CN108960541A - 基于云数据分析的分布式光伏系统效率评估方法及装置 - Google Patents
基于云数据分析的分布式光伏系统效率评估方法及装置 Download PDFInfo
- Publication number
- CN108960541A CN108960541A CN201710346421.3A CN201710346421A CN108960541A CN 108960541 A CN108960541 A CN 108960541A CN 201710346421 A CN201710346421 A CN 201710346421A CN 108960541 A CN108960541 A CN 108960541A
- Authority
- CN
- China
- Prior art keywords
- index
- value
- electricity
- follows
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明涉及基于云数据分析的分布式光伏系统效率评估方法及装置,方法包括:建立以自然资源指标、电量、能耗、设备运行水平和经济效益为指标的综合评估指标体系,计算上述各指标;获得指标数据形成评估判断矩阵;利用综合客观权重法确定指标权重;根据权重计算光伏电站运行特性的评估值,通过单指标和多指标的综合评估,从不同时间尺度和空间尺度进行光伏系统的性能分析。装置包括指标计算模块、规范化处理模块、客观权重计算模块、评估值计算模块。评估结果可用于分析光伏组件等各部件存在的安全隐患,及其对电站发电产生的实际影响,并给出提高光伏发电效率的建议。
Description
技术领域
本发明涉及光伏发电技术领域,具体地说是基于云数据分析的分布式光伏系统效率评估方法及装置。
背景技术
随着能源短缺与能源需求的矛盾日益突出,能源价格会不断升高,严重阻碍了社会发展的步伐,寻找可再生能源,走可持续发展道路迫在眉睫。太阳能作为一种最常见的可再生能源,不仅分布广,无污染,而且可再生,被国际上认为是最好的化石能源替代品。分布式光伏发电是一种新型的、具有广阔发展前景的发电和能源综合利用方式,它倡导就近发电,就近使用,就近转换,就近并网的原则,以满足特定用户的需求,可以有效提高同等规模光伏电站的发电量,还可以降低电力在升压及长途运输中的损耗。截至2015年底,我国光伏电站的累计装机规模已经达到43GW,“十三五”规划的光伏装机规模将达到150GW,其中分布式累计达到70GW,具备10倍成长空间。从全球范围来讲,光伏电站装机规模仍然会持续高速增长态势。2016年,光伏行业的发展将不再是简单的生产、推广与应用,不再是过度依靠政府补贴就能轻松盈利,行业发展要全身心拥抱“互联网+”。在分布式光伏发电领域,越来越多的光伏企业正在建立智能电站、储能中心、云计算和大数据中心,通过与能源互联网的深度融合进一步扩大市场空间。
对于分布式光伏电站,电站运行状况的检测和运行维护工作尤为重要。光伏并网电站的系统效率是表征光伏电站运行性能的最终指标,在电站容量和光辐照量一致的情况下,系统效率越高代表发电量越大,因此,分析影响分布式光伏系统效率的各个因素及改善系统发电效率是分布式光伏电站设计及运维的重点。
目前,国内外针对分布式光伏系统发电效率的评估还没有相对完备的评估指标体系,我国现有的效率评估比较单一,仅仅从某一方面,如发电量或发电效率来进行分析。
发明内容
针对现有技术中的上述问题,以及分布式光伏电站效率评估体系不健全,评估结果可参考性差,不能对光伏电站的运营维护,故障诊断,效率提高提供有效指导的问题,本发明的目的是结合云数据分析技术,利用综合客观评价法对分布式光伏系统效率进行客观、有效、准确的评估,提出一种基于云数据分析的分布式光伏系统效率评估方法及装置。评估结果可用于分析光伏组件等各部件存在的安全隐患,及其对电站发电产生的实际影响,并给出提高光伏发电效率的建议。
本发明为实现上述目的所采用的技术方案是:基于云数据分析的分布式光伏系统效率评估方法及装置。
基于云数据分析的分布式光伏系统效率评估方法,包括以下步骤:
步骤1:建立以自然资源指标、电量、能耗、设备运行水平和经济效益为指标的综合评估指标体系,计算上述各指标;
步骤2:对各指标进行规范化处理,得到无量纲的判断矩阵;
步骤3:采用熵值法、标准离差法和灰关联度法计算判断矩阵中每个指标的权重,取三种方法求得的权重值的平均值作为最终客观权重;
步骤4:根据权重计算光伏电站运行特性的评估值。
所述自然资源指标S包括:倾斜面总辐射量,日照时数,平均风速,平均气温,相对湿度;所述电量指标E包括:理论发电量,实际发电量,并网电量,购网电量,逆变器输入电量,逆变器输出电量,峰值日照小时数,等效利用小时数,光伏方阵等价发电时,最终光伏系统等价发电时;所述能耗指标L包括:自用电量,综合损耗电量,光伏方阵吸收损耗,逆变器损耗,集电线路及箱变损耗,升压站损耗;所述设备运行水平指标H包括:最大出力,综合效率,逆变器转换效率,光伏方阵效率,性能比,离散率;所述经济效益指标Q包括:购网电量费用,并网电量费用,光伏发电补贴费用,财务内部收益率,静态投资回收期。
所述步骤2是采用(0-1)区间变换法对各指标进行规范化处理,得到无量纲的判断矩阵。
(0-1)区间变换法使指标变换后对应偏好最高的指标值有rij=1,对应偏好最低的指标值有rij=0;计算公式如下所示:
对效益型指标:
对成本型指标:
对适度型指标:
对区间型指标:
其中,上述式中xij为第j电站第i个指标的实际值,ximin、ximax为各指标在各自论语上确定的最小值和最大值,q为适度型指标的最适合值,[q1,q2]为区间型指标的最佳稳定区间;且q、q1、q2均为设置参数。
规范化处理得到的判断矩阵为:
其中,所述判断矩阵R的元素rij表示第j个评价对象第i个指标的规范化指标数据,o≤rij≤1,i=1,2,...,m,j=1,2,...,n,所述m为指标的个数,n为评价对象的个数。
所述熵值法确定客观权重公式如下:
其中,rij为判断矩阵R的元素,Ei为第i个指标的信息熵,i=1,2,...,m,j=1,2,...,n,系数K=1/lnn;
所述标准离差法确定客观权重公式如下:
其中,σi表示第i个指标的标准差;
所述灰关联度法确定客观权重步骤如下:
(1)确定最优指标集F*:
设式中ri *为第i个指标的最优值,取值为1;此时可构建出矩阵C:
(2)计算灰关联度
根据灰色系统理论,关联度矩阵E表示为:
式中,ξij为第j个评价对象的第i个指标与其最优指标的关联系数;
用关联分析法分别求得关联系数ξij:
式中,ρ∈[0,1],取0.5;
(3)由灰关联度向权重的转换:
计算所有评价对象与最优指标所对应的评价对象的关联度:
所述最终综合客观权重公式如下:
wi=(wsi+wσi+wFi)/3
其中,wi为第i个指标的权重,m=nS+nE+nL+nH+nQ,nS,nE,nL,nH,nQ分别为指标S,E,L,H,Q对应包括的指标数量。
所述评估值包括单项指标评估FajT和综合评估值FjT,计算方法如下:
FaT=[Fa1T,Fa2T,…,FajT]
其中,当a为S,E,L,H,Q时,X,Y为:
FajT为第j个评价对象在统计时间T时对应的二级指标a的评估值,FjT为第j个评价对象在统计时间T时对应的综合评估值。
基于云数据分析的分布式光伏系统效率评估装置,包括:
指标计算模块,用于建立以自然资源指标、电量、能耗、设备运行水平和经济效益为指标的综合评估指标体系,并计算上述各指标;
规范化处理模块,用于对指标计算模块得到的各指标进行规范化处理,得到无量纲的判断矩阵;
客观权重计算模块,用于采用熵值法、标准离差法和灰关联度法计算规范化处理模块得到的判断矩阵中每个指标的权重,取三种方法求得的权重值的平均值作为最终客观权重;
评估值计算模块,用于根据权重计算光伏电站运行特性的评估值。
所述自然资源指标S包括:倾斜面总辐射量,日照时数,平均风速,平均气温,相对湿度;所述电量指标E包括:理论发电量,实际发电量,并网电量,购网电量,逆变器输入电量,逆变器输出电量,峰值日照小时数,等效利用小时数,光伏方阵等价发电时,最终光伏系统等价发电时;所述能耗指标L包括:自用电量,综合损耗电量,光伏方阵吸收损耗,逆变器损耗,集电线路及箱变损耗,升压站损耗;所述设备运行水平指标H包括:最大出力,综合效率,逆变器转换效率,光伏方阵效率,性能比,离散率;所述经济效益指标Q包括:购网电量费用,并网电量费用,光伏发电补贴费用,财务内部收益率,静态投资回收期。
所述规范化处理模块采用(0-1)区间变换法对各指标进行规范化处理,得到无量纲的判断矩阵:
(0-1)区间变换法,使指标变换后对应偏好最高的指标值,有rij=1,对应偏好最低的指标值有rij=0;计算公式如下所示:
对效益型指标:
对成本型指标:
对适度型指标:
对区间型指标:
其中,上述式中xij为第j评价对象第i个指标的实际值,ximin,ximax为各指标的最小值和最大值,q为适度型指标的最适合值,[q1,q2]为区间型指标的最佳稳定区间;
规范化处理得到的判断矩阵为:
其中,所述判断矩阵R的元素rij表示第j个评价对象第i个指标的规范化指标数据,o≤rij≤1,i=1,2,...,m,j=1,2,...,n,所述m为指标的个数,n为评价对象的个数。
所述客观权重计算模块包括:熵值法计算模块、标准离差法计算模块、灰关联度法计算模块、最终综合客观权重计算模块;
所述熵值法计算模块计算客观权重,公式如下:
其中,rij为判断矩阵R的元素,Ei为第i个指标的信息熵,i=1,2,...,m,j=1,2,...,n,系数K=1/lnn;
所述标准离差法计算模块计算客观权重,公式如下:
其中,σi表示第i个指标的标准差;
所述灰关联度法计算模块计算客观权重,步骤如下:
(1)确定最优指标集F*:
设式中ri *为第i个指标的最优值,取值为1;此时可构建出矩阵C:
(2)计算灰关联度
根据灰色系统理论,关联度矩阵E表示为:
式中,ξij为第j个评价对象的第i个指标与其最优指标的关联系数;
用关联分析法分别求得关联系数ξij:
式中,ρ∈[0,1],取0.5;
(3)由灰关联度向权重的转换:
计算所有评价对象与最优指标所对应的评价对象的关联度:
所述最终综合客观权重计算模块计算最终综合客观权重,公式如下:
wi=(wsi+wσi+wFi)/3
其中,wi为第i个指标的权重,m=nS+nE+nL+nH+nQ,nS,nE,nL,nH,nQ分别为指标S,E,L,H,Q对应包括的指标数量。
所述评估值包括单项指标评估FajT和综合评估值FjT,计算公式如下:
FaT=[Fa1T,Fa2T,…,FajT]
其中,当a为S,E,L,H,Q时,X,Y为:
FajT为第j个评价对象在统计时间T时对应的指标a的评估值,FjT为第j个评价对象在统计时间T时对应的综合评估值。
本发明具有以下有益效果及优点:
1.本发明首先建立以自然资源指标、电量、能耗、设备运行水平和经济效益为指标的综合评估指标体系,计算各相关指标;然后对计算得到的各相关指标进行规范化处理,得到无量纲判断矩阵;再根据判断矩阵,分别采用熵值法、标准离差法和灰关联度法三种客观权重方法计算各指标的权重;最后利用平均值计算各指标的权重,根据权重计算光伏电站运行特性的评估值,从而实现对光伏电站运行特性的综合评估。
2.本发明为了增强评估方法的鲁棒性,在进行单项指标评估时,对相应指标权重进行权重更新,避免各电站之间指标不一致造成无法准确有效比较。
3.本发明可分别从横向纵向进行评估比较。横向比较:对同一时间段不同光伏电站进行综合评估比较,评估值小的可以借鉴评估值高的,进行检修运维,提高光伏发电效率;纵向比较:对光伏电站各指标不同时间段的对比分析,得出评估结果供电站技术人员参考,进行电站的运维检修,提高光伏发电效率。
4.本发明通过建立分布式光伏系统效率的综合评价指标体系,构建分布式光伏系统效率评估数学模型,利用云数据分析技术,为光伏电站进行单指标,多指标和综合性能评估提供了科学参考,提高了运维水平,促进光伏电站效率的提高。
附图说明
图1为本发明方法分布式光伏系统效率评估的流程图;
图2为本发明方法所建立的分布式光伏系统效率评估指标体系结构示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
如图1、2所示,本发明的基于云数据分析的分布式光伏系统效率评估方法主要由建立指标体系,获得指标数据形成评估判断矩阵,利用综合客观权重法确定指标权重,通过单指标和多指标的综合评估,从不同时间尺度和空间尺度进行光伏系统的性能分析,评估结果可用于分析光伏组件等各部件存在的安全隐患,及其对电站发电产生的实际影响,并给出提高光伏发电效率的建议。
一种基于云数据分析的分布式光伏系统效率评估方法,包括以下步骤:
步骤1:建立以自然资源指标、电量、能耗、设备运行水平和经济效益为指标的综合评估指标体系,计算上述各指标;
步骤2:采用(0-1)区间变换法对各指标进行规范化处理,实现不同量纲的属性值变成统一可比值,得到无量纲的判断矩阵;
步骤3:采用综合客观权重法计算判断矩阵中每个指标的最终客观权重;所述综合客观权重法由熵值法、标准离差法和灰关联度法确定,取三种方法求得的权重值的平均值作为最终客观权重;
步骤4:根据权重计算光伏电站运行特性的评估值,从而实现从不同时间尺度,空间尺度,对同一时间段各个光伏电站进行综合对比评估、不同时间段光伏电站自身综合对比评估以及单指标之间的对比评估。
步骤1中,自然资源指标S包括倾斜面总辐射量S1,日照时数S2,平均风速S3,平均气温S4,相对湿度S5。
(1)倾斜面总辐射量S1-指在统计周期T内照射到光伏方阵倾斜表面的单位面积上的太阳辐射能量。单位:kWh/m2(或MJ/m2)。计算公式为:
其中,Ri为实时采样的光照强度,单位为kW/m2,Δt为记录间隔,单位为h,T可为日,周,月,年。
(2)日照时数S2也称实照时数,指在统计周期T内太阳辐射强度达到或超过120W/m2的时间总和,单位为h。
(3)平均风速S3-指在统计周期T内的日平均风速,单位为m/s。
(4)平均气温S4-指在统计周期T内的日平均气温,单位为℃。
(5)相对湿度S5-指在统计周期T内的日平均相对湿度,无量纲。
电量指标E-反映光伏电站在统计周期内的出力和购网电量情况,包括:理论发电量E1,实际发电量E2,并网电量E3,购网电量E4,逆变器输入电量E5,逆变器输出电量E6,峰值日照小时数E7,等效利用小时数E8,光伏方阵等价发电时E9,最终光伏系统等价发电时E10。
(1)理论发电量E1-指在统计周期T内入射到光伏方阵中的太阳辐射,按电池组件峰瓦功率转换的发电量,单位为kWh。计算公式为:
式中:GSTC为标准辐照强度kW/m2;P0为光伏电站装机容量(峰瓦功率),单位为kWp。
(2)实际发电量E2-指在统计周期T内光伏电站各支路电表计量的有功电量之和,单位为为kWh。
(3)并网电量E3-指在统计周期T内电站向电网输送的全部电能,可从电站与电网的关口表计量处读取,单位为kWh。
(4)购网电量E4-指在统计周期T内由光伏电站关口表计量的电网向光伏电站输送的电能,单位为kWh。
(5)逆变器输入电量E5-指在统计周期T内,光伏方阵中向逆变器输入的直流电量,即逆变器直流侧电量,单位为kWh。
(6)逆变器输出电量E6-指在统计周期T内,发电单元出口处计量的交流输出电量,即逆变器交流侧电量,单位为kWh。
(7)峰值日照小时数E7-指在统计周期T内,光伏方阵倾斜面总辐射量S1折算成标准辐射强度(1kW/m2)下的小时数,单位为h。计算公式为:
E8=S1/GSTC
(8)等效利用小时数E8-指在统计周期T内,电站发电量E2折算到该站全部装机满负荷运行条件下的发电小时数,也称作等效满负荷发电小时数,单位为h。计算公式为:
E8=E2/P0
(9)光伏方阵等价发电时E9-指在统计周期T内,逆变器输入电量E5(直流电量)折算到该站全部装机满负荷运行条件下的发电小时数,单位为h。计算公式为:
E9=E5/P0
(10)最终光伏系统等价发电时E10-指在统计周期T内,逆变器输出电量E7折算到该站全部装机满负荷运行条件下的发电小时数,单位为h。计算公式为:
E10=E6/P0
能耗指标L-反映光伏电站电量消耗和损耗,包括:自用电量L1,综合损耗电量L2,光伏方阵吸收损耗L3,逆变器损耗L4,集电线路及箱变损耗L5,升压站损耗L6。
(1)自用电量L1-指在统计周期T内,站用变压器计量的正常生产和生活用电量,单位为kWh。
