CN109583760A - 一种基于用户用电特征分析光伏发电项目收益的评估方法 - Google Patents
一种基于用户用电特征分析光伏发电项目收益的评估方法 Download PDFInfo
- Publication number
- CN109583760A CN109583760A CN201811457924.9A CN201811457924A CN109583760A CN 109583760 A CN109583760 A CN 109583760A CN 201811457924 A CN201811457924 A CN 201811457924A CN 109583760 A CN109583760 A CN 109583760A
- Authority
- CN
- China
- Prior art keywords
- power generation
- photovoltaic
- electricity
- user
- photovoltaic power
- 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.)
- Granted
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004458 analytical method Methods 0.000 title claims abstract description 8
- 230000005611 electricity Effects 0.000 claims abstract description 90
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000010348 incorporation Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000036642 wellbeing Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 241000127225 Enceliopsis nudicaulis Species 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Water Supply & Treatment (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于用户用电特征分析光伏发电项目收益的评估方法,包括:选定测算区域,计算该区域的日照时间、天气情况、温度,评定光伏发电量;采集区域内用户实时用电数据,对不同用电特征的用户进行聚类分析,将所有不同用电特征的用户划分到具有不同的峰平谷时间段的类别里;所述峰平谷时间段是指峰时间段、平时间段、谷时间段;分析各类用户峰平谷时间段的光伏发电量与用电量,计算出各类用户每年的光伏发电自用比例;根据各类用户每年的光伏发电自用比例,计算光伏发电状态时节约的电费、上网电量收入、总发电量补贴,得出光伏发电总收益,为客户投资光伏电站提供了依据。
Description
技术领域
本发明涉及光伏发电领域,特别涉及一种基于用户用电特征分析光伏发电项目收益的评估方法。
背景技术
随着国家对新能源的大力支持,光伏行业得到了快速发展,越来越多的人们倾向于投资自己的光伏电站。为了最快收回投资成本,光伏用户往往采用将太阳能转化为电能自发自用,余量可就近向低压公网的供电方式,即“自发自用、余电上网”的投资模式。但实际上对于具有不同用电特征的光伏用户,其光伏收益的评估方法往往是不同的。目前现有的技术当中,缺少对具有不同用户用电特征评估光伏发电项目的收益方法。
发明内容
本发明就是为了解决根据不同用户用电特征评估光伏发电项目如何计算收益的问题,提出一种基于用户用电特征分析光伏发电项目收益的评估方法,根据测试区域内的日照、天气、温度,分别计算不同用户用电特征的光伏发电收益。
为实现上述发明目的,本发明采取以下技术方案:
一种基于用户用电特征分析光伏发电项目收益的评估方法,包括以下步骤:S1、选定测算区域,计算该区域的日照时间、天气情况、温度,评定光伏发电量;S2、采集区域内用户实时用电数据,对不同用电特征的用户进行聚类分析,将所有不同用电特征的用户划分到具有不同的峰平谷时间段的类别里;所述峰平谷时间段是指峰时间段、平时间段、谷时间段;S3、分析各类用户峰平谷时间段的光伏发电量与用电量,计算出各类用户每年的光伏发电自用比例;S4、根据各类用户每年的光伏发电自用比例,计算光伏发电状态时节约的电费、上网电量收入、总发电量补贴,得出光伏发电总收益。
