网络损耗最小目标、电压质量最优目标和成本最低目标的惩罚因子；L0为原线路中的网损量；N
node
为线路节点数；C
min
为最小准许容量的光伏并网产生的费用；C
max
为最大准许容量的光伏并网产生的费用；N
branch
为支路数目；I
θ
为支路θ的电流值；R
θ
为支路θ的电阻；U
N
、U
nr
为节点n的额定电压和实际电压；N
node
为节点总数；r为固定年利率；m为光伏的使用年限；c1为单位千瓦的动态投资；c2为单位千瓦的静态投资；p
k
为候选点k的光伏装机容量；N
k
为待安装的光伏数；
[0033]该多目标优化评估模型的约束条件如下：
[0034]功率平衡约束：
[0035]线路电流约束：I
θ
≤I
θ，max
[0036]容量约束：P
θ
≤R
θ，max
[0037]节点电压约束：U
min
≤U
nr
≤U
max
[0038]渗透率约束：
[0039]式中，P
s
、Q
s
为配网首端电源注入的有功、无功功率；P
PVθ
、Q
PVθ
为支路θ中光伏注入有功功率和无功功率；P
load
、Q
load
为系统总负荷；P
loss
、Q
loss
为系统总网损；I
θ
为支路θ中的电流值，I
θ,max
为支路θ中允许电流的最大值；P
θ
为支路θ中接入光伏的容量，P
θ,max
为支路θ中允许接入光伏的最大容量；U
min
、U
max
为允许电压的最小值与最大值；N
branch
为支路数目，η为光伏总容量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的配电网屋顶光伏储能优化配置方法，其特征在于：包括：1)对目标区域进行语义分割，获取目标区域内各类型建筑物下各类型屋顶的面积；2)基于预设的若干组光伏装机约束以及所述各类型建筑物下各类型屋顶的面积，分别计算各组光伏装机约束下目标区域的光伏装机容量；所述光伏装机约束为各类型建筑物的装机比例约束和各类型建筑物下各类屋顶的单位面积发电量约束；3)基于预设的若干组储能装机容量约束，形成若干个屋顶光伏储能配置方案；所述屋顶光伏储能配置方案包括储能装机容量、光伏装机比例约束以及目标区域的光伏装机容量；4)对所述若干个屋顶光伏储能配置方案进行多目标评估优化，求解最优屋顶光伏储能配置方案，输出各类型建筑物的装机比例约束、光伏装机容量和储能装机容量。2.根据权利要求1所述的基于图像识别的配电网屋顶光伏储能优化配置方法，其特征在于：所述目标区域内各用户类型建筑物下各类型屋顶的面积采用如下方法获取：1.1)根据目标区域的地图poi数据，对目标区域内建筑物的用户类型进行划分，得到目标区域内各用户类型建筑物的位置信息；1.2)根据目标区域的卫星图片以及所述各用户类型建筑物的位置信息，采用语义分割模型对目标区域进行语义分割，获取目标区域内各用户类型建筑物对应的各类型屋顶面积。3.根据权利要求2所述的基于图像识别的配电网屋顶光伏储能优化配置方法，其特征在于：所述目标区域内各类型建筑物下各类型屋顶的面积采用如下公式计算：式中，A
i,j
为表示第i类型建筑物下第j种类型屋顶的面积，r2是卫星图片的比例尺，N
i,j
是卫星图片中第i类型建筑物下第j种类型屋顶的像素数，N是卫星图片的总像素数。4.根据权利要求3所述的基于图像识别的配电网屋顶光伏储能优化配置方法，其特征在于：所述各组光伏装机约束下目标区域的光伏装机容量采用如下公式计算：式中，V
μ
为第μ组光伏装机约束下目标区域的光伏装机容量；P
μ,i
为第μ组光伏装机约束下第i类型建筑物的装机比例，N
μ,i,j
为第μ组光伏装机约束下第i类型建筑物下j类型屋顶的单位面积发电量，A
i,j
为第i类型建筑物下j类型屋顶的面积，N
building
为建筑物类型总数，N
roof
为屋顶类型总数。5.根据权利要求2所述的基于图像识别的配电网屋顶光伏储能优化配置方法，其特征在于：所述建筑物的类型包括机关建筑物、由医院、学校和村委会构成的公共建筑物、工商业建筑物和居民建筑物；所述屋顶类型包括混泥土屋顶、彩钢瓦屋顶、瓦屋顶和高层住宅屋顶。6.根据权利要求1～5任一所述的基于图像识别的配电网屋顶光伏储能优化配置方法，其特征在于：所述对所述若干个屋顶光伏储能配置方案进行多目标评估优化采用多目标优化评估模型进行，该多目标优化评估模型包括网络损耗最小目标、电压质量最优目标和成
本最低目标，该多目标优化评估模型的目标函数如下：其中，L为网络损耗最小目标模型，表达式为：Q为电压质量最优目标模型，表达式为：C为电压质量最优目标模型，表达式为：上述式中，w1、w2、w3分别为网络损耗最小目标、电压质量最优目标和成本最低目标的权重因子；a、b、c为网络损耗最小目标、电压质量最优目标和成本最低目标的惩罚因子；L0为原线路中的网损量；N
node
为线路节点数；C
min
为最小准许容量的光伏并网产生的费用；C
max
为最大准许容量的光伏并网产生的费用；N
branch
为支路数目...

【专利技术属性】
技术研发人员：李妍，汪德成，何大瑞，范逸斐，张群，王青山，
申请(专利权)人：国网江苏省电力有限公司经济技术研究院，
类型：发明
国别省市：