(2)综合损耗电量L2-是指在统计周期T内,电站运行过程中所消耗的全部电量,包括发电单元、箱变、集电线路、升压站内电气设备和送出线路等设备的损耗电量。单位为kWh。
(3)光伏方阵吸收损耗L3-指在统计周期T内,光伏方阵按额定功率转换的直流输出电量(理论发电量E1)与逆变器输入电量E6的差值,光伏方阵吸收损耗包括组件匹配损耗、表面尘埃遮挡损耗、光谱失配损耗、角度损耗、MPPT跟踪损耗、温度影响以及直流线路损耗等,单位为kWh。计算公式为:
L3=E1-E5
(4)逆变器损耗L4-指是指在统计周期T内,逆变器将光伏方阵输出的直流电量转换为交流电量(逆变器输出电量)时所引起的损耗,单位为kWh。计算公式为:
L4=E6-E5
(5)集电线路及箱变损耗L5-指在统计周期T内,从逆变器交流输出端E6到支路电表E11之间的电量损耗。集电线路及箱变损耗包括逆变器出线损耗,箱变变换损耗和厂内线路损耗等,单位为kWh。计算公式为:
L5=E6-E11
(6)升压站损耗L6-指在统计周期T内,从支路电表E11到关口表E12之间的电量损耗。升压站损耗包括主变损耗、站用变损耗、母线损耗及其他站内线路损耗,单位为kWh。计算公式为:
L6=E11-E12
设备运行水平指标H-用于反映电站设备的运行效率及可靠性。包括:最大出力H1,综合效率H2,逆变器转换效率H3,光伏方阵效率H4,性能比H5,离散率H6。
(1)最大出力H1-指在统计周期T内,电站并网高压侧有功功率的最大值,单位为kW。
(2)综合效率H2-指在统计周期T内,光伏电站并网电量与理论发电量的比值,无量纲。光伏电站综合效率受很多因素的影响,包括:当地温度、污染情况、光伏组件安装倾角、方位角、光伏发电系统年利用率、光伏方阵转换效率、周围障碍物遮光、逆变器损耗、集电线路及箱变损耗等。计算公式为:
H2=E3/E1
(3)逆变器转换效率H3-指在统计周期T内,逆变器将直流电量转换为交流电量的效率,无量纲。计算公式为:
H3=E5/E6
(4)光伏方阵效率H4-指光伏方阵的能量转换效率,即光伏方阵输出到逆变器的能量(逆变器输入电量)与入射到光伏方阵上的能量(按光伏方阵有效面积计算的倾斜面总辐射量)之比,无量纲。光伏方阵效率表示光伏方阵转换能量的能力,数值越高,表示光伏方阵转换能量的能力越强。计算公式为:
H4=E5/(S×S1)
其中,S为光伏方阵有效面积,单位为m2。
(5)性能比H5-指在统计周期T内,逆变器输出电量(逆变器交流侧电量)与理论发电量之间的比值,无量纲。计算公式为:
H5=E6/E1
性能比表示光伏系统由于方阵温度、辐照的不完全利用、系统部件(包括汇流箱、直流柜、逆变器和直流线路)失效或故障引起光伏方阵额定输出损失而引起的综合影响。
(6)离散率H6-指标用于衡量光伏电站设备运维水平的优劣,包括:逆变器输出功率离散率,汇流箱组串电流离散率。
逆变器输出功率离散率定义(最佳运维控制在5%以内):
某时刻(i时刻)逆变器输出功率离散率计算公式如下:
其中:i时刻光伏电站逆变器交流功率的离散率(DispersionRate),此处是指统计学中的变异系数,无量纲;
μ:i时刻逆变器交流功率的平均值,
σ:i时刻逆变器交流功率的标准差,
Xj:i时刻光伏电站中第j台逆变器的交流功率;
N:光伏电站中逆变器的总数量;
i:光伏电站逆变器交流功率的采集时刻点,根据经验一般选取10:00-16:30太阳能辐射较好的时间段进行分析。
汇流箱组串电流离散率定义(最佳运维控制在5%以内):
某时刻(i时刻)汇流箱组串电流离散率计算公式如下:
其中:i时刻某台逆变器(以下统称该逆变器)下所带汇流箱组串电流的离散率(DispersionRate),此处是指统计学中的变异系数,无量纲;
μ:i时刻该逆变器下所带汇流箱组串电流的平均值,
σ:i时刻该逆变器下所带汇流箱组串电流的标准差,
Xj:i时刻该逆变器下所带汇流箱第j组串的电流;
N:该逆变器下所带汇流箱电池组串的总数量;
i:该逆变器所带汇流箱组串电流的采集时刻点,根据经验一般选取10:00-16:30太阳能辐射较好的时间段进行分析。
根据生产运维经验,输出功率离散率取值范围分为四个等级:
1)当H6≤5%,为运行稳定;
2)当5%≤H6≤10%,为运行良好;
3)当10%≤H6≤20%,为运行待提高;
4)当H6≥20%,为必须改进。
经济效益指标Q-包括购网电量费用Q1,并网电量费用Q2,光伏发电补贴费用Q3,财务内部收益率Q4,静态投资回收期Q5。
(1)购网电量费用Q1-指在统计周期T内,购网电量E4所对应的电费,单位为元。
(2)并网电量费用Q2-指在统计周期T内,并网电量E3所对应的电费,单位为元。
(3)光伏发电补贴费用Q3-指在统计周期T内,根据并网电量E3对电站的补贴费用,单位为元。
(4)财务内部收益率Q4-指项目建设期以及运营服务期内,使个单位年度净现金流量值之和等于0时的折现率,也称为预期收益率,是进行盈利能力分析时采用的主要方法一,被普遍认为是项目投资的盈利率,反映了投资的使用效率,无量纲。计算公式为:
其中,FNPV是财务净现值,计算公式为:
CI表示现金流入量,CO表示现金流出量,(CI-CO)t表示第t年的净现金流量,i0表示基准内部收益率。
财务内部收益率Q4可通过插值法计算得到。
(5)静态投资回收期Q5-指项目投资现金流量表中累计净现金流量由负值变为零时的时点,单位为年。静态投资回收期的计算公式为:
其中,year1为累计净现金流量首次出现正值或者零的年份,FNPVi为第i年财务净现值。
步骤2中,需要对判断矩阵进行规范化处理,考虑到有的指标希望越大越好,如光伏方阵效率,称作效益型指标;而有的指标希望越小越好,如离散率,称作成本型指标;另外还有一些区间型指标,希望指标在某一区间范围内为最优,如性能比不是越高越好。
本发明采用(0-1)区间变换法实现指标数据规范化处理。
(0-1)区间变换法,使指标变换后对应偏好最高的指标值,也即效益最大指标和成本最低指标值,有rij=1,对应偏好最低的指标值有rij=0。计算公式如下所示:
对效益型指标:
对成本型指标:
对适度型指标:
对区间型指标:
上述式中xij为第j电站第i个指标的实际值,ximin,ximax为各指标在各自论语上确定的最小值和最大值,q为适度型指标的最适合值,[q1,q2]为区间型指标的最佳稳定区间。
规范化处理得到的指标矩阵为:
步骤3中综合客观权重计算方法如下:
熵值法确定客观权重公式如下:
其中,rij为判断矩阵的元素,Ei为第i个指标的信息熵,i=1,2,...,m为指标数,j=1,2,...,n为评价对象数,系数K=1/lnn。
标准离差法确定客观权重公式如下:
其中,σi表示第i个指标的标准差,i=1,2,...,m为指标数。
灰关联度法确定客观权重步骤如下所示:
(1)确定最优指标集(F*):
判断矩阵R的元素rij表示第j个评价对象第i个指标的规范化指标数据,o≤rij≤1,i=1,2,...,m,j=1,2,...,n。
设式中ri*为第i个指标的最优值,一般为1。此时可构建出矩阵C:
(2)计算灰关联度
根据灰色系统理论,关联度矩阵E表示为:
式中,ξij为第j个评价对象第i个指标与第i个指标的最优指标的关联系数。用关联分析法分别求得关联系数ξij:
式中,ρ∈[0,1],一般取0.5。
(3)由灰关联度向权重的转换:
计算所有评价对象与最优指标所对应的评价对象的关联度:
综合客观权重确定:
wi=(wsi+wσi+wFi)/3
其中,wi为第i个指标的权重,i=1,2,...,m,m=nS+nE+nL+nH+nQ,nS,nE,nL,nH,nQ分别为二级指标S,E,L,H,Q对应的三级指标数量。
步骤4中单项指标评估FajT和综合评估值FjT:
FaT=[Fa1T,Fa2T,…,FajT]
其中,当a为S,E,L,H,Q时,X,Y为:
FajT为第j个光伏电站在统计时间T时对应的二级指标a的评估值,FjT为第j个光伏电站在统计时间T时对应的综合评估值。
可以理解的是,以上关于本发明的具体描述,仅用于说明本发明而并非受限于本发明实施例所描述的技术方案,本领域的普通技术人员应当理解,仍然可以对本发明进行修改或等同替换,以达到相同的技术效果;只要满足使用需要,都在本发明的保护范围之内。
Claims (10)
1.基于云数据分析的分布式光伏系统效率评估方法,其特征在于,包括以下步骤:
步骤1:建立以自然资源指标、电量、能耗、设备运行水平和经济效益为指标的综合评估指标体系,计算上述各指标;
步骤2:对各指标进行规范化处理,得到无量纲的判断矩阵;
步骤3:采用熵值法、标准离差法和灰关联度法计算判断矩阵中每个指标的权重,取三种方法求得的权重值的平均值作为最终客观权重;
步骤4:根据权重计算光伏电站运行特性的评估值。
2.按照权利要求1所述基于云数据分析的分布式光伏系统效率评估方法,其特征在于,所述自然资源指标S包括:倾斜面总辐射量,日照时数,平均风速,平均气温,相对湿度;所述电量指标E包括:理论发电量,实际发电量,并网电量,购网电量,逆变器输入电量,逆变器输出电量,峰值日照小时数,等效利用小时数,光伏方阵等价发电时,最终光伏系统等价发电时;所述能耗指标L包括:自用电量,综合损耗电量,光伏方阵吸收损耗,逆变器损耗,集电线路及箱变损耗,升压站损耗;所述设备运行水平指标H包括:最大出力,综合效率,逆变器转换效率,光伏方阵效率,性能比,离散率;所述经济效益指标Q包括:购网电量费用,并网电量费用,光伏发电补贴费用,财务内部收益率,静态投资回收期。
3.按照权利要求2所述基于云数据分析的分布式光伏系统效率评估方法,其特征在于,所述步骤2是采用(0-1)区间变换法对各指标进行规范化处理,得到无量纲的判断矩阵;
(0-1)区间变换法使指标变换后对应偏好最高的指标值有rij=1,对应偏好最低的指标值有rij=0;计算公式如下所示:
对效益型指标:
对成本型指标:
对适度型指标:
对区间型指标:
其中,上述式中xij为第j电站第i个指标的实际值,ximin、ximax为各指标的最小值和最大值,q为适度型指标的最适合值,[q1,q2]为区间型指标的最佳稳定区间;
规范化处理得到的判断矩阵为:
其中,所述判断矩阵R的元素rij表示第j个评价对象第i个指标的规范化指标数据,o≤rij≤1,i=1,2,...,m,j=1,2,...,n,所述m为指标的个数,n为评价对象的个数。
4.按照权利要求3所述基于云数据分析的分布式光伏系统效率评估方法,其特征在于,所述熵值法确定客观权重公式如下:
其中,rij为判断矩阵R的元素,Ei为第i个指标的信息熵,系数K=1/ln n;
所述标准离差法确定客观权重公式如下:
其中,σi表示第i个指标的标准差;
所述灰关联度法确定客观权重步骤如下:
(1)确定最优指标集F*:
设式中ri *为第i个指标的最优值,取值为1;此时可构建出矩阵C:
(2)计算灰关联度
根据灰色系统理论,关联度矩阵E表示为:
式中,ξij为第j个评价对象的第i个指标与其最优指标的关联系数;
用关联分析法分别求得关联系数ξij:
式中,ρ∈[0,1],取0.5;
(3)由灰关联度向权重的转换:
计算所有评价对象与最优指标所对应的评价对象的关联度:
所述最终综合客观权重公式如下:
wi=(wsi+wσi+wFi)/3
其中,wi为第i个指标的权重,m=nS+nE+nL+nH+nQ,nS,nE,nL,nH,nQ分别为指标S,E,L,H,Q对应包括的指标数量。
5.按照权利要求4所述基于云数据分析的分布式光伏系统效率评估方法,其特征在于,所述评估值包括单项指标评估FajT和综合评估值FjT,计算方法如下:
FaT=[Fa1T,Fa2T,…,FajT]
其中,当a为S,E,L,H,Q时,X,Y为:
FajT为第j个评价对象在统计时间T时对应的指标a的评估值,FjT为第j个评价对象在统计时间T时对应的综合评估值。
6.基于云数据分析的分布式光伏系统效率评估装置,其特征在于,包括:
指标计算模块,用于建立以自然资源指标、电量、能耗、设备运行水平和经济效益为指标的综合评估指标体系,并计算上述各指标;
规范化处理模块,用于对指标计算模块得到的各指标进行规范化处理,得到无量纲的判断矩阵;
客观权重计算模块,用于采用熵值法、标准离差法和灰关联度法计算规范化处理模块得到的判断矩阵中每个指标的权重,取三种方法求得的权重值的平均值作为最终客观权重;
评估值计算模块,用于根据权重计算光伏电站运行特性的评估值。
7.按照权利要求6所述基于云数据分析的分布式光伏系统效率评估装置,其特征在于,所述自然资源指标S包括:倾斜面总辐射量,日照时数,平均风速,平均气温,相对湿度;所述电量指标E包括:理论发电量,实际发电量,并网电量,购网电量,逆变器输入电量,逆变器输出电量,峰值日照小时数,等效利用小时数,光伏方阵等价发电时,最终光伏系统等价发电时;所述能耗指标L包括:自用电量,综合损耗电量,光伏方阵吸收损耗,逆变器损耗,集电线路及箱变损耗,升压站损耗;所述设备运行水平指标H包括:最大出力,综合效率,逆变器转换效率,光伏方阵效率,性能比,离散率;所述经济效益指标Q包括:购网电量费用,并网电量费用,光伏发电补贴费用,财务内部收益率,静态投资回收期。
8.按照权利要求7所述基于云数据分析的分布式光伏系统效率评估装置,其特征在于,所述规范化处理模块采用(0-1)区间变换法对各指标进行规范化处理,得到无量纲的判断矩阵:
(0-1)区间变换法,使指标变换后对应偏好最高的指标值,有rij=1,对应偏好最低的指标值有rij=0;计算公式如下所示:
对效益型指标:
对成本型指标:
对适度型指标:
对区间型指标:
其中,上述式中xij为第j电站第i个指标的实际值,ximin,ximax为各指标的最小值和最大值,q为适度型指标的最适合值,[q1,q2]为区间型指标的最佳稳定区间;
规范化处理得到的判断矩阵为:
其中,所述判断矩阵R的元素rij表示第j个评价对象第i个指标的规范化指标数据,o≤rij≤1,i=1,2,...,m,j=1,2,...,n,所述m为指标的个数,n为评价对象的个数。
9.按照权利要求8所述基于云数据分析的分布式光伏系统效率评估装置,其特征在于,所述客观权重计算模块包括:熵值法计算模块、标准离差法计算模块、灰关联度法计算模块、最终综合客观权重计算模块;
所述熵值法计算模块计算客观权重,公式如下:
其中,rij为判断矩阵R的元素,Ei为第i个指标的信息熵,i=1,2,...,m,j=1,2,...,n,系数K=1/ln n;
所述标准离差法计算模块计算客观权重,公式如下:
其中,σi表示第i个指标的标准差;
所述灰关联度法计算模块计算客观权重,步骤如下:
(1)确定最优指标集F*:
设式中ri *为第i个指标的最优值,取值为1;此时可构建出矩阵C:
(2)计算灰关联度
根据灰色系统理论,关联度矩阵E表示为:
式中,ξij为第j个评价对象的第i个指标与其最优指标的关联系数;
用关联分析法分别求得关联系数ξij:
式中,ρ∈[0,1],取0.5;
(3)由灰关联度向权重的转换:
计算所有评价对象与最优指标所对应的评价对象的关联度:
所述最终综合客观权重计算模块计算最终综合客观权重,公式如下:
wi=(wsi+wσi+wFi)/3
其中,wi为第i个指标的权重,m=nS+nE+nL+nH+nQ,nS,nE,nL,nH,nQ分别为指标S,E,L,H,Q对应包括的指标数量。
10.按照权利要求9所述基于云数据分析的分布式光伏系统效率评估装置,其特征在于,所述评估值包括单项指标评估FajT和综合评估值FjT,计算公式如下:
FaT=[Fa1T,Fa2T,…,FajT]
其中,当a为S,E,L,H,Q时,X,Y为:
FajT为第j个评价对象在统计时间T时对应的指标a的评估值,FjT为第j个评估对象在统计时间T时对应的综合评估值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710346421.3A CN108960541A (zh) | 2017-05-17 | 2017-05-17 | 基于云数据分析的分布式光伏系统效率评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710346421.3A CN108960541A (zh) | 2017-05-17 | 2017-05-17 | 基于云数据分析的分布式光伏系统效率评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108960541A true CN108960541A (zh) | 2018-12-07 |
Family
ID=64462494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710346421.3A Pending CN108960541A (zh) | 2017-05-17 | 2017-05-17 | 基于云数据分析的分布式光伏系统效率评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108960541A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109657966A (zh) * | 2018-12-13 | 2019-04-19 | 国网河北省电力有限公司电力科学研究院 | 基于模糊测度评价的输电线路风险复合评估方法 |
CN109784573A (zh) * | 2019-01-24 | 2019-05-21 | 南方电网科学研究院有限责任公司 | 一种能源互联网多目标优化方法及装置 |
CN110807581A (zh) * | 2019-10-26 | 2020-02-18 | 国网青海省电力公司经济技术研究院 | 一种光伏电站对标评估方法 |
CN111414582A (zh) * | 2020-03-12 | 2020-07-14 | 广西电网有限责任公司 | 一种光伏理论功率计算方法、装置、设备和存储介质 |
CN111652429A (zh) * | 2020-05-29 | 2020-09-11 | 北方工业大学 | 一种储能容量配置方法及系统 |
CN112465404A (zh) * | 2020-12-22 | 2021-03-09 | 国网山东省电力公司电力科学研究院 | 用于多时间窗口的光伏发电系统运行状态评估方法及系统 |
CN112653185A (zh) * | 2020-12-22 | 2021-04-13 | 广东电网有限责任公司电力科学研究院 | 一种交直流混合系统的多目标优化配置方法和系统 |
CN112782495A (zh) * | 2019-11-06 | 2021-05-11 | 成都鼎桥通信技术有限公司 | 一种光伏电站的组串异常识别方法 |
-
2017
- 2017-05-17 CN CN201710346421.3A patent/CN108960541A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109657966A (zh) * | 2018-12-13 | 2019-04-19 | 国网河北省电力有限公司电力科学研究院 | 基于模糊测度评价的输电线路风险复合评估方法 |
CN109784573A (zh) * | 2019-01-24 | 2019-05-21 | 南方电网科学研究院有限责任公司 | 一种能源互联网多目标优化方法及装置 |
CN109784573B (zh) * | 2019-01-24 | 2023-06-20 | 南方电网科学研究院有限责任公司 | 一种能源互联网多目标优化方法及装置 |
CN110807581A (zh) * | 2019-10-26 | 2020-02-18 | 国网青海省电力公司经济技术研究院 | 一种光伏电站对标评估方法 |
CN112782495A (zh) * | 2019-11-06 | 2021-05-11 | 成都鼎桥通信技术有限公司 | 一种光伏电站的组串异常识别方法 |
CN111414582A (zh) * | 2020-03-12 | 2020-07-14 | 广西电网有限责任公司 | 一种光伏理论功率计算方法、装置、设备和存储介质 |
CN111652429A (zh) * | 2020-05-29 | 2020-09-11 | 北方工业大学 | 一种储能容量配置方法及系统 |
CN112465404A (zh) * | 2020-12-22 | 2021-03-09 | 国网山东省电力公司电力科学研究院 | 用于多时间窗口的光伏发电系统运行状态评估方法及系统 |
CN112653185A (zh) * | 2020-12-22 | 2021-04-13 | 广东电网有限责任公司电力科学研究院 | 一种交直流混合系统的多目标优化配置方法和系统 |
CN112653185B (zh) * | 2020-12-22 | 2023-01-24 | 广东电网有限责任公司电力科学研究院 | 一种分布式可再生能源发电系统的效率评估方法和系统 |
CN112465404B (zh) * | 2020-12-22 | 2023-04-07 | 国网山东省电力公司电力科学研究院 | 用于多时间窗口的光伏发电系统运行状态评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960541A (zh) | 基于云数据分析的分布式光伏系统效率评估方法及装置 | |
Anser et al. | Assessing the integration of solar power projects: SWOT-based AHP–F-TOPSIS case study of Turkey | |
Bekele et al. | Design of a photovoltaic-wind hybrid power generation system for Ethiopian remote area | |
CN103778340B (zh) | 大规模新能源发电特性的统计方法 | |
Ebrahimi et al. | Optimal planning of on-grid hybrid microgrid for remote island using HOMER software, Kish in Iran | |
Gürzenich et al. | Cumulative energy demand for selected renewable energy technologies | |
Rafique et al. | Assessment of solar energy potential and its deployment for cleaner production in Pakistan | |
CN104868505B (zh) | 大型太阳能光伏发电基地集群出力特性分析方法 | |
CN105305488B (zh) | 一种考虑新能源并网对输电网利用率影响的评价方法 | |
Abbood et al. | Modeling and simulation of 1mw grid connected photovoltaic system in Karbala city | |
CN104362621A (zh) | 一种基于反熵权法的光伏电站运行特性评估方法 | |
Okinda et al. | Modelling Simulation and Optimal Sizing of a Hybrid Wind, Solar PV Power System in Northern Kenya | |
Song et al. | A fuzzy‐based multi‐objective robust optimization model for a regional hybrid energy system considering uncertainty | |
Salmi et al. | Desing and simulation of an autonomous 12.6 kW solar plant in the Algeria’s M’sila region using PVsyst software | |
Saranchimeg et al. | A novel framework for integration analysis of large-scale photovoltaic plants into weak grids | |
Satria et al. | Sensitivity of solar panel energy conversion at sunrise and sunset on three weather fluctuations in equatorial climate. | |
Chicco et al. | Weather forecast-based power predictions and experimental results from photovoltaic systems | |
Yenen et al. | Wind and solar energy assessment of Northern Cyprus | |
Khamharnphol et al. | Techno-Economic Assessment of a 100 kWp Solar Rooftop PV System for Five Hospitals in Central Southern Thailand. | |
Adun et al. | 3-E feasibility analysis on photovoltaic/thermal application for residential buildings: a case study of Sub-Saharan Africa | |
Rasool et al. | Analysis and optimizes of hybrid wind and solar photovoltaic generation system for off-grid small village | |
Nwulu et al. | Power Systems and Renewable Energy Systems | |
Gbalimene et al. | Grid integration of renewable technology: A techno-economic assessment | |
Shi et al. | Estimation of Invisible Distributed PV Power Generation From Bus Load | |
Ge et al. | Modelling of domestic load demand in the presence of microgrid with wind and photovoltaic resources |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181207 |
|
RJ01 | Rejection of invention patent application after publication |