CN112653185A - 一种交直流混合系统的多目标优化配置方法和系统 - Google Patents

Abstract

本发明公开的一种分布式可再生能源发电系统的效率评估方法及系统，方法包括对分布式可再生能源发电系统进行环节划分，针对各环节建立效率评估指标模型；在预设历史数据采集时间内将采集到的历史数据代入到效率评估指标模型，计算各环节的历史效率评估值，并将历史效率评估值划分得到n个效率等级；采用支持向量机模型训练算法，分别对各环节进行模型训练，建立各环节的状态评估模型；计算各环节的最新效率评估值，并将最新效率评估值作为状态评估模型的输入，输出各环节下的最新系统工作状态；根据最新效率评估值判断各环节的效率等级，其中，依据运行效率指标和状态评估结果，在设定的评估周期内返回该环节的检查和优化建议。

Description

一种交直流混合系统的多目标优化配置方法和系统

技术领域

本申请涉及交直流混合配用电和微电网技术领域，尤其涉及一种交直流混合系统的多目标优化配置方法和系统。

背景技术

随着光伏发电、储能、电动汽车、数据中心高密度IT负荷和直流空调的快速发展，为方便直流型分布式电源、储能和负荷的直接集成，需要采用直流配用电技术。相比于交流配用电技术，直流配用电技术的主要优点是总体效率较高，因为其使用的接口转换器少于交流网络，网络结构简单，且网络中没有无功电流循环和分布式机组同步等问题，提高了可控性和可靠性，便于间歇性分布式电源的接入。

但是，由于电网中同时存在直流型和交流型设备，往往需要采用交直流混合配用电技术。现有的交直流混合网络根据交流网络、直流网络和公用网络之间的连接方式，可以分为两大类，一类是耦合交流网络拓扑，另一类是解耦交流网络拓扑。在过去十年中，相比于耦合交流网络拓扑，解耦交流网络拓扑已经得到越来越多的关注。

在进行含可再生能源的交直流混合系统的优化配置时，交直流混合系统规划、设计以及建设的核心问题之一，合理地配置分布式电源和储能是保证交直流混合系统安全、可靠和经济运行的基础。多种分布式可再生能源整合通常根据可利用的能源情况和负荷需求，以经济性、供电可靠性、环保性等为最优目标进行系统规划配置，以确定系统中分布式能源和储能的类型及容量。

在进行分布式能源系统的容量优化配置时，在满足用户需求的前提下，主要目标是获得最经济的系统配置。不同的用户对经济、可靠性、环保的要求各不相同。对含多种可再生能源的交直流混合系统进行多目标优化，意味着可能同时考虑经济性、可靠性、环保性等不同特性下的多个优化指标，也可能仅考虑某一特性下的多个指标。在实际规划时，由于系统中某些技术指标、环保指标暂时不能获取，因此进行后决策多目标优化配置分析是十分必要的。

发明内容

本申请提供了一种交直流混合系统的多目标优化配置方法和系统，用于解决现有技术在实际规划时，由于系统中某些技术指标、环保指标暂时不能获取，无法有效的进行多目标优化配置分析的技术问题。

有鉴于此，本申请第一方面提供了一种分布式可再生能源发电系统的效率评估方法，其特征在于，包括：

对分布式可再生能源发电系统进行环节划分，得到若干个用于进行系统效率评估的环节，针对各环节建立效率评估指标模型；

在预设历史数据采集时间内将采集到的历史数据代入到效率评估指标模型，计算各环节的历史效率评估值；所述历史数据包括历史系统运行数据、历史环境参数以及预设模型参数；将所述历史效率评估值划分得到n个效率等级；

采用支持向量机模型训练算法，分别对各环节进行模型训练，建立各环节的状态评估模型；将所述历史效率评估值作为所述状态评估模型的输入，将系统工作状态作为所述状态评估模型的输出；

计算各环节的最新效率评估值，并将所述最新效率评估值作为状态评估模型的输入，输出各环节下的最新系统工作状态；再将各环节的最新效率评估值与每个效率等级下划分到的效率评估值进行逐一匹配后，输出各环节的效率等级，其中，在各环节效率等级下，结合设定的系统运行效率指标和各环节下的所述最新系统工作状态，输出效率评估结果。