优选地,步骤S1中,日照时间与光伏发电量计算公式如下:
一天中可能的日照时间:
其中,φ表示地理纬度;δ表示太阳赤纬角;
只考虑日照时,光伏发电量和日照时间的关系为:
Gtm1=某月总天数 * N * Y * R * (1-d)t * Q
其中,Gtm1为第t年第m月的总发电量;N为一天的日照时间;Y为单片光伏组件的功率;R为系统转换效率;d为系统年衰减率,为已知参数;Q为某光伏系统的总光伏片数。
优选地,采用两步聚类算法计算天气类型指数u。
优选地,两步聚类算法包括以下步骤:
S11、预聚类阶段,采用BITCH算法中CF树生长的思想,逐个读取收集的最近一年天气数据的集中数据点,在生成CF树的同时,预先聚类天气类型密集区域的数据点,形成诸多的小的日类型子簇;
S12、聚类阶段:以各类所述日类型子簇为对象,根据欧式距离表达式对天气类型进一步归类:
式中:为不同天气类型各个时刻发电功率的平均值;为需要判断天气类型的某天各个时刻的发电功率;为不同天气类型下的欧式距离大小。
根据L的大小,匹配与其最相似的聚类,逐个合并分散的日类型子簇直到期望的簇数量,得出各天气类型数据之间的倍率关系并将其映射为天气类型指数u。
优选地,光伏发电量与温度的关系如下:
光伏组件的发电量W为:
W=(1-(当天温度-22°C)*峰值功率损失率)*单片组件功率
其中, 峰值功率损失率、单片组件功率为已知。
优选地,步骤S2中,将所有不同用电特征的用户划分到具有不同的峰平谷时间段的类别里,包括以下步骤:计算数据分群指标、数据归一化、样本数据标准化、聚类中心点初始化、迭代计算最优聚类中心点。
优选地,S21、计算数据分群指标:基于电量及负荷指标计算出一定时间段内反映负荷变动情况的指标特征;
负荷率d1=平均负荷/最大负荷;
峰总比d2=峰电量/总电量;
平总比d3=平电量/总电量;
谷总比d4=谷电量/总电量;
S22、数据归一化:对采集的发电量采用最小最大值法的数据归一化进行处理得到,使得归一化后的曲线幅值在【0,1】之间;
S23、样本数据标准化:将所述指标特征转成向量数据,
P=(,,,);
S24、聚类中心点初始化:采用K-means聚类算法,随机选择k个对象,每个对象初始地代表了一个簇的平均值或中心,对剩余的每个对象,根据其与各簇中心的距离,将它赋给最近的簇。然后重新计算每个簇的平均值。这个过程不断重复,直到准则函数收敛。通常采用平方误差准则,其定义如下:
式中,E为数据库中所有对象的平方误差的总和;p为空间中的点,为的平均值。
S25、迭代计算最优聚类中心点:对峰平谷电量用户聚类,得到K个客户类,Ck表示每个聚类中所包含的单位集合,每个聚类的代表曲线CTk为聚类中心,其中k=1,2,…,K。不断计算新的聚类中心点,直至所有样本数据均与中心点之间的距离MIA最小;
通过K-means方法进行负荷曲线聚类,将所有不同用电特征的用户划分到具有不同的峰平谷时间段的类别里。
优选地,步骤S3中,包括以下步骤:
S31、统计光伏发电在各类用户用电峰平谷时间段内的发电时长,设负荷用光伏所发电量在峰段的时长为a,负荷用光伏所发电量在平段的时长为b,负荷用光伏所发电量在谷段的时长为c;
S32、计算某月光伏发电总量:
Gtm=某月总天数 * N * Y * u * WP * R * (1-d)t* Q
其中:Gtm为第t年第m月的总发电量,N为一天的日照时间Y为单片光伏组件的功率,R为系统转换效率,d为系统年衰减率,Q为某光伏系统的总光伏片数,u为天气类型指数,WP为考虑温度后的单片组件的发电量;
S33、根据每月光伏发电总量,计算每个月光伏项目在峰平谷段的发电量:
某月峰段光伏发电量:Wfg=
某月平段光伏发电量:Wpg=
某月谷段光伏发电量:Wgg=
S34、根据对用户每月的用电量统计,计算每个月光伏发电时间段内各类用户的用电量:
某月峰段用户用电量:Wfy=
某月平段用户用电量:Wpy=
某月谷段用户用电量:Wpg=
S35、计算每个月光伏发电峰平段内发电企业的用电量与光伏项目在峰平段的发电量的比值:
某月峰段的自用比例:W1= Wfy/Wfg * 100%
某月平段的自用比例:W2= Wpy/Wpg * 100%
某月谷段的自用比例:W3= Wgy/Wgg * 100%
S36、对每个月峰平谷段的自用比例加权平均,计算出每个月份的光伏发电自用比例:
m= W1 * + W2 * + W3 *
S37、分别计算出每个月的光伏发电自用比例,对计算出的12个月的自用比例取平均值,即为预估光伏发电自用比例M。
优选地,步骤S4中,包括如下步骤:
S41、前t年的总发电量为:
G==
S42、若用户的电价为E1,自用光伏发电后节约的电费可表示为:
=M * * G
S43、若上网电价为,则上网电量收费可表示为:
=(1-M)* * G
S44、若光伏发电补贴电价为,=++;
其中:表示国家度电补贴,表示第t年省级度电补贴,表示第t年市级度电补贴;
S45、总发电量补贴可表示为:
= * G;
S46、总的经济收益包括节约的电费支出、上网电量收费及总发电量补贴之和:
I=[M * +(1-M)* +] * G
与现有技术相比,本发明的有益效果为:
本发明通过考虑区域内季节、天气和温度,综合评估其对光伏发电量的影响,从而为准确计算光伏收益奠定了基础;利用聚类算法对测算区域内具有不同用电特征的用户进行聚类分析,对用户进行分类,差异化得出各类用户的峰平谷时间段;考虑各类用户峰平谷时间段内的用电量和光伏发电量,得出不同用户的自发自用的比例;同时考虑光伏电量上网收益和国家光伏补贴收益,得出不同用户的光伏收益评估方法,为客户投资光伏电站提供了依据。
附图说明
图1是本发明实施例的流程图。
具体实施方式
本发明一种基于用户用电特征分析光伏发电项目收益的评估方法,包括以下步骤:
S1、选定测算区域,计算该区域的日照时间、天气情况、温度,评定光伏发电量;
S2、采集区域内用户实时用电数据,对不同用电特征的用户进行聚类分析,将所有不同用电特征的用户划分到具有不同的峰平谷时间段的类别里;所述峰平谷时间段是指峰时间段、平时间段、谷时间段;
S3、分析各类用户峰平谷时间段的光伏发电量与用电量,计算出各类用户每年的光伏发电自用比例;
S4、根据各类用户每年的光伏发电自用比例,计算光伏发电状态时节约的电费、上网电量收入、总发电量补贴,得出光伏发电总收益。
本发明的一个具体实施例中,对于选定测算区域,根据该地区的经纬度等信息,计算该区域的一天的日照时间;
其计算方法如下:
计算赤纬角δ:
式中:n为一整年中的第几天,δ表示太阳光线与地球赤道的交角就是太阳的赤纬角。
如春分时n=81,δ=0。
计算时角ω:
太阳在地平线的出没瞬间,其太阳高度角h=0。若不考虑地表及大气折射的影响,根据太阳方位角的计算可以得出日出日没时角表达式ω。
计算太阳高度角:
计算太阳方位角:
综上,计算出一天中可能的日照时间N:
其中,φ表示地理纬度。
在只考虑日照时间的条件下,得出光伏发电量和日照时间的关系:
Gtm1=某月总天数 * N * Y * R * (1-d)t * Q
其中,Gtm1为第t年第m月的总发电量;N为一天的日照时间;Y为单片光伏组件的功率;R为系统转换效率;d为系统年衰减率,为已知参数;Q为某光伏系统的总光伏片数。
本发明的一个具体实施例中,分析天气情况的方法如下:
采用两步聚类算法,计算各天气类型数据之间的倍率关系并将其映射为天气类型指数u,包括两步:
第一步,预聚类阶段:采用BITCH算法中CF树生长的思想,逐个读取收集的最近一年天气数据的集中数据点,在生成CF树的同时,预先聚类天气类型密集区域的数据点,形成诸多的小的日类型子簇;
第二步,聚类阶段:以预聚类阶段的结果—各类日类型子簇为对象,根据欧式距离表达式对天气类型进一步归类,欧式距离是一种距离定义,表示在m维空间中两个点之间的真实距离。通过对欧式距离应用的拓展来判断不同样本之间的相似度差异,对天气类型进行归类。
式中:为不同天气类型各个时刻发电功率的平均值,为需要判断天气类型的某天各个时刻的发电功率。为不同天气类型下的欧式距离大小。
根据L的大小,匹配与其最相似的聚类,逐个合并分散的日类型子簇直到期望的簇数量,得出各天气类型数据之间的倍率关系并将其映射为天气类型指数u。
本发明的一个具体实施例中,分析光伏系统发电量与温度的关系;
以22°C作为光伏组件的最佳发电温度,光伏组件的发电量W为:
W=(1-(当天温度-22°C)*峰值功率损失率)*单片组件功率
其中峰值功率损失率、单片组件功率直接使用光伏组件出厂说明书上的相关参数。
综合评定光伏的发电量,为光伏效益评估做准备。
本发明的一个具体实施例中,将所有不同用电特征的用户划分到具有不同的峰平谷时间段的类别里;所述峰平谷时间段是指峰时间段、平时间段、谷时间段;包括如下步骤:
S21、计算数据分群指标:基于电量及负荷指标计算出一定时间段内反映负荷变动情况的指标特征;
负荷率d1=平均负荷/最大负荷;
峰总比d2=峰电量/总电量;
平总比d3=平电量/总电量;
谷总比d4=谷电量/总电量;
S22、数据归一化:对采集的发电量采用最小最大值法的数据归一化进行处理得到,使得归一化后的曲线幅值在【0,1】之间;
S23、样本数据标准化:将所述指标特征转成向量数据,
P=(,,,);
S24、聚类中心点初始化:采用K-means聚类算法,随机选择k个对象,每个对象初始地代表了一个簇的平均值或中心,对剩余的每个对象,根据其与各簇中心的距离,将它赋给最近的簇。然后重新计算每个簇的平均值。这个过程不断重复,直到准则函数收敛。通常采用平方误差准则,其定义如下:
式中,E为数据库中所有对象的平方误差的总和;p为空间中的点,为的平均值。
S25、迭代计算最优聚类中心点:对峰平谷电量用户聚类,得到K个客户类,Ck表示每个聚类中所包含的单位集合,每个聚类的代表曲线CTk为聚类中心,其中k=1,2,…,K。不断计算新的聚类中心点,直至所有样本数据均与中心点之间的距离MIA最小;
通过K-means方法进行负荷曲线聚类,将所有不同用电特征的用户划分到具有不同的峰平谷时间段的类别里。
本发明的一个具体实施例中,步骤S3中分析各类用户峰平谷时间段的光伏发电量与用电量,计算出各类用户每年的光伏发电自用比例,包括以下步骤:
S31、统计光伏发电在各类用户用电峰平谷时间段内的发电时长,将光伏发电时间段分为9:00-13:00时间段、13:00-18:00时间段、23:00-7:00时间段,对应地,负荷用电时间段分为时段1、时段2、时段3,峰段对应9:00-13:00时间段和时段1,平段对应13:00-18:00时间段和时段2,谷段对应23:00-7:00时间段和时段3,则,设负荷用光伏所发电量在峰段的时长为a,负荷用光伏所发电量在平段的时长为b,负荷用光伏所发电量在谷段的时长为c;
如下表:
峰段 | 平段 | 谷段 | |
负荷用电时间段 | 时段1 | 时段2 | 时段3 |
光伏发电时间段 | 9:00-13:00 | 13:00-18:00 | 23:00-7:00 |
负荷用光伏所发电量的时长 | a | b | c |
S32、计算某月光伏发电总量:
Gtm=某月总天数 * N * Y * u * WP * R * (1-d)t* Q
其中:Gtm为第t年第m月的总发电量,N为一天的日照时间,Y为单片光伏组件的功率,R为系统转换效率,d为系统年衰减率,Q为某光伏系统的总光伏片数,u为天气类型指数,WP为考虑温度后的单片组件的发电量;
S33、根据每月光伏发电总量,计算每个月光伏项目在峰平谷段的发电量:
某月峰段光伏发电量:Wfg=
某月平段光伏发电量:Wpg=
某月谷段光伏发电量:Wgg=
S34、根据对用户每月的用电量统计,计算每个月光伏发电时间段内各类用户的用电量:
某月峰段用户用电量:Wfy=
某月平段用户用电量:Wpy=
某月谷段用户用电量:Wpg=
S35、计算每个月光伏发电峰平段内发电企业的用电量与光伏项目在峰平段的发电量的比值:
某月峰段的自用比例:W1= Wfy/Wfg * 100%
某月平段的自用比例:W2= Wpy/Wpg * 100%
某月谷段的自用比例:W3= Wgy/Wgg * 100%
S36、对每个月峰平谷段的自用比例加权平均,计算出每个月份的光伏发电自用比例:
m= W1 * + W2 * + W3 *
S37、分别计算出每个月的光伏发电自用比例,对计算出的12个月的自用比例取平均值,即为预估光伏发电自用比例M。
本发明的一个具体实施例中,步骤S4中根据各类用户每年的光伏发电自用比例,计算光伏发电状态时节约的电费、上网电量收入、总发电量补贴,得出光伏发电总收益,包括如下步骤:
S41、前t年的总发电量为:
G==
S42、若用户的电价为E1,自用光伏发电后节约的电费可表示为:
=M * * G
S43、若上网电价为,则上网电量收费可表示为:
=(1-M)* * G
S44、若光伏发电补贴电价为,=++;
其中:表示国家度电补贴,表示第t年省级度电补贴,表示第t年市级度电补贴;
S45、总发电量补贴可表示为:
= * G;
S46、总的经济收益包括节约的电费支出、上网电量收费及总发电量补贴之和:
I=[M * +(1-M)* +] * G
以上内容是结合具体的/优选的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,其还可以对这些已描述的实施例做出若干替代或变型,而这些替代或变型方式都应当视为属于本发明的保护范围。
Claims (9)
1.一种基于用户用电特征分析光伏发电项目收益的评估方法,其特征在于:包括以下步骤:
S1、选定测算区域,计算该区域的日照时间、天气情况、温度,评定光伏发电量;
S2、采集区域内用户实时用电数据,对不同用电特征的用户进行聚类分析,将所有不同用电特征的用户划分到具有不同的峰平谷时间段的类别里;所述峰平谷时间段是指峰时间段、平时间段、谷时间段;
S3、分析各类用户峰平谷时间段的光伏发电量与用电量,计算出各类用户每年的光伏发电自用比例;
S4、根据各类用户每年的光伏发电自用比例,计算光伏发电状态时节约的电费、上网电量收入、总发电量补贴,得出光伏发电总收益。
2.根据权利要求1所述评估方法,其特征在于:步骤S1中,日照时间与光伏发电量计算公式如下:
一天中可能的日照时间:
其中,φ表示地理纬度;δ表示太阳赤纬角;
只考虑日照时,光伏发电量和日照时间的关系为:
Gtm1=某月总天数 * N * Y * R * (1-d)t * Q
其中,Gtm1为第t年第m月的总发电量;N为一天的日照时间;Y为单片光伏组件的功率;R为系统转换效率;d为系统年衰减率,为已知参数;Q为某光伏系统的总光伏片数。
3.根据权利要求1所述评估方法,其特征在于:步骤S1中,采用两步聚类算法计算天气类型指数u。
4.根据权利要求3所述评估方法,其特征在于:两步聚类算法包括以下步骤:
S11、预聚类阶段,采用BITCH算法中CF树生长的思想,逐个读取收集的最近一年天气数据的集中数据点,在生成CF树的同时,预先聚类天气类型密集区域的数据点,形成诸多的小的日类型子簇;
S12、聚类阶段:以各类所述日类型子簇为对象,根据欧式距离表达式对天气类型进一步归类:
式中:为不同天气类型各个时刻发电功率的平均值;为需要判断天气类型的某天各个时刻的发电功率;为不同天气类型下的欧式距离大小;
根据L的大小,匹配与其最相似的聚类,逐个合并分散的日类型子簇直到期望的簇数量,得出各天气类型数据之间的倍率关系并将其映射为天气类型指数u。
5.根据权利要求1所述评估方法,其特征在于:步骤S1中,光伏发电量与温度的关系如下:
光伏组件的发电量W为:
W=(1-(当天温度-22°C)*峰值功率损失率)*Y
其中, 峰值功率损失率、单片组件功率为已知,Y为单片光伏组件的功率。
6.根据权利要求1所述评估方法,其特征在于:步骤S2中,将所有不同用电特征的用户划分到具有不同的峰平谷时间段的类别里,包括以下步骤:计算数据分群指标、数据归一化、样本数据标准化、聚类中心点初始化、迭代计算最优聚类中心点。
7.根据权利要求6所述评估方法,其特征在于:
S21、计算数据分群指标:基于电量及负荷指标计算出一定时间段内反映负荷变动情况的指标特征;
负荷率d1=平均负荷/最大负荷;
峰总比d2=峰电量/总电量;
平总比d3=平电量/总电量;
谷总比d4=谷电量/总电量;
S22、数据归一化:对采集的发电量采用最小最大值法的数据归一化进行处理得到,使得归一化后的曲线幅值在【0,1】之间;
S23、样本数据标准化:将所述指标特征转成向量数据,
P=(,,,);
S24、聚类中心点初始化:采用K-means聚类算法,随机选择k个对象,每个对象初始地代表了一个簇的平均值或中心,对剩余的每个对象,根据其与各簇中心的距离,将它赋给最近的簇;然后重新计算每个簇的平均值;这个过程不断重复,直到准则函数收敛;通常采用平方误差准则,其定义如下:
式中,E为数据库中所有对象的平方误差的总和;p为空间中的点,为的平均值;
S25、迭代计算最优聚类中心点:对峰平谷电量用户聚类,得到K个客户类,Ck表示每个聚类中所包含的单位集合,每个聚类的代表曲线CTk为聚类中心,其中k=1,2,…,K;不断计算新的聚类中心点,直至所有样本数据均与中心点之间的距离MIA最小;
通过K-means方法进行负荷曲线聚类,将所有不同用电特征的用户划分到具有不同的峰平谷时间段的类别里。
8.根据权利要求1所述评估方法,其特征在于:步骤S3中,包括以下步骤:
S31、统计光伏发电在各类用户用电峰平谷时间段内的发电时长,设负荷用光伏所发电量在峰段的时长为a,负荷用光伏所发电量在平段的时长为b,负荷用光伏所发电量在谷段的时长为c;
S32、计算某月光伏发电总量:
Gtm=某月总天数 * N * u * WP * R * (1-d)t* Q
其中:Gtm为第t年第m月的总发电量,N为一天的日照时间, R为系统转换效率,d为系统年衰减率,Q为某光伏系统的总光伏片数,u为天气类型指数,WP为考虑温度后的单片组件的发电量;
S33、根据每月光伏发电总量,计算每个月光伏项目在峰平谷段的发电量:
某月峰段光伏发电量:Wfg=
某月平段光伏发电量:Wpg=
某月谷段光伏发电量:Wgg=
S34、根据对用户每月的用电量统计,计算每个月光伏发电时间段内各类用户的用电量:
某月峰段用户用电量:Wfy=
某月平段用户用电量:Wpy=
某月谷段用户用电量:Wpg=
S35、计算每个月光伏发电峰平段内发电企业的用电量与光伏项目在峰平段的发电量的比值:
某月峰段的自用比例:W1= Wfy/Wfg * 100%
某月平段的自用比例:W2= Wpy/Wpg * 100%
某月谷段的自用比例:W3= Wgy/Wgg * 100%
S36、对每个月峰平谷段的自用比例加权平均,计算出每个月份的光伏发电自用比例:
m= W1 * + W2 * + W3 *
S37、分别计算出每个月的光伏发电自用比例,对计算出的12个月的自用比例取平均值,即为预估光伏发电自用比例M。
