CN110263964A - 一种清洗光伏组件的预测方法及预测系统 - Google Patents
一种清洗光伏组件的预测方法及预测系统 Download PDFInfo
- Publication number
- CN110263964A CN110263964A CN201910356327.5A CN201910356327A CN110263964A CN 110263964 A CN110263964 A CN 110263964A CN 201910356327 A CN201910356327 A CN 201910356327A CN 110263964 A CN110263964 A CN 110263964A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic module
- power generation
- cleaning
- generation data
- data
- 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
- 238000004140 cleaning Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000010248 power generation Methods 0.000 claims abstract description 92
- 230000005611 electricity Effects 0.000 claims description 30
- 238000009825 accumulation Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006854 communication Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010006895 Cachexia Diseases 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 208000016318 wasting Diseases 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明实施例提供一种清洗光伏组件的预测方法及预测系统,其中该预测方法包括:获取光伏组件的第一发电数据和第二发电数据,其中所述第一发电数据为无尘环境下光伏组件的发电数据,所述第二发电数据为实际环境下光伏组件的发电数据;根据所述第一发电数据和所述第二发电数据,计算预设时间范围内所述光伏组件的净收益;根据所述光伏组件的所述净收益,确定所述光伏组件的清洗周期。本发明实施例能够实时精准获取到相同光照及位置的光伏组件的发电的对比数据,并且根据对比数据准确计算得到对应的发电净收益,对监测到的光伏组件发电运行数据进行更加科学的计算,从而能够准确利用采集和计算的数据确定清洗光伏组件的最佳清洗周期。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种清洗光伏组件的预测方法及预测系统。
背景技术
光伏组件安装在户外,其表面附着的细小粉尘颗粒、积雪等会影响光线的透射率,进而影响组件表面接受到的辐射量,影响发电效率。表面泥土、鸟粪等局部遮挡的污浊会在光伏组件局部造成热斑效应,降低发电效率甚至烧毁组件。
为了提高太阳能电池板发电效率,需要定期对太阳能电池板进行清洗。目前,通常光伏运维部门对光伏组件的清洗策略通常为以下三种:
第一,按照人工预先制定的运维检修制度,定期对光伏组件进行清理;
第二,根据肉眼判断光伏组件的污浊程度,临时对光伏组件进行清理;
第三,通过对光伏组件的运行数据进行实时监控,并结合运维经验来判定确定对光伏附件进行清理的时间。由于目前尚未建立一套较为科学和完善的、能够科学合理的清洁光伏组件以及对组件细心养护的方法,这样不仅会造成大量人力、物力资源浪费,而且也不能最大化提高光伏电站发电量。
有鉴于此,亟需一种清洗光伏组件的预测方法及预测系统,从而能够在兼顾清洗成本和发电效益的基础上确定对光伏组件的最优清洗周期。
发明内容
本发明实施例提供一种清洗光伏组件的预测方法及预测系统,其中该预测方法包括:
获取光伏组件的第一发电数据和第二发电数据,其中所述第一发电数据为无尘环境下光伏组件的发电数据,所述第二发电数据为实际环境下光伏组件的发电数据;
根据所述第一发电数据和所述第二发电数据,计算预设时间范围内所述光伏组件的净收益;
根据所述光伏组件的所述净收益,确定所述光伏组件的清洗周期。
在本发明一实施例中,所述第一发电数据包括:无尘环境下预设时间的所述光伏组件的累计输出电量,第二发电数据包括:实际环境下所述预设时间的所述光伏组件的累计输出电量。
在本发明一实施例中,所述净收益为
Yi=X*(Epsi-Epti)*Z-X*K
其中,X为清洗次数,(X=T/i,T为光伏组件的清洗周期,i为清洗间隔天数);
K为清洗一次光伏组件的成本;
Z为光伏组件的发电收益;
Epsi为无尘环境下光伏组件在第i天清洗时,光伏组件一天中累积输出电量;
Epti为实际环境下光伏组件在第i天清洗时,光伏组件一天中累积输出电量;
Yi为清洗光伏组件的提升发电量的净收益。
在本发明一实施例中,在根据所述光伏组件的所述净收益,确定所述光伏组件的清洗周期的步骤中,还包括:
根据所述预设时间范围内的多个所述净收益,确认所述净收益的最大值和所述光伏组件的最佳清洗周期。
本发明实施例还提供一种清洗光伏组件的预测系统,该预测系统包括:
数据采集模块,用于获取光伏组件的第一发电数据和第二发电数据,其中所述第一发电数据为无尘环境下光伏组件的发电数据,所述第二发电数据为实际环境下光伏组件的发电数据;
数据处理模块,用于根据所述第一发电数据和所述第二发电数据,计算预设时间范围内所述光伏组件的净收益;
数据分析模块,用于根据所述光伏组件的所述净收益,确定所述光伏组件的清洗周期。
在本发明一实施例中,所述第一发电数据包括:无尘环境下预设时间的所述光伏组件的累计输出电量,第二发电数据包括:实际环境下所述预设时间的所述光伏组件的累计输出电量。
在本发明一实施例中,所述净收益为
Yi=X*(Epsi-Epti)*Z-X*K
其中,X为清洗次数,(X=T/i,T为光伏组件的清洗周期,i为清洗间隔天数);
K为清洗一次光伏组件的成本;
Z为光伏组件的发电收益;
Epsi为无尘环境下光伏组件在第i天清洗时,光伏组件一天中累积输出电量;
Epti为实际环境下光伏组件在第i天清洗时,光伏组件一天中累积输出电量;
Yi为清洗光伏组件的提升发电量的净收益。
在本发明一实施例中,所述数据分析模块用于:根据所述预设时间范围内的多个所述净收益,确认所述净收益的最大值和所述光伏组件的最佳清洗周期。
本发明实施例还提供一种清洗光伏组件的电子设备,该电子设备包括:
一个或多个处理器;
存储系统,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现清洗光伏组件的预测方法。
本发明实施例还提供一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现清洗光伏组件的预测方法。
通过本发明实施例提供的清洗光伏组件的预测方法及预测系统,能够实时精准获取到相同光照及位置的光伏组件的发电的对比数据,并且根据对比数据准确计算得到对应的发电净收益,对监测到的光伏组件发电运行数据进行更加科学的计算,从而能够准确利用采集和计算的数据确定清洗光伏组件的最佳清洗周期,进而能够将之用于指导电站运维等工作。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的清洗光伏组件的预测方法的流程图;
图2是本发明实施例提供的清洗光伏组件的预测系统的结构图;
图3是本发明实施例提供的适于用来实现本发明实施例的终端设备的计算机系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明实施例提供的清洗光伏组件的预测方法的流程图,该预测方法包括:
步骤S101:获取光伏组件的第一发电数据和第二发电数据,其中所述第一发电数据为无尘环境下光伏组件的发电数据,所述第二发电数据为实际环境下光伏组件的发电数据;
步骤S102:根据所述第一发电数据和所述第二发电数据,计算预设时间范围内所述光伏组件的净收益;
步骤S103:根据所述光伏组件的所述净收益,确定所述光伏组件的清洗周期。
在本发明一实施例中,所述第一发电数据包括:无尘环境下预设时间的所述光伏组件的累计出电量,第二发电数据包括:实际环境下所述预设时间的所述光伏组件的累计输出电量。
在本发明一实施例中,所述净收益为
Yi=X*(Epsi-Epti)*Z-X*K
其中,X为清洗次数,(X=T/i,T为光伏组件的清洗周期,i为清洗间隔天数);
K为清洗一次光伏组件的成本;
Z为光伏组件的发电收益;
Epsi为无尘环境下光伏组件在第i天清洗时,光伏组件一天中累积输出电量;
Epti为实际环境下光伏组件在第i天清洗时,光伏组件一天中累积输出电量;
Yi为清洗光伏组件的提升发电量的净收益。
在本发明一实施例中,在根据所述光伏组件的所述净收益,确定所述光伏组件的清洗周期的步骤中,还包括:
根据所述预设时间范围内的多个所述净收益,确认所述净收益的最大值和所述光伏组件的最佳清洗周期。
实施例
下面结合一个具体实施例对本发明进行具体描述,然而值得注意的是该具体实施例仅是为了更好地描述本发明,并不构成对本发明的不当限定。
某个屋顶光伏电站为例,结合周边的空气灰尘污染状况和运维经验,光伏组件的清洗周期预设为30天。
首先,采集标准基站和对照基站的发电数据,其中标准基站的第一发电数据来源于有人值守区域中心,对照基站的第二发电数据来源于具备相同光照资源区域内的各光伏发电站。
具体来说,布置于有人值守区域中心的标准基站需要每天不定期人工清洁以确保其不受区域环境污染累积效应影响,而分别布置于具备相同光照资源区域(原则上不大于70公里范围)内的各光伏发电站的发电系统不需要人工清洗,以满足实时反映区域污染累积效应对发电影响的数据来源,并且发电数据的采集周期至少间隔5分钟。具体的数据如下表1所示:
表1
然后,根据标准板的发电数据和测试板的发电数据,计算一个月(30天)内的光伏组件的净收益。
具体来说,光伏组件的净收益Yi的计算公式为
Yi=X*(Epsi-Epti)*Z-X*K
其中,X为清洗次数,X=T/i,(T为清洗周期,T为30天,i为清洗间隔天数,i=1、2…n);
K为一次的清洗成本(单位:元);
Z为发电的上网收益(单位:元/kWh);
Epsi为标准板在第i天清洗时,光伏组件一天中累积输出电量,(单位:kWh);
Epti为被测板在第i天清洗时,光伏组件一天中累积输出电量,(单位:kWh);
Yi为清洗光伏组件的提升发电量的净收益(单位:元)。
另外,在本文中,需要理解的目前对于光伏行业的相关数据如下:
(1)标准板和测试板的标称功率是0.5kW;
(2)光伏上网电价是1元/kWh;
(3)全站光伏组件折算成0.5kW的一次清洗费用是0.4元;
根据上述公式计算得到如下数据:
以间隔10天清洗一次,发电的净收益Y1=3*【(22-20)-(18-16.5)】*1元/kWh-3*0.4=0.3元
以间隔15天清洗一次,发电的净收益Y2=0.4元
以间隔20天清洗一次,发电的净收益Y3=0.5元
以间隔30天清洗一次,发电的净收益Y4=0.2元。
最后,根据上述净收益值,确认对光伏组件每间隔20天清洗一次光伏组件产生的收益值最大,因此确定该光伏组件的最佳清洗周期为20天。
如图2所示为本发明实施例还提供一种清洗光伏组件的预测系统的结构图,该预测系统2包括:
数据采集模块201,用于获取光伏组件的第一发电数据和第二发电数据,其中所述第一发电数据为无尘环境下光伏组件的发电数据,所述第二发电数据为实际环境下光伏组件的发电数据;
数据处理模块202,用于根据所述第一发电数据和所述第二发电数据,计算预设时间范围内所述光伏组件的净收益;
数据分析模块203,用于根据所述光伏组件的所述净收益,确定所述光伏组件的清洗周期。
在本发明一实施例中,所述第一发电数据包括:无尘环境下预设时间的所述光伏组件的累计输出电量,第二发电数据包括:实际环境下所述预设时间的所述光伏组件的累计输出电量。
在本发明一实施例中,所述净收益为
Yi=X*(Epsi-Epti)*Z-X*K
其中,X为清洗次数,(X=T/i,T为光伏组件的清洗周期,i为清洗间隔天数);
K为清洗一次光伏组件的成本;
Z为光伏组件的发电收益;
Epsi为无尘环境下光伏组件在第i天清洗时,光伏组件一天中累积输出电量;
Epti为实际环境下光伏组件在第i天清洗时,光伏组件一天中累积输出电量;
Yi为清洗光伏组件的提升发电量的净收益。
在本发明一实施例中,所述数据分析模块203用于:根据所述预设时间范围内的多个所述净收益,确认所述净收益的最大值和所述光伏组件的最佳清洗周期。
由于本发明实施例提供的清洗光伏组件的预测系统是上述方法对应的装置,故不在此赘述。
下面参考图3,其示出了适于用来实现本发明实施例的终端设备的计算机系统300的结构示意图。图3示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,计算机系统300包括中央处理单元(CPU)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有系统300操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
以下部件连接至I/O接口305:包括键盘、鼠标等的输入部分306;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307;包括硬盘等的存储部分308;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器310上,以便于从其上读出的计算机程序根据需要被安装入存储部分308。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分309从网络上被下载和安装,和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元(CPU)301执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者推送用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质推送,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:
步骤S101:获取光伏组件的第一发电数据和第二发电数据,其中所述第一发电数据为无尘环境下光伏组件的发电数据,所述第二发电数据为实际环境下光伏组件的发电数据;
步骤S102:根据所述第一发电数据和所述第二发电数据,计算预设时间范围内所述光伏组件的净收益;
步骤S103:根据所述光伏组件的所述净收益,确定所述光伏组件的清洗周期。
通过本发明实施例提供的清洗光伏组件的预测方法及预测系统,能够实时精准获取到相同光照及位置的光伏组件的发电的对比数据,并且根据对比数据准确计算得到对应的发电净收益,对监测到的光伏组件发电运行数据进行更加科学的计算,从而能够准确利用采集和计算的数据确定清洗光伏组件的最佳清洗周期,进而能够将之用于指导电站运维等工作。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种清洗光伏组件的预测方法,其特征在于,包括:
获取光伏组件的第一发电数据和第二发电数据,其中所述第一发电数据为无尘环境下光伏组件的发电数据,所述第二发电数据为实际环境下光伏组件的发电数据;
根据所述第一发电数据和所述第二发电数据,计算预设时间范围内所述光伏组件的净收益;
根据所述光伏组件的所述净收益,确定所述光伏组件的清洗周期。
2.根据权利要求1所述的预测方法,其特征在于,所述第一发电数据包括:无尘环境下预设时间的所述光伏组件的累计输出电量,第二发电数据包括:实际环境下所述预设时间的所述光伏组件的累计输出电量。
3.根据权利要求1所述的预测方法,其特征在于,所述净收益为
Yi=X*(Epsi-Epti)*Z-X*K
其中,X为清洗次数,(X=T/i,T为光伏组件的清洗周期,i为清洗间隔天数);
K为清洗一次光伏组件的成本;
Z为光伏组件的发电收益;
Epsi为无尘环境下所述光伏组件在第i天清洗时,所述光伏组件一天中累积输出电量;
Epti为实际环境下所述光伏组件在第i天清洗时,所述光伏组件一天中累积输出电量;
Yi为清洗光伏组件的提升发电量的净收益。
4.根据权利要求1所述的预测方法,其特征在于,在根据所述光伏组件的所述净收益,确定所述光伏组件的清洗周期的步骤中,还包括:
根据所述预设时间范围内的多个所述净收益,确认所述净收益的最大值和所述光伏组件的最佳清洗周期。
5.一种清洗光伏组件的预测系统,其特征在于,包括:
数据采集模块,用于获取光伏组件的第一发电数据和第二发电数据,其中所述第一发电数据为无尘环境下光伏组件的发电数据,所述第二发电数据为实际环境下光伏组件的发电数据;
数据处理模块,用于根据所述第一发电数据和所述第二发电数据,计算预设时间范围内所述光伏组件的净收益;
数据分析模块,用于根据所述光伏组件的所述净收益,确定所述光伏组件的清洗周期。
6.根据权利要求5所述的预测系统,其特征在于,所述第一发电数据包括:无尘环境下预设时间的所述光伏组件的累计输出电量,第二发电数据包括:实际环境下所述预设时间的所述光伏组件的累计输出电量。
7.根据权利要求5所述的预测系统,其特征在于,所述净收益为
Yi=X*(Epsi-Epti)*Z-X*K
其中,X为清洗次数,(X=T/i,T为光伏组件的清洗周期,i为清洗间隔天数);
K为清洗一次光伏组件的成本;
Z为光伏组件的发电收益;
Epsi为无尘环境下光伏组件在第i天清洗时,光伏组件一天中累积输出电量;
Epti为实际环境下光伏组件在第i天清洗时,光伏组件一天中累积输出电量;
Yi为清洗光伏组件的提升发电量的净收益。
8.根据权利要5所述的预测系统,其特征在于,所述数据分析模块用于:
根据所述预设时间范围内的多个所述净收益,确认所述净收益的最大值和所述光伏组件的最佳清洗周期。
9.一种清洗光伏组件的电子设备,其特征在于,包括:
一个或多个处理器;
存储系统,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910356327.5A CN110263964A (zh) | 2019-04-29 | 2019-04-29 | 一种清洗光伏组件的预测方法及预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910356327.5A CN110263964A (zh) | 2019-04-29 | 2019-04-29 | 一种清洗光伏组件的预测方法及预测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110263964A true CN110263964A (zh) | 2019-09-20 |
Family
ID=67914059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910356327.5A Pending CN110263964A (zh) | 2019-04-29 | 2019-04-29 | 一种清洗光伏组件的预测方法及预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110263964A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445036A (zh) * | 2020-03-10 | 2020-07-24 | 苏州瑞得恩工业物联网科技有限公司 | 光伏电站清洗频率的动态调整方法及存储介质 |
-
2019
- 2019-04-29 CN CN201910356327.5A patent/CN110263964A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445036A (zh) * | 2020-03-10 | 2020-07-24 | 苏州瑞得恩工业物联网科技有限公司 | 光伏电站清洗频率的动态调整方法及存储介质 |
CN111445036B (zh) * | 2020-03-10 | 2023-05-30 | 苏州瑞得恩工业物联网科技有限公司 | 光伏电站清洗频率的动态调整方法及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qiu et al. | Distributed generation and energy storage system planning for a distribution system operator | |
Nikmehr et al. | Optimal operation of distributed generations in micro‐grids under uncertainties in load and renewable power generation using heuristic algorithm | |
Yi et al. | Coordinated operation strategy for a virtual power plant with multiple DER aggregators | |
Bin Humayd et al. | Comprehensive multi‐year distribution system planning using back‐propagation approach | |