可选的，所述分布式可再生能源发电系统包括光伏发电系统和风力发电系统，所述对分布式可再生能源发电系统进行环节划分具体为：

将光伏发电系统进行环节划分得到光伏变流器出口到关口计量点环节、光伏变流器环节、光伏方阵到光伏变流器环节和光伏方阵环节这4个环节；

将风力发电系统进行环节划分得到控制器环节、风力机距离控制器之间的环节和风力机环节这4个环节。

可选的，针对光伏发电系统的各环节建立效率评估指标模型具体为：

对于光伏变流器出口到关口环节，由公式(1)所示，通过测量光伏变流器出口功率及关口计量点电量，计算光伏变流器出口到关口计量点的效率评估值：

式(1)中，

为t₁～t_n时段光伏变流器出口到关口计量点的效率评估值，P_pv0,t为t采集时刻下的光伏变流器的输出功率值，Δt为数据采集时间间隔，

和

分别为t₁数据采集时刻和t_n数据采集时刻下的光伏发电系统关口计量点电量；

对于光伏变流器环节，由公式(2)所示，通过测量光伏变流器入口处的输入功率值和出口处的输出功率值，计算光伏变流器的转换效率评估值：

式(2)中，

为t₁～t_n数据采集时段下光伏变流器的转换效率评估值，P_pvi,t为t数据采集时刻下光伏变流器的输入功率值；

对于光伏方阵到光伏变流器环节，由公式(3)所示，对于采用两级直流汇流的光伏系统，计算当前光伏系统的直流线损率评估值：

式(3)中，

为t₁～t_n数据采集时段下光伏发电系统的直流线损率评估值，I_pv,m,t为光伏发电系统第二级汇入汇流柜的各路电流，I_x,t为第一级汇入汇流柜的各路电流，R_Line,x和R_Line,m分别为第一级汇流前的各路线缆阻抗和第二级汇流前的各路线缆阻抗；

对于光伏方阵环节，通过公式(4)来计算光伏方阵的发电效率评估值η_array：

式(4)中，P_p′_v,t为光伏方阵在辐照为S和方阵温度为T_array,t时的应发电量，其中，通过温度传感器进行方阵温度的测量，且每一个方阵最少测量一块组件温度；

为直流线损，

P_pv,STC为光伏方阵的应发功率；γ_p为光伏组件的功率温度系数。

可选的，针对风力发电系统的各环节建立效率评估指标模型具体为：

对于控制器环节，由公式(6)所示，通过测量风力发电机变流器入口处的输入功率值P_wi,t和出口处的输出功率值P_w0,t，计算风力发电系统变流器的转换效率评估值：

式(6)中，

为t₁～t_n时段风力发电系统变流器的转换效率评估值；

对于风力机距离控制器之间的环节，由公式(7)来计算风力发电机变流器的转换效率评估值：

式(7)中，

为t₁～t_n时段风力发电机变流器的转换效率评估值，I_wi,t为控制器或变流器的输入线电流，R_Line为线缆阻抗，P_w,rate为风力发电机的额定功率；

对于风机环节，由公式(8)来计算风力发电机的效率评估值：

式(8)中，

为t₁～t_n时段下风力发电机的效率评估值，P_w′_,t(v)为t采集时刻下修正后的风力发电机动态输出功率。

可选的，在所述将采集到的数据代入到效率评估指标模型，计算各环节的历史效率评估值之前，还包括先识别采集数据中的坏数据并移除坏数据，再将移除坏数据之后的采集数据代入到所述效率评估模型。

可选的，所述针对所得的若干项效率评估值采用效率等级划分方法，划分得到n个效率等级具体为：

设定系统装机容量阈值将接入管理的分布式可再生能源发电系统分为小型系统、中型系统和大型系统，其中，小型系统的装机容量小于等于100kW，中型系统的装机容量大于100kW且小于等于1MW，大型系统的装机容量大于1MW；