9.根据权利要求1所述评估方法,其特征在于:步骤S4中,包括如下步骤:
S41、前t年的总发电量为:
G = =
S42、若用户的电价为E1,自用光伏发电后节约的电费可表示为:
=M * * G
S43、若上网电价为,则上网电量收费可表示为:
=(1-M)* * G
S44、若光伏发电补贴电价为,=++;
其中:表示国家度电补贴,表示第t年省级度电补贴,表示第t年市级度电补贴;
S45、总发电量补贴可表示为:
= * G;
S46、总的经济收益包括节约的电费支出、上网电量收费及总发电量补贴之和:
I=[M * +(1-M)* +] * G。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811457924.9A CN109583760B (zh) | 2018-11-30 | 2018-11-30 | 一种基于用户用电特征分析光伏发电项目收益的评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811457924.9A CN109583760B (zh) | 2018-11-30 | 2018-11-30 | 一种基于用户用电特征分析光伏发电项目收益的评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109583760A true CN109583760A (zh) | 2019-04-05 |
CN109583760B CN109583760B (zh) | 2021-08-13 |
Family
ID=65926390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811457924.9A Active CN109583760B (zh) | 2018-11-30 | 2018-11-30 | 一种基于用户用电特征分析光伏发电项目收益的评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109583760B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782136A (zh) * | 2019-10-09 | 2020-02-11 | 南方电网能源发展研究院有限责任公司 | 基于综合能源大数据的能源信息处理系统及方法 |
CN111367348A (zh) * | 2020-03-20 | 2020-07-03 | 温岭市非普电气有限公司 | 电气设备电压控制方法及系统 |
CN112543216A (zh) * | 2019-09-23 | 2021-03-23 | 成都鼎桥通信技术有限公司 | 数据的获取方法和装置 |
CN113224756A (zh) * | 2021-05-11 | 2021-08-06 | 湖南中大设计院有限公司 | 一种应用于光伏建筑一体化最佳装机容量测算的方法 |
CN113469835A (zh) * | 2021-05-10 | 2021-10-01 | 国网浙江省电力有限公司双创中心 | 基于用户用电情况的光伏发电站资产评估方法及装置 |
CN114155116A (zh) * | 2021-11-10 | 2022-03-08 | 北京市腾河智慧能源科技有限公司 | 低压分布式光伏出力异常的诊断方法及系统、设备、存储介质 |
CN117455418A (zh) * | 2023-12-22 | 2024-01-26 | 光大环境科技(中国)有限公司 | 一种工商业光伏收益自动结算方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130096983A1 (en) * | 2011-04-04 | 2013-04-18 | The Catholic University Of America | Systems and methods for improving the accuracy of day-ahead load forecasts on an electric utility grid |
CN106786547A (zh) * | 2017-01-12 | 2017-05-31 | 沃太能源南通有限公司 | 一种新型微网系统以及基于该系统的组网调度方法 |
CN107330810A (zh) * | 2017-07-26 | 2017-11-07 | 苏州九五尊易网络有限公司 | 一种分布式光伏系统收益计量方法和收益计量系统 |