CN109508853A (zh) | 一种省间调峰辅助服务交易方法及系统 | |
Shi et al. | Vehicle-to-grid service development logic and management formulation | |
Nosratabadi et al. | Robust scenario-based concept for stochastic energy management of an energy hub contains intelligent parking lot considering convexity principle of CHP nonlinear model with triple operational zones | |
Ali et al. | A multi‐objective optimization for planning of networked microgrid using a game theory for peer‐to‐peer energy trading scheme | |
US20210151202A1 (en) | Automated CO2 offsetting in real-time. | |
Bacca et al. | Optimal land use and distributed generation technology selection via geographic-based multicriteria decision analysis and mixed-integer programming | |
Gao et al. | FogChain: A blockchain-based peer-to-peer solar power trading system powered by fog AI | |
Huang et al. | A technical review of modeling techniques for urban solar mobility: Solar to buildings, vehicles, and storage (S2BVS) | |
Ma et al. | Towards the development of risk-constrained optimal bidding strategies for generation companies in electricity markets | |
Razeghi et al. | A spatially and temporally resolved model of the electricity grid–Economic vs environmental dispatch | |
CN109861295B (zh) | 多目标新能源规划方法及装置 | |
Phan et al. | Big data and monitoring the grid | |
Qaeini et al. | Optimal expansion planning of active distribution system considering coordinated bidding of downward active microgrids and demand response providers | |
CN110263964A (zh) | 一种清洗光伏组件的预测方法及预测系统 | |
Zangeneh et al. | Fuzzy multiobjective model for distributed generation expansion planning in uncertain environment | |
Milligan et al. | Examination of potential benefits of an energy imbalance market in the western interconnection | |
CN109639445A (zh) | 基于共享光伏的分布式电站管控平台系统及应用方法 | |
Meera et al. | Integrated resource planning for a meshed distribution network under uncertainty | |
Chung et al. | Distributed implementation of generation scheduling algorithm on interconnected power systems | |
Wang et al. | P2P trading mode for real-time coupled electricity and carbon markets based on a new indicator green energy | |
Kabiri‐Renani et al. | Coordinated power system expansion planning considering the DSO's market operations |
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 |