根据同类系统下各环节的效率评估值采用k近邻方法将各个环节划分为n个效率等级。

可选的，所述针对所得的若干项效率评估值采用效率等级划分方法，划分得到n个效率等级具体为：

根据设定的区间阈值进行区间划分后，得到n个取值区间，其中，每个取值区间对应为一个效率等级，根据效率评估值所属区间，确定各环节的效率等级。

本申请第二方面提供了一种分布式可再生能源发电系统的效率评估系统，包括：

效率评估指标模型模块，用于对分布式可再生能源发电系统进行环节划分，得到若干个用于进行系统效率评估的环节，针对各环节建立效率评估指标模型；

效率等级划分模块，用于在预设历史数据采集时间内将采集到的历史数据代入到效率评估指标模型，计算各环节的历史效率评估值；所述历史数据包括历史系统运行数据、历史环境参数以及预设模型参数；将所述历史效率评估值划分得到n个效率等级；

各环节状态评估模型建立模块，用于采用支持向量机模型训练算法，分别对各环节进行模型训练，建立各环节的状态评估模型；将所述历史效率评估值作为所述状态评估模型的输入，将系统工作状态作为所述状态评估模型的输出；

评估结果反馈模块，用于计算各环节的最新效率评估值，并将所述最新效率评估值作为状态评估模型的输入，输出各环节下的最新系统工作状态；再将各环节的最新效率评估值与每个效率等级下划分到的效率评估值进行逐一匹配后，输出各环节的效率等级，其中，在各环节效率等级下，结合设定的系统运行效率指标和各环节下的所述最新系统工作状态，输出效率评估结果。

可选的，所述效率等级划分模块包括自适应评价模块，其中：

所述自适应评价模块，用于设定系统装机容量阈值将接入管理的分布式可再生能源发电系统分为小型系统、中型系统和大型系统，其中，小型系统的装机容量小于等于100kW，中型系统的装机容量大于100kW且小于等于1MW，大型系统的装机容量大于1MW；根据同类系统下各环节的效率评估值采用k近邻方法将各个环节划分为n个效率等级。

可选的，所述效率等级划分模块包括专家评价模块，其中：

所述专家评价模块，用于根据各环节下设定的最小效率评估值和最大效率评估值进行区间划分后，得到n个取值区间，其中，每个取值区间对应于一个效率等级，根据效率评估值所属区间，确定各环节的效率等级。

从以上技术方案可以看出，本申请实施例具有以下优点：

本申请中提供了一种分布式可再生能源发电系统的效率评估方法，包括：对分布式可再生能源发电系统进行环节划分，得到若干个用于进行系统效率评估的环节，针对各环节建立效率评估指标模型；在预设历史数据采集时间内将采集到的历史数据代入到效率评估指标模型，计算各环节的历史效率评估值；历史数据包括历史系统运行数据、历史环境参数以及预设模型参数；将历史效率评估值划分得到n个效率等级；采用支持向量机模型训练算法，分别对各环节进行模型训练，建立各环节的状态评估模型；将历史效率评估值作为状态评估模型的输入，将系统工作状态作为状态评估模型的输出；计算各环节的最新效率评估值，并将最新效率评估值作为状态评估模型的输入，输出各环节下的最新系统工作状态；再将各环节的最新效率评估值与每个效率等级下划分到的效率评估值进行逐一匹配后，输出各环节的效率等级，其中，在各环节效率等级下，结合设定的系统运行效率指标和各环节下的最新系统工作状态，输出效率评估结果。

本申请围绕分布式光伏发电和风力发电系统，将系统按物理特性进行环节划分，并建立相应效率评估指标，其中采用了专家经验或自适应方法评估各环节的效率情况，并基于超短期分环节效率计算评估运行状态是否异常，不仅可以了解系统的运行情况，还可以通过各环节效率评估各环节设备状态，及时发现系统各环节的异常状态。

附图说明

图1为本申请一种分布式可再生能源发电系统的效率评估方法的一个实施例的方法流程图；

图2为本申请组串式并网光伏发电系统各环节划分及损耗示意图；

图3为本申请集中式并网光伏发电系统各环节划分及损耗示意图；

图4为本申请一种分布式可再生能源发电系统的效率评估系统的一个实施例的结构示意图；

图5是本申请一种分布式可再生能源发电系统的效率评估系统下效率等级划分模块的一个实施例的结构示意图；

图6是本申请一种分布式可再生能源发电系统的效率评估系统下效率等级划分模块的另一个实施例的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例1：

请参考图1，其为本申请一种分布式可再生能源发电系统的效率评估方法的一个实施例的方法流程图，本申请公开的一种分布式可再生能源发电系统的效率评估方法包括以下步骤：

S100、对分布式可再生能源发电系统进行环节划分，得到若干个用于进行系统效率评估的环节，针对各环节建立效率评估指标模型；其中：

一实施例中，分布式可再生能源发电系统包括光伏发电系统和风力发电系统，在进行环节的时候可参考图2和图3，本申请一方面考虑将光伏发电系统进行环节划分得到光伏变流器出口到关口计量点环节、光伏变流器环节、光伏方阵到光伏变流器环节和光伏方阵环节这4个环节；本申请另一方面，将风力发电系统进行环节划分得到控制器环节、风力机距离控制器之间的环节和风力机环节这4个环节。

针对上述划分到的各个环节建立的效率评估指标模型可参考如下形式：

首先，针对光伏发电系统的各环节建立效率评估指标模型具体为：

①对于光伏变流器出口到关口环节，由公式(1)所示，该环节包括了交流线损、升压损耗；通过测量光伏变流器出口功率及关口计量点电量，计算光伏变流器出口到关口计量点的效率评估值：

式(1)中，

为t₁～t_n时段光伏变流器出口到关口计量点的效率评估值，P_pv0,t为t采集时刻下的光伏变流器输出功率值，Δt为数据采集时间间隔，

和

分别为t₁数据采集时刻和t_n数据采集时刻下的光伏发电系统关口计量点电量；

②对于光伏变流器环节，由公式(2)所示，通过测量光伏变流器入口处的输入功率值P_pvi,t和出口处的输出功率值P_pv0,t，计算光伏变流器的转换效率评估值(需要说明的是，当前计算得到的转换效率评估值可用于反映光伏变流器在指定地区的运行情况以及逐年运行情况)：

式(2)中，

为t₁～t_n时段光伏变流器的转换效率评估值；

③对于光伏方阵到光伏变流器环节，由公式(3)所示，对于采用两级直流汇流的光伏系统，计算当前光伏系统的直流线损率评估值：

式(3)中，

为t₁～t_n时段光伏发电系统的直流线损率评估值，I_pv,m,t为光伏发电系统第二级汇入汇流柜的各路电流，I_x,t为第一级汇入汇流柜的各路电流，R_Line,x和R_Line,m分别为第一级汇流前的各路线缆阻抗和第二级汇流前的各路线缆阻抗，其中，线缆阻抗可通过线缆材质、线缆面积和线缆长度计算得到；

④对于光伏方阵环节，需要说明的是由于衰减、组件失配、热斑效应、PID效应、灰尘、阴影遮挡、MPPT跟踪效果和局部阴影遮挡MPPT跟踪失效等均会使得光伏方阵输出功率降低。为评价上述影响因素对光伏方阵发电功率的影响，本实施例下采用光伏方阵发电效率评估值η_array进行评价，如式(4)所示：

式(4)中，P_p′_v,t为光伏方阵在辐照为S和方阵温度为T_array,t时的应发电量，其中，通过温度传感器进行方阵温度的测量，且每一个方阵最少测量一块组件温度；

为直流线损，

P_pv,STC为光伏方阵的应发功率；γ_p为光伏组件的功率温度系数。

其次，针对风力发电系统的各环节建立效率评估指标模型具体为：

①对于控制器环节，由公式(6)所示，通过测量风力发电机变流器入口处的输入功率值P_wi,t和出口处的输出功率值P_w0,t，计算风力发电系统变流器的转换效率评估值：

式(6)中，

为t₁～t_n时段风力发电系统变流器的转换效率；

②对于风力机距离控制器之间的环节，此环节下的损耗为电缆损耗(适用于中小型风力发电机)，由公式(7)来计算风力发电机变流器的转换效率评估值：

式(7)中，

为t₁～t_n时段风力发电机变流器的转换效率评估值，I_wi,t为控制器或变流器的输入线电流，R_Line为线缆阻抗，P_w,rate为风力发电机的额定功率；

③对于风机环节，考虑机组的实际运行环境温度、大气压强以及来流风速的湍流强度等影响因素，对风电机组功率进行相应的修正，由公式(8)所示：

式(8)中，

为t₁～t_n时段风力发电机的效率评估值，P_w′_,t(v)为t采集时刻下修正后的风力发电机动态输出功率。

S200、在预设历史数据采集时间内将采集到的历史数据代入到效率评估指标模型，计算各环节的历史效率评估值；一实施例中，历史数据包括历史系统运行数据、历史环境参数以及效率评估指标模型参数；将历史效率评估值划分得到n个效率等级；其中：

采集到的系统运行数据包括风力发电机的变流器输入/输出功率值、风力发电机的控制器/变流器输入线电流、光伏发电系统关口计量点电量、光伏变流器输入/输出功率值、光伏发电系统汇入汇流柜的各路电流值和光伏方阵温度；

采集到的环境参数包括太阳辐射、风速、风向、温度、大气压强和空气密度等；

采集到的效率评估指标模型参数一部分用于记录系统基本情况便于系统效率横向对标，例如组件型号、组件数量、组串数量、变流器型号等；另一部分将代入公式(1)-公式(8)进行对应效率评估值的计算，其包括额定功率、功率温度系数、变流器型号、变流器额定功率、变流器最大效率、变流器效率范围、各路线缆型号和长度；

对于系统其它参数设定包括数据采集时间和效率评估周期，需要说明的是，数据采集时间和效率评估周期可根据用户需求进行设计，一实施例中，设定数据采集时间范围为1-10min，设定效率评估周期范围为1-60个月；另外，根据已设定的数据采集时间间隔，采集到系统运行数据和环境参数后，可将上述数据分别存入光伏发电系统以及风力发电系统下采用的数据库、环境数据库。为了保证评估数据的精准度，本实施例中，在将采集到的数据代入到效率评估指标模型，计算各环节的历史效率评估值之前，还包括先识别采集数据中的坏数据并移除坏数据，再将移除坏数据之后的采集数据代入到效率评估模型。需要说明的是，坏数据是指数据采集时出现的坏数据，包括缺测、超出测量范围的异常值、测量数值长期不变等情况。在移除坏数据的时候，在识别到多个测量值不发生变化的数据货超出测量范围的数据时将其进一步归类为坏数据后，做进一步移除。

当前步骤下，在进行效率等级划分的时候，可选择以下方法中的一种或多种进行综合评估后，输出等级划分结果：

第一种方法，本实施例中称其为自适应评价方法，当前方法下，首先，设定系统装机容量阈值将接入管理的分布式可再生能源发电系统分为小型系统、中型系统和大型系统，一实施例中，小型系统的装机容量小于等于100kW，中型系统的装机容量大于100kW且小于等于1MW，大型系统的装机容量大于1MW；

其次，根据同类系统下各环节的效率评估值采用k近邻方法将各个环节划分为n个效率等级。具体的，一实施例中，划分得到4个效率等级且同类光伏发电系统数量大于4。对同类光伏发电系统某个环节进行效率等级划分，k近邻法的具体步骤如下：

(1)从含有X个效率数据的集合中随机选择4个聚类对象作为初始聚类中心，聚类对象为同类光伏发电系统同一环节同时期的效率数据；

(2)计算每个聚类对象与聚类中心的距离，如公式(9)所示：

将与聚类中心y_j距离最近的聚类对象归到y_j类；式(9)中，x_i,m为第i个聚类对象的第m个数据，y_j,m为第j个聚类中心的第m个数据。

(3)重新计算聚类中心，如公式(10)所示：

式(10)中，x_yj,z,m为归到y_j类的第z个聚类对象的第m个数据；Z_yj为分到y_j类的聚类对象个数。

(4)循环步骤(2)和步骤(3)直到每个聚类对象的分类不在发生变化或聚类中心不再发生变化为止，输出等级划分结果。

当前方法下，采用聚类的方法，将各环节效率进行聚类，一实施例中聚类数可设为4。以光伏逆变器环节为例，若监测到的光伏逆变器有20个，且由用户设定的效率评估周期为6个月，则将前6个月的系统运行数据根据公式(1)-公式(5)进行计算，得到20个光伏逆变器的效率评估值。进一步，将这20个效率评估值采用k近邻法进行聚类后，将光伏逆变器环节效率划分为4类。这4类对应即为等级1至等级4。

第二种方法，本实施例中称其为专家评价方法，该方法下首先根据专家经验来设定各环节的最小效率评估值和最大效率评估值，然后根据各环节实际取到的最大和最小率评估值平均进行区间划分后，得到n个取值区间，其中，每个取值区间对应为一个效率等级，根据效率评估值所属区间，确定各环节的效率等级，例如，划分得到4个效率等级即等级1～等级4，可根据实际的应用需求，取等级1为对应的最高等级，则等级4为对应的最低等级，或，取等级1为对应的最低等级，则等级4为对应的最高等级。

需要说明的是，划分后得到的等级可以用于横向对标不同系统的同一环节的效率，从而能够及时发现效率低下或者出现问题的环节。横向对标效率可以是同品牌设备同一环节对标，也可以是不同品牌设备同一环节对标。对标结果可以为系统规划时设备选择、运维时设备维护提供依据。

S300、采用支持向量机模型训练算法，分别对各环节进行模型训练，建立各环节的状态评估模型；将历史效率评估值作为状态评估模型的输入，将系统工作状态作为状态评估模型的输出；其中，在进行模型训练的时候可参考以下步骤：

S310、数据集准备阶段下，将某环节10min效率历史计算值作为支持向量机模型输入，对应时刻该环节的系统工作状态作为模型输出，需要说明的是，系统工作状态包括故障、维修和正常运行状态，上述3种状态在本实施例中用离散化的数值进行表示，例如0、2、1。

S320、对效率数据集进行缩放操作；

S330、选取核函数，利用训练数据集对支持向量机模型参数进行网格搜索寻优；

S340、将寻优得到的C、γ参数以及训练数据集输入到支持向量机模型中进行模型训练，得到基于分环节效率的系统状态评估模型；其中，C为惩罚系数，γ为径向基函数中的参数。

以上便是系统状态评估模型的训练过程，支持向量机是一种有着坚实理论基础的小样本学习方法，不同于现有的统计方法，其能够高效的从训练样本到预报样本的“转导推理”，大大简化了通常的分类和回归等问题。

S400、计算各环节的最新效率评估值，并将最新效率评估值作为状态评估模型的输入，输出各环节下的最新系统工作状态；再将各环节的最新效率评估值与每个效率等级下划分到的效率评估值进行逐一匹配后，输出各环节的效率等级，其中，在各环节效率等级下，结合设定的系统运行效率指标和各环节下的最新系统工作状态，输出效率评估结果。

一实施例中，根据运行效率指标和状态评估结果，在设定的评估周期返回各环节效率评级和该环节检查和优化建议。光伏发电系统各环节效率评估结果及建议如表1所示。

表1 光伏发电系统各环节效率评估结果及建议

实施例2：

请参考图4，其为本申请一种分布式可再生能源发电系统的效率评估系统的一个实施例的结构示意图，本实施例公开的一种分布式可再生能源发电系统的效率评估系统，包括效率评估指标模型模块10、效率等级划分模块20、各环节状态评估模型建立模块30和评估结果反馈模块40，其中：

效率评估指标模型模块10用于对分布式可再生能源发电系统进行环节划分，得到若干个用于进行系统效率评估的环节，针对各环节建立效率评估指标模型；

效率等级划分模块20用于在预设历史数据采集时间内将采集到的历史数据代入到效率评估指标模型，计算各环节的历史效率评估值；历史数据包括历史系统运行数据、历史环境参数以及预设模型参数；将历史效率评估值划分得到n个效率等级；

各环节状态评估模型建立模块30用于采用支持向量机模型训练算法，分别对各环节进行模型训练，建立各环节的状态评估模型；将历史效率评估值作为状态评估模型的输入，将系统工作状态作为状态评估模型的输出；

评估结果反馈模块40用于计算各环节的最新效率评估值，并将最新效率评估值作为状态评估模型的输入，输出各环节下的最新系统工作状态；再将各环节的最新效率评估值与每个效率等级下划分到的效率评估值进行逐一匹配后，输出各环节的效率等级，其中，在各环节效率等级下，结合设定的系统运行效率指标和各环节下的最新系统工作状态，输出效率评估结果。

一实施例中，效率等级划分模块20包括自适应评价模块201(具体的结构示意图可参考图5)，其中：

自适应评价模块201用于设定系统装机容量阈值将接入管理的分布式可再生能源发电系统分为小型系统、中型系统和大型系统，其中，小型系统的装机容量小于等于100kW，中型系统的装机容量大于100kW且小于等于1MW，大型系统的装机容量大于1MW；根据同类系统下各环节的效率评估值采用k近邻方法将各个环节划分为n个效率等级。

一实施例中，效率等级划分模块20包括专家评价模块202(具体的结构示意图可参考图6)，其中：

专家评价模块202用于根据各环节下设定的最小效率评估值和最大效率评估值进行区间划分后，得到n个取值区间，其中，每个取值区间对应于一个效率等级，根据效率评估值所属区间，确定各环节的效率等级。

本申请公开的一种分布式可再生能源发电系统的效率评估方法及系统，围绕分布式光伏发电和风力发电系统，将系统按物理特性进行环节划分，并建立相应效率评估指标，其中采用了专家经验或自适应方法评估各环节的效率情况，并基于超短期分环节效率计算评估运行状态是否异常，不仅可以了解系统的运行情况，还可以通过各环节效率评估各环节设备状态，及时发现系统各环节的异常状态。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种分布式可再生能源发电系统的效率评估方法，其特征在于，包括：

对分布式可再生能源发电系统进行环节划分，得到若干个用于进行系统效率评估的环节，针对各环节建立效率评估指标模型；

在预设历史数据采集时间内将采集到的历史数据代入到效率评估指标模型，计算各环节的历史效率评估值；所述历史数据包括历史系统运行数据、历史环境参数以及预设模型参数；将所述历史效率评估值划分得到n个效率等级；

采用支持向量机模型训练算法，分别对各环节进行模型训练，建立各环节的状态评估模型；将所述历史效率评估值作为所述状态评估模型的输入，将系统工作状态作为所述状态评估模型的输出；

计算各环节的最新效率评估值，并将所述最新效率评估值作为状态评估模型的输入，输出各环节下的最新系统工作状态；再将各环节的最新效率评估值与每个效率等级下划分到的效率评估值进行逐一匹配后，输出各环节的效率等级，其中，在各环节效率等级下，结合设定的系统运行效率指标和各环节下的所述最新系统工作状态，输出效率评估结果。

2.根据权利要求1所述的效率评估方法，其特征在于，所述分布式可再生能源发电系统包括光伏发电系统和风力发电系统，所述对分布式可再生能源发电系统进行环节划分具体为：

将光伏发电系统进行环节划分得到光伏变流器出口到关口计量点环节、光伏变流器环节、光伏方阵到光伏变流器环节和光伏方阵环节；

将风力发电系统进行环节划分得到控制器环节、风力机距离控制器之间的环节和风力机环节。

3.根据权利要求2所述的效率评估方法，其特征在于，针对光伏发电系统的各环节建立效率评估指标模型具体为：

对于光伏变流器出口到关口计量点环节，由公式(1)所示，通过测量光伏变流器出口功率及关口计量点电量，计算光伏变流器出口到关口计量点的效率评估值：

式(1)中，

为t₁～t_n时段光伏变流器出口到关口计量点的效率评估值，P_pv0,t为t采集时刻下的光伏变流器输出功率值，Δt为数据采集时间间隔，

和

分别为t₁数据采集时刻和t_n数据采集时刻下的光伏发电系统关口计量点电量；

对于光伏变流器环节，由公式(2)所示，通过测量光伏变流器入口处的输入功率值P_pvi,t和出口处的输出功率值P_pv0,t，计算光伏变流器的转换效率评估值：

式(2)中，

为t₁～t_n时段光伏变流器的转换效率评估值；

对于光伏方阵到光伏变流器环节，由公式(3)所示，对于采用两级直流汇流的光伏系统，计算当前光伏系统的直流线损率评估值：

式(3)中，

为t₁～t_n时段光伏发电系统的直流线损率评估值，I_pv,m,t为光伏发电系统第二级汇入汇流柜的各路电流，I_x,t为第一级汇入汇流柜的各路电流，R_Line,x和R_Line,m分别为第一级汇流前的各路线缆阻抗和第二级汇流前的各路线缆阻抗；

对于光伏方阵环节，通过公式(4)来计算光伏方阵的发电效率评估值η_array：

式(4)中，P′_pv,t为光伏方阵在辐照为S和方阵温度为T_array,t时的应发电量，其中，通过温度传感器进行方阵温度的测量，且每一个方阵最少测量一块组件温度；