CN107359642A (zh) * | 2017-07-31 | 2017-11-17 | 珠海格力电器股份有限公司 | 微网区域能源控制系统及控制方法 |
-
2018
- 2018-11-30 CN CN201811457924.9A patent/CN109583760B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130096983A1 (en) * | 2011-04-04 | 2013-04-18 | The Catholic University Of America | Systems and methods for improving the accuracy of day-ahead load forecasts on an electric utility grid |
CN106786547A (zh) * | 2017-01-12 | 2017-05-31 | 沃太能源南通有限公司 | 一种新型微网系统以及基于该系统的组网调度方法 |
CN107330810A (zh) * | 2017-07-26 | 2017-11-07 | 苏州九五尊易网络有限公司 | 一种分布式光伏系统收益计量方法和收益计量系统 |
CN107359642A (zh) * | 2017-07-31 | 2017-11-17 | 珠海格力电器股份有限公司 | 微网区域能源控制系统及控制方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112543216A (zh) * | 2019-09-23 | 2021-03-23 | 成都鼎桥通信技术有限公司 | 数据的获取方法和装置 |
CN110782136A (zh) * | 2019-10-09 | 2020-02-11 | 南方电网能源发展研究院有限责任公司 | 基于综合能源大数据的能源信息处理系统及方法 |
CN110782136B (zh) * | 2019-10-09 | 2020-11-20 | 南方电网能源发展研究院有限责任公司 | 基于综合能源大数据的能源信息处理系统及方法 |
CN111367348A (zh) * | 2020-03-20 | 2020-07-03 | 温岭市非普电气有限公司 | 电气设备电压控制方法及系统 |
CN113469835A (zh) * | 2021-05-10 | 2021-10-01 | 国网浙江省电力有限公司双创中心 | 基于用户用电情况的光伏发电站资产评估方法及装置 |
CN113224756A (zh) * | 2021-05-11 | 2021-08-06 | 湖南中大设计院有限公司 | 一种应用于光伏建筑一体化最佳装机容量测算的方法 |
CN114155116A (zh) * | 2021-11-10 | 2022-03-08 | 北京市腾河智慧能源科技有限公司 | 低压分布式光伏出力异常的诊断方法及系统、设备、存储介质 |
CN117455418A (zh) * | 2023-12-22 | 2024-01-26 | 光大环境科技(中国)有限公司 | 一种工商业光伏收益自动结算方法及系统 |
CN117455418B (zh) * | 2023-12-22 | 2024-03-26 | 光大环境科技(中国)有限公司 | 一种工商业光伏收益自动结算方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109583760B (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109583760A (zh) | 一种基于用户用电特征分析光伏发电项目收益的评估方法 | |
Mazzeo et al. | Worldwide geographical mapping and optimization of stand-alone and grid-connected hybrid renewable system techno-economic performance across Köppen-Geiger climates | |
Wang et al. | A two-stage multiple criteria decision making for site selection of solar photovoltaic (PV) power plant: A case study in Taiwan | |
CN107609697B (zh) | 一种风力发电功率预测方法 | |
CN107133652A (zh) | 基于K‑means聚类算法的用电客户价值评估方法及系统 | |
