【技术实现步骤摘要】
本申请涉及光伏系统清灰，尤其涉及光伏系统清灰计划决策方法。
技术介绍
1、随着全球可持续发展的需要，环境污染和能源精确问题逐渐引起人们的注意。其中，太阳能由于其分布广泛，可开发量大等特性尤为受到大众的追捧。每年地表太阳能的辐射总量相当于了130万亿吨的煤炭。截至2021年底，我国光伏发电并网装机容量达到3.06亿千瓦，户用光伏继2020年首次超过1000万千瓦后，2021年超过2000万千瓦，达到约2150万千瓦。
2、随着光伏发电逐渐的增加，光伏系统的各种问题也逐渐的显现出来。光伏系统通常安置在室外，因此光伏组件时刻都暴露在室外的空气中，空气中的粉尘、汽车尾气等会逐渐的累积在光伏组件上，影响组件的发电效率。最近已有了研究尝试分析积灰因素对于光伏发电效率的影响。有实验表明，一天内由于积灰导致的平均发电量减少了16.5％；还有实验结果表明，若在光伏组件上覆盖灰尘，会导致每月的光伏发电功率减少4.5％至8％。
3、光伏组件由于积灰导致的光伏功率预测可靠性降低，会让能源调控出现偏差，降低了能源管理系统的稳定性。同时，光伏组件的积灰也会导致光伏组件出现热斑，导致组件使用寿命的减少甚至报废。因此对光伏系统进行有效的清灰策略，对于光伏系统的稳定性以及发电的效率起到了关键性的作用。
4、中国专利《雾霾环境下虚拟电厂的电力两级交互优化调度方法》，公开号：cn105375507a，公开日：2016年03月02日，具体公开了将光伏板的清灰成本作为额外控制成本计入虚拟电厂总体运行成本中。然而该方案中光伏板的清灰成本
5、中国专利《一种智能化光伏清灰方法及系统》，公开号：cn 115392494 a，公开日：2022年11月25日，具体公开了通过对光伏板阵列进行积尘分析获得积尘性质分析结果；根据积尘性质分析结果对初始光伏板倾角优化获得最优光伏板倾角；根据最优光伏板倾角和积尘性质分析结果生成积尘发电损失预测曲线；基于历史清洁数据生成积尘清洁成本曲线；将积尘清洁成本曲线与积尘发电损失预测曲线进行归一化处理，获得光伏清灰周期。然而该方案中积尘发电损失预测曲线以历史数据的相关性进行预测，局限于历史状态下的发电损失相关性，对于未来状态的发电损失的预测准确性低。
技术实现思路
1、本申请针对现有技术中存在对清灰计划的合理安排依托于历史数据的损失预测，对未来状态的预测准确性低从而造成清灰计划的安排未达到准确的最低损失，提供光伏系统清灰计划决策方法，根据历史数据分别筛选出与积灰预测相关的第一因素集合和与功率预测相关的第二因素集合，以第一因素集合和第二因素集合结合未来几天的气象数据以及光伏系统动作计划，输出预测光伏功率，以第二因素集合结合未来几天的气象数据以及光伏系统动作计划输出预测理想光伏功率，以预测光伏功率以及预测理想光伏功率的差值作为功率损失，从而损失预测基于预测光伏功率网络模型和预测理想光伏功率网络模型根据未来状态的预测值，当未来状态改变时，损失预测也会对应改变，提高预测准确性，从而确保清灰计划决策为最小损失成本决策，降低清灰所造成成本损失。
2、为实现上述技术目的，本申请提供的一种技术方案是，光伏系统清灰计划决策方法，包括如下步骤：s1：获取光伏系统历史功率数据、状态数据以及环境数据，筛选与积灰预测相关的第一因素集合以及与功率预测相关的第二因素集合；s2：以第一因素集合和第二因素集合建立预测光伏功率网络模型，以第二因素集合建立预测理想光伏功率网络模型，分别输出预测光伏功率和预测理想光伏功率；s3：根据预测光伏功率、预测理想光伏功率以及清洁成本建立清洁策略目标函数；s4：获取预测环境数据以及状态数据，根据预测光伏功率网络模型、预测理想光伏功率网络模型以及清洁策略目标函数输出光伏系统清灰计划。
3、进一步的，第一因素集合包括降尘量、降雨强度、风向和光伏板倾角，第二因素集合包括短波辐射、热感通量、长波辐射、湿度和温度。
4、进一步的，建立清洁策略目标函数：其中，pi*为第i时刻预测理想光伏功率网络模型预测的理想光伏功率，pi为第i时刻预测光伏功率网络模型预测的光伏功率；ξ为预测理想光伏功率网络模型以及预测光伏功率网络模型的输入参数；c是清洗策略为一个向量t为所需要决策的时间，d＝t/24为所需要决策的天数；δt＝1h为间隔时间；n为清洗的次数；w为清洗一次所需要的人工费用；积灰导致的功率损失表示为pi*(ξ)-pi(c,ξ)；nw为人工成本。
5、进一步的，所述预测光伏功率网络模型以及预测理想光伏功率网络模型均为cnn-lstm混合网络模型。
6、进一步的，所述s2包括：以第一因素集合和第二因素集合建立时间序列特征矩阵。
7、进一步的，所述时间序列特征矩阵为：
8、表示t时刻的时间序列；g表示第g个特征。
9、进一步的，所述输出预测光伏功率包括：s21：获取预测环境数据以及状态数据，将其整理为时间序列特征矩阵；s22：将时间序列特征矩阵输入卷积层和池化层，经过多轮的卷积池化操作能提取相互独立的时间序列之间的隐含特征；s23：将输出输入lstm层，lstm预测未来t个时刻的光伏功率值；s24：通过全连接层输出未来t个时刻的预测光伏功率。
10、进一步的，所述s3还包括：将预测光伏功率网络模型、预测理想光伏功率网络模型通过清洁策略目标函数融合构建光伏模型。
11、进一步的，所述s4包括：获取预测环境数据以及状态数据输入至光伏模型，利用离散粒子群算法输出光伏系统清灰计划。
12、进一步的，所述s4还包括：s41：获取预测环境数据以及状态数据；s42：将预测环境数据以及状态数据整理成第一因素集合和第二因素集合，并对其进行预处理，以第一因素集合和第二因素集合构建预测光伏功率时间序列特征矩阵，以第二因素集合构建预测理想光伏功率时间序列特征矩阵；s43：初始化粒子群的种群cj形成二进制编码的初始种群；s44：将cj扩展为c，将c编入预测光伏功率时间序列特征矩阵；s45：将预测光伏功率时间序列特征矩阵以及预测理想光伏功率时间序列特征矩阵分别输入光伏模型中，算出每个粒子的个体最优值；s46：对粒子的速度和位置进行进化计算；s47：判断是否满足结束条件，若满足输出全局最优解的粒子位置cj，若不满足则回到s44。
13、本申请的有益效果：根据历史数据分别筛选出与积灰预测相关的第一因素集合和与功率预测相关的第二因素集合，以第一因素集合和第二因素集合结合未来几天的气象数据以及光伏系统动作计划，输出预测光伏功率，以第二因素集合结合未来几天的气象数据以及光伏系统动作计划输出预测理想光伏功率，以预测光伏功率以及预测理想光伏功率的差值作为功率损失，从而损失预测基于预测光伏功率网络模型和预测理想光伏功率网络模型根据未来状态的预测值，当未来状态改变时，损失预测也会对应改变，提高预测准确性，从而确保清灰计划决策为最小损失成本决策，降低本文档来自技高网...
【技术保护点】
1.光伏系统清灰计划决策方法，其特征在于：包括如下步骤：
2.如权利要求1所述的光伏系统清灰计划决策方法，其特征在于：
3.如权利要求1所述的光伏系统清灰计划决策方法，其特征在于：
4.如权利要求1所述的光伏系统清灰计划决策方法，其特征在于：
5.如权利要求4所述的光伏系统清灰计划决策方法，其特征在于：
6.如权利要求5所述的光伏系统清灰计划决策方法，其特征在于：
7.如权利要求5所述的光伏系统清灰计划决策方法，其特征在于：
8.如权利要求1所述的光伏系统清灰计划决策方法，其特征在于：
9.如权利要求8所述的光伏系统清灰计划决策方法，其特征在于：
10.如权利要求9所述的光伏系统清灰计划决策方法，其特征在于：
【技术特征摘要】
1.光伏系统清灰计划决策方法，其特征在于：包括如下步骤：
2.如权利要求1所述的光伏系统清灰计划决策方法，其特征在于：
3.如权利要求1所述的光伏系统清灰计划决策方法，其特征在于：
4.如权利要求1所述的光伏系统清灰计划决策方法，其特征在于：
5.如权利要求4所述的光伏系统清灰计划决策方法，其特征在于：
<...【专利技术属性】
技术研发人员：李勇，章立宗，陈根奇，陆晓东，韦亚敏，金路，陈超，汪磊，王兆旭，黄行星，顾建，金钢，董钦，倪利，
申请(专利权)人：国网浙江省电力有限公司绍兴供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。