为直流线损，

P_pv,STC为光伏方阵的应发功率；γ_p为光伏组件的功率温度系数。

4.根据权利要求2所述的效率评估方法，其特征在于，针对风力发电系统的各环节建立效率评估指标模型具体为：

对于控制器环节，由公式(6)所示，通过测量风力发电机变流器入口处的输入功率值P_wi,t和出口处的输出功率值P_w0,t，计算风力发电系统变流器的转换效率评估值：

式(6)中，

为t₁～t_n时段风力发电系统变流器的转换效率；

对于风力机距离控制器之间的环节，由公式(7)来计算风力发电机变流器的转换效率评估值：

式(7)中，

为t₁～t_n时段风力发电机变流器的转换效率评估值，I_wi,t为控制器或变流器的输入线电流，R_Line为线缆阻抗，P_w,rate为风力发电机的额定功率；

对于风力机环节，由公式(8)来计算风力发电机的效率评估值：

式(8)中，

为t₁～t_n时段风力发电机的效率评估值，P′_w,t(v)为t采集时刻下修正后的风力发电机动态输出功率。

5.根据权利要求1所述的效率评估方法，其特征在于，在所述将采集到的数据代入到效率评估指标模型，计算各环节的历史效率评估值之前，还包括先识别采集数据中的坏数据并移除坏数据，再将移除坏数据之后的采集数据代入到所述效率评估模型。

6.根据权利要求1所述的效率评估方法，其特征在于，所述针对所得的若干项效率评估值采用效率等级划分方法，划分得到n个效率等级具体为：

设定系统装机容量阈值将接入管理的分布式可再生能源发电系统分为小型系统、中型系统和大型系统，其中，小型系统的装机容量小于等于100kW，中型系统的装机容量大于100kW且小于等于1MW，大型系统的装机容量大于1MW；

根据同类系统下各环节的效率评估值采用k近邻方法将各个环节划分为n个效率等级。

7.根据权利要求1所述的效率评估方法，其特征在于，所述针对所得的若干项效率评估值采用效率等级划分方法，划分得到n个效率等级具体为：

根据设定的区间阈值进行区间划分后，得到n个取值区间，其中，每个取值区间对应为一个效率等级，根据效率评估值所属区间，确定各环节的效率等级。

8.一种分布式可再生能源发电系统的效率评估系统，其特征在于，包括：

效率评估指标模型模块，用于对分布式可再生能源发电系统进行环节划分，得到若干个用于进行系统效率评估的环节，针对各环节建立效率评估指标模型；

效率等级划分模块，用于在预设历史数据采集时间内将采集到的历史数据代入到效率评估指标模型，计算各环节的历史效率评估值；所述历史数据包括历史系统运行数据、历史环境参数以及预设模型参数；将所述历史效率评估值划分得到n个效率等级；

各环节状态评估模型建立模块，用于采用支持向量机模型训练算法，分别对各环节进行模型训练，建立各环节的状态评估模型；将所述历史效率评估值作为所述状态评估模型的输入，将系统工作状态作为所述状态评估模型的输出；

评估结果反馈模块，用于计算各环节的最新效率评估值，并将所述最新效率评估值作为状态评估模型的输入，输出各环节下的最新系统工作状态；再将各环节的最新效率评估值与每个效率等级下划分到的效率评估值进行逐一匹配后，输出各环节的效率等级，其中，在各环节效率等级下，结合设定的系统运行效率指标和各环节下的所述最新系统工作状态，输出效率评估结果。

9.根据权利要求8所述的效率评估系统，其特征在于，所述效率等级划分模块包括自适应评价模块，其中：

所述自适应评价模块，用于设定系统装机容量阈值将接入管理的分布式可再生能源发电系统分为小型系统、中型系统和大型系统，其中，小型系统的装机容量小于等于100kW，中型系统的装机容量大于100kW且小于等于1MW，大型系统的装机容量大于1MW；根据同类系统下各环节的效率评估值采用k近邻方法将各个环节划分为n个效率等级。

10.根据权利要求8所述的效率评估系统，其特征在于，所述效率等级划分模块包括专家评价模块，其中：

所述专家评价模块，用于根据各环节下设定的最小效率评估值和最大效率评估值进行区间划分后，得到n个取值区间，其中，每个取值区间对应于一个效率等级，根据效率评估值所属区间，确定各环节的效率等级。

Images