CN107067149A (zh) | 一种评估调峰约束下电网购电组合收益及风险的方法 | |
CN104376502A (zh) | 基于灰色关联度的电力客户信用综合评价方法 | |
Ghodusinejad et al. | Multi-criteria modeling and assessment of PV system performance in different climate areas of Iran | |
CN104376373A (zh) | 基于时序特性和环境效益的分布式电源规划方法 | |
CN109272179A (zh) | 一种太阳能发电投资效益综合评价系统实现方法 | |
CN112465403A (zh) | 一种区域电力需求侧响应潜力评估方法 | |
CN113837426A (zh) | 一种基于天气分型的光伏功率预测方法 | |
CN112085259A (zh) | 一种新能源接入与综合能源服务潜力关联预测方法 | |
CN112926772A (zh) | 一种基于lstm-gpr混合模型的光能预测方法 | |
Alsamamra et al. | Solar photovoltaic systems on public schools buildings: a case study in Palestine | |
Denholm et al. | Regional per capita solar electric footprint for the United States | |
Ho et al. | ReEDS-Mexico: A Capacity Expansion Model of the Mexican Power System | |
Soltani et al. | Evaluation of wind energy potential and economics for the city of Kahnuj in Kerman Province, Iran | |
Mesri et al. | An approach to spatio-temporal analysis for climatic data | |
Mauleón | Optimising the spatial allocation of photovoltaic investments: Application to the Spanish case | |
Elliott | Philippines wind energy resource atlas development | |
Fripp et al. | Analyzing the effects of temporal wind patterns on the value of wind-generated electricity at different sites in California and the Northwest | |
CN105116268A (zh) | 一种分压售电量和分压供电量对线损率影响的分析方法 | |
CN111369032B (zh) | 一种扶贫光伏布点定容方法 | |
Chang et al. | Forecasting Localized Weather-Based Photovoltaic Energy Production |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20191014 Address after: 315000 Zhejiang Province, Ningbo city Haishu District Liyuan Road No. 1408 Applicant after: State Grid Zhejiang Electric Power Co., Ltd. Ningbo power supply company Applicant after: NINGBO ELECTRIC POWER DESIGN INSTITUTE CO., LTD. Address before: 315000 Zhejiang Province, Ningbo city Haishu District Liyuan Road No. 1408 Applicant before: State Grid Zhejiang Electric Power Co., Ltd. Ningbo power supply company |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |