CN112884360A - 分布式光伏电站综合成效评估方法、系统、设备及介质 - Google Patents
分布式光伏电站综合成效评估方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN112884360A CN112884360A CN202110290192.4A CN202110290192A CN112884360A CN 112884360 A CN112884360 A CN 112884360A CN 202110290192 A CN202110290192 A CN 202110290192A CN 112884360 A CN112884360 A CN 112884360A
- Authority
- CN
- China
- Prior art keywords
- power generation
- power
- power station
- time interval
- station
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 18
- 230000000694 effects Effects 0.000 title claims abstract description 8
- 238000010248 power generation Methods 0.000 claims abstract description 198
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000005611 electricity Effects 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000012800 visualization Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
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
- 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
- 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—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
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种分布式光伏电站综合成效评估方法，涉及光伏发电技术领域。该方法包括：采集第一时间区间内电站的第一发电信息和天气信息，所述第一时间区间大于预设时间阈值；根据所述第一发电信息和所述天气信息，通过发电量预测模型获得第二时间区间内所述电站的理论发电量；根据所述理论发电量、电价和单位电量的补贴，确定所述电站在第二时间区间内的电站收益。该方法通过采集较长的时间段内的电站的发电信息以及天气信息，然后通过构建的电量预测模型对电站的发电量进行预测，得到较为准确的理论发电量，通过较为准确的理论发电量确定的电站收益更准确。
Description
技术领域
本申请涉及光伏发电技术领域，特别是涉及一种分布式光伏电站综合成效评估方法、系统、设备及介质。
背景技术
光伏发电是指利用太阳能资源，替代和减少石油资源发电的一种发电方式。常见的光伏发电包括分布式光伏发电，分布式光伏发电特质在用户场地附近建设、运行的发电方式，该种发电方式中，用户能够自己利用电能，也能够将多余的电能传输给电网。分布式光伏发电具有因地制宜、清洁高效、分散布局等特征，因此，该种发电方式被广泛的应用。
而在计算电站收益的过程中，需要工作人员收集材料、现场勘查、发放调查问卷、评价分析等，然后得出电站收益。
但是，该种方式中，工作人员往往仅在电站勘查一段较短的时间(例如一周)，然后利用这段时间的电站收益估算电站的整体收益(例如电站一年的收益)，容易发生以偏概全的问题。并且光伏发电容易受天气情况影响，利用较短的时间内的天气情况来估算电站的整体收益，也会导致电站收益的估算结果不准确。
发明内容
为了解决上述技术问题，本申请提供了一种分布式光伏电站综合成效评估方法，该方法通过采集较长的时间段内的电站的发电信息以及天气信息，然后通过构建的电量预测模型对电站的发电量进行预测，得到较为准确的理论发电量，通过较为准确的理论发电量确定的电站收益更准确。本申请还提供了一种分布式光伏电站综合成效评估系统、设备及介质。
本申请实施例公开了如下技术方案：
第一方面，本申请提供了一种分布式光伏电站综合成效评估方法，包括：
采集第一时间区间内电站的第一发电信息和天气信息，所述第一时间区间大于预设时间阈值；
根据所述第一发电信息和所述天气信息，通过发电量预测模型获得第二时间区间内所述电站的理论发电量；
根据所述理论发电量、电价和单位电量的补贴，确定所述电站在第二时间区间内的电站收益。
可选的，所述方法还包括：
获取所述第二时间区间内所述电站的实际发电量；
根据所述理论发电量和所述实际发电量，确定所述电站的发电能力。
可选的，所述电站的发电能力通过如下公式确定：
其中，所述第二时间区间包括多个第二时间段；En，i，r为第n个电站在第i个第二时间段内的实际发电量；En，i，T为第n个电站在第i个第二时间段内的理论发电量；An，i为所述发电能力。
可选的，所述方法还包括：
根据所述电站的发电能力，对多个电站进行排序；
根据排序结果，确定参考发电能力；
对所述发电能力低于所述参考发电能力的电站进行反馈。
可选的，所述方法还包括：
根据所述电站收益和所述发电能力，生成承载有不同类型标签的可视化图表，所述不同类型标签用于标识不同类型的光伏资源区；
向用户呈现所述可视化图表。
可选的，所述方法还包括：
响应用于用户对所述标签的触发操作；
向所述用户呈现所述光伏资源区对应的光伏发电站信息。
可选的，所述电站收益通过如下公式确定：
其中，Vi为所述第i个第二时间段的电价；Pj为第j个第二时间段内单位电量的补贴；Ei，T为第i个第二时间段内的理论发电量；Ej，B为第m个第二时间段内的理论发电量，m≤u。
第二方面，本申请提供了一种分布式光伏电站综合成效评估系统，包括：
采集模块，用于采集第一时间区间内电站的第一发电信息和天气信息，所述第一时间区间大于预设时间阈值；
预测模块，用于根据所述第一发电信息和所述天气信息，通过发电量预测模型获得第二时间区间内所述电站的理论发电量；
收益计算模块，用于根据所述理论发电量、电价和单位电量的补贴，确定所述电站在第二时间区间内的电站收益。
第三方面，本申请提供了一种设备，包括存储器和处理器；
所述存储器用于存储指令；
所述处理器用于执行所述指令，以使所述设备执行上述第一方面中任一种可选的方法。
第四方面，本申请提供了一种计算机可读存储介质，其特征在于，包括指令，所述指令用于指示所述设备执行上述第一方面中任一种可选的方法
由上述技术方案可以看出，本申请具有以下优点：
本申请提供了一种分布式光伏电站综合成效评估方法，该方法包括采集第一时间区间内电站的第一发电信息和天气信息，该第一时间区间大于预设时间阈值，如此，该第一时间区间较长，能够具有代表性。并且，该方法还考虑了该第一时间区间内的天气信息，然后通过发电量预测模型预测第二时间区间内电站的理论发电量，该理论发电量由较长时间内的发电信息以及天气信息预测得到，进而较为准确。因此，通过较为准确的理论发电量能够得到较为准确的电站收益。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种分布式光伏电站综合成效评估方法流程图；
图2为本申请实施例提供的一种分布式光伏电站综合成效评估方法流程图；
图3为本申请实施例提供的一种可视化图表的示意图；
图4为本申请实施例提供的一种分布式光伏电站综合成效评估系统的示意图。
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。
为了便于理解，下面先对本申请涉及到的技术术语进行介绍。
光伏发电是指利用太阳能资源替代和减少石油资源来发电的同一种发电方式。常见的光伏发电包括分布式光伏发电，分布式光伏发电具有因地制宜、清洁高效、分散布局等特征，因此，该种发电方式被广泛的应用。
目前，在计算电站收益的过程中需要工作人员经过收集资料、现场勘查、发放调查问卷、评价分析等，然后得出电站收益。但是，该种方式中，工作人员往往仅在电站勘查一段较短的时间(例如一周)，然后利用这段时间的电站收益估算电站的整体收益(例如电站一年的收益)，容易发生以偏概全的问题。并且光伏发电容易受天气情况影响，利用较短的时间内的天气情况来估算电站的整体收益，也会导致电站收益的估算结果不准确
为解决上述技术问题，本申请实施例提供了一种确定发电收益的方法，该方法可以由计算设备执行。具体地，计算设备采集第一时间区间内电站的第一发电信息和天气信息，该第一时间区间大于预设时间阈值，根据第一发电信息和天气信息，通过发电量预测模型获得第二时间区间内电站的理论发电量，然后根据该理论发电量、电价和单位电量的补贴来确定电站在第二时间区间内的电站收益。
一方面，该方法通过采集较长的时间区间内电站的发电信息和天气信息，然后根据该较长时间区间内的发电信息和天气信息通过发电量预测模型，能够得到较为准确的理论发电量，进而根据较为准确的理论发电量能够得到较为准确的电站收益。
另一方面，该方法还考虑了天气信息，从而进一步降低了发电量预测模型的预测误差，进而得到更为准确的理论发电量。
为了使得本申请的技术方案更加清楚、易于理解，下面以计算设备执行该方法为例，对本申请实施例提供的分布式光伏电站综合成效评估方法进行详细介绍。
如图1所示的分布式光伏电站综合成效评估方法流程图，该方法包括如下步骤：
S101：计算设备采集第一时间区间内电站的第一发电信息和天气信息，第一时间区间大于预设时间阈值。
在一些实施例中，预设时间阈值可以是一年、半年等，例如预设时间可以为360天，也可以为180天。如此，可以保证第一时间区间的区间长度足够长，使采集到的电站的第一发电信息具有代表意义。
在一些实施例中，第一时间区间可以是分为多个第一时间段，例如将第一时间区间按照季度分为4个第一时间段。举例说明，第一时间区间为180天，每个第一时间段为45天，计算设备可以在每个季度采集45天的第一发电信息和天气信息，然后得到第一时间区间内的第一发电信息和天气信息。如此，计算设备能够采集到各个第一时间段内的第一发电信息和天气信息，使得采集的数据分布更加均匀，更具有代表意义。
其中，第一发电信息可以指影响电站发电的信息，例如第一发电信息可以包括电站的运行状态、发电功率、逆变器运行状态、运维工单等。天气信息指天气情况如晴天、多云、阴、雨、雪等，天气信息还可以指辐照度、温度、湿度、风速、能见度、云量、降水量、季节等。需要说明的是，影响电站发电的外部环境信息均可为天气信息。
S102：计算设备根据第一发电信息和天气信息，通过发电量预测模型获得第二时间区间内电站的理论发电量。
计算设备采集到第一发电信息和天气信息后，可以通过发电量预测模型获得第二时间区间内电站的理论发电量。其中，S101中的第一时间区间的区间长度可以是趋近于第二时间区间的区间长度，如此，第一时间区间的区间长度与第二时间区间的区间长度近似相等，进而能够进一步提高理论发电量的准确度。
其中，发电量预测模型可以是计算设备或其他训练设备通过历史第一发电信息、历史天气信息以及历史发电量进行训练得到，然后将训练好的发电量预测模型存储在计算设置中。在一些实施例中，可以通过构建融合类、小波分解和支持向量机(support vectormachine，SVM)回归的方式得到发电量预测模型，本申请对此不进行限定，本领域技术人员可以根据实际需要选择合适的方式对发电量预测模型进行构建和训练。
在一些实施例中，计算设备还可以通过故障分析模型对电站是否发生故障进行分析。例如，计算设备在得到上述理论发电量后，可以将该理论发电量与实际发电量进行比较，当理论发电量与实际发电量之间的差值超过预设误差阈值时，则计算设备通过故障分析模型对上述第一发电信息以及天气信息进行分析，确定电站是否发生故障，若发生故障，还可以分析故障的原因，以及给出相应的解决方案，以便运维人员进行检修，提高检修效率。
在一些实现方式中，电站故障包括两种类型，电网侧故障和设备侧故障。具体地，电网侧故障包括但不限于电网掉电、电网欠压、电网过压、电压不平衡、电网过频、电网欠频、频率不稳定等。设备侧故障包括但不限于PV组件过载、PV异常告警、电弧故障、组串反接、组串组件异常、绝缘阻抗异常、直流电路异常、直流电弧故障、逆变电路异常、交流继电器异常、漏电流过高、硬件故障、通讯故障等。
在另一些实现方式中，计算设备还可以对阴影遮挡、积雪覆盖、灰尘遮挡、落叶覆盖、组件损坏等故障类型进行判断及告警。
在另一些实施例中，计算设备还可以通过如下公式，获得理论发电量：
Ei，T＝P×H×θ×(1-ki)
其中，Ei，T为第i个第二时间段的理论发电量，P为电站的光伏组件标称功率之和，H为电站的第二时间段等效利用小时数，θ为光伏发电的系统效率，取值可以是75％-85％之间，ki为第i个第二时间段的组件累计衰减系数。
举例说明，第二时间段可以是一年，则Ei，T为第i年的理论发电量，H为电站的年等效利用小时数，ki为第i年的组件累计衰减系数。
S103：计算设备根据理论发电量、电价和单位电量的补贴，确定电站在第二时间区间内的电站收益。
电价可以是脱硫标杆上网电价，单位电量的补贴可以是相关机构对每单位电量给予的奖励。
在一些实施例中，计算设备可以通过如下公式确定电站在第二时间区间内的电站收益：
其中，Vi为所述第i个第二时间段的电价；Pj为第j个第二时间段内单位电量的补贴；Ei，T为第i个第二时间段内的理论发电量；Ej，B为第m个第二时间段内的理论发电量，m≤u。
在一些实施例中，相关机构仅在一段时间内对电站给予奖励。举例说明，第二时间段为一年，u＝5，m＝3时，则表明相关机构在前3年会基于电站的发电量对电站给予奖励，而在后2年，则不回对电站给予奖励。
如此，计算设备可以通过上述公式计算得出电站收益，计算设备在计算电站收益所用到的原始数据均为较准确的数据，进而得到的电站收益也更准确。
以上介绍了计算设备分布式光伏电站综合成效评估方法，在一些实施例中，计算设备还可以确定电站的发电能力，根据发电能力以及电站收益生成可视化图表，并向用户呈现。下面详细介绍。
如图2所示的又一种分布式光伏电站综合成效评估方法流程图，该方法在上述图1所示的步骤的基础上，还包括如下步骤：
S201：计算设备获取第二时间区间内电站的实际发电量。
在一些实施例中，计算设备可以通过电站的电表，来获取第二时间区间内电站的实际发电量，在其他实施例中，计算设备也可以通过获取其他设备采集的实际发电量，来获取第二时间区间内电站的实际发电量。本申请对此不限定。
S202：计算设备根据理论发电量和实际发电量，确定电站的发电能力。
在一些实施例中，计算设备可以根据理论发电量和实际发电量来确定电站的发电能力，例如通过如下公式确定电站的发电能力：
其中，所述第二时间区间包括多个第二时间段；En，i，r为第n个电站在第i个第二时间段内的实际发电量；En，i，T为第n个电站在第i个第二时间段内的理论发电量；An，i为所述发电能力。
通过上述公式，可以确定每一个电站的发电能力，以便计算设备根据电站的发电能力对不同的电站进行对比分析。
S203：计算设备根据电站的发电能力，多对个电站进行排序。
在一些实施例中，计算设备可以根据电站的发电能力，对多个电站进行排序。例如计算设备对5个电站进行排序，第一电站的发电能力为60％、第二电站的发电能力为80％、第三电站的发电能力为70％、第四电站的发电能力为45％、第五电站的发电能力为65％，如此计算设备可以得到的排序为[第二电站、第三电站、第五电站、第一电站、第四电站]。
S204：计算设备根据排序结果，确定参考发电能力。
计算设备得到上述排序结果后，可以根据该排序结果确定参考发电能力。在一些实施例中，计算设备可以将排序结果中位于队列的40％对应的电站的发电能力作为参考发电能力。例如，将上述第一电站的发电能力作为参考发电能力，即参考发电能力为60％。
S205：计算设备对发电能力低于参考发电能力的电站进行反馈。
计算设备对于发电能力低于参考发电能力的电站进行反馈，如上述，参考发电能力为60％，发电能力低于参考发电能力的电站包括第一电站和第四电站，如此，计算设备可以针对第一电站和第四电站进行反馈，以提示运维人员第一电站和第四电站的发电能力与其他电站的发电能力相差较大，进而以便运维人员针对第一电站和第四电站进行分析，确定发电能力相差较大的原因等。
在本实施例中，参考发电能力并不是一成不变，参考发电能力随着全部电站的发电能力的变化而变化，如此，根据多数电站排序后的相对值得到的参考发电能力更具有参考价值，进一步的更有助于提高电站的发电能力。
S206：计算设备根据电站收益和发电能力，生成承载有不同类型标签的可视化图表。
在一些实施例中，可视化图表可以通过直角坐标系的方式呈现，在直角坐标系中承载有类型标签，其中，类型标签用于标识光伏资源区，不同类型标签可以根据光伏资源区的受光照程度来划分。在一些实现方式中，计算设备根据电站收益和发电能力建立直角坐标系，如图3所示，横轴表示发电能力，纵轴表示电站收益。计算设备在该直角坐标系中划分不同的区域，例如划分为9个区域，其中，位于第三区域的电站为发电能力较强，并且电站收益较高的电站，位于第七区域的电站为发电能力较弱，并且电站收益较差的电站。
S207：计算设备向用户呈现可视化图表。
计算设备在生成上述可视化图表后，可以向用户呈现上述可视化图表。例如计算设备可以包括显示器，同时显示器向用户呈现可视化图表。
S208：计算设备响应于用户对标签的触发操作。
在一些实施例中，计算设备可以响应于用户对标签的触发操作。例如，显示器呈现可视化图表后，用户可以点击可视化图表中的类型标签31，计算设备响应用户对类型标签31的点击操作。
S209：计算设备向用户呈现光伏资源区对应的光伏发电站信息。
当用户触发类型标签31后，计算设备向用户呈现光伏资源区对应的光伏发电站信息，例如计算设备向用户呈现光伏发电站的基础档案、运行状态、设备故障等属性信息。
需要说明的是，上述S203至S205与S206-S209可以同时执行，也可以先后执行，本申请不限定上述S203至S205与S206-S209的执行顺序。
基于上述内容描述，该方法通过采集较长的时间区间内电站的发电信息和天气信息，然后根据该较长时间区间内的发电信息和天气信息通过发电量预测模型，能够得到较为准确的理论发电量，进而根据较为准确的理论发电量能够得到较为准确的电站收益。进一步地，该方法还考虑了天气信息，从而进一步降低了发电量预测模型的预测误差，进而得到更为准确的理论发电量。
此外，该计算设备还可以对光伏发电站的相关信息进行分析。例如，计算设备可以录入分布式光伏电站的国家已下达计划数值(kW)、列入国家财政补贴目录值(kW)、实际建成值(kW)、已并网发电值(kW)。然后计算设备按照国家、光资源区、省、地市、县的维度，或者按工商业屋顶、户用、光伏扶贫(包含村级(联村)、户用、农光互补和地面分布式光伏电站)等维度，统计分析分布式光伏电站历年国家已下达计划数值(kW)、列入国家财政补贴目录值(kW)、实际建成值(kW)、已并网发电值等数值之间的差值，分析偏差原因，并对差异较大的省份、地市及县进行预警显示。
在另一些实施例中，计算设备还可以录入分布式光伏电站的国家计划下达时间、实际开工时间、实际建成时间、并网申请时间、并网接入时间。然后计算设备按照国家、光资源区、省、地市、县的维度，或者按工商业屋顶、户用、光伏扶贫(包含村级(联村)、户用、农光互补和地面分布式光伏电站)等维度，统计分析分布式光伏电站的国家计划下达时间、实际开工时间、实际建成时间、并网申请时间、并网接入时间等各环节时长，并分析造成各环节时间过长原因，从而为后续相关规划与光伏发电站的建设提供指导意见。
本申请实施例还提供了一种分布式光伏电站综合成效评估系统，如图4所示，该系统包括：
采集模块401，用于采集第一时间区间内电站的第一发电信息和天气信息，所述第一时间区间大于预设时间阈值；
预测模块402，用于根据所述第一发电信息和所述天气信息，通过发电量预测模型获得第二时间区间内所述电站的理论发电量；
收益计算模块403，用于根据所述理论发电量、电价和单位电量的补贴，确定所述电站在第二时间区间内的电站收益。
可选的，所述系统还包括发电能力计算模块；
采集模块401，还用于获取所述第二时间区间内所述电站的实际发电量；
发电能力计算模块，用于根据所述理论发电量和所述实际发电量，确定所述电站的发电能力。
可选的，发电能力计算模块，具体通过如下公式计算电站的发电能力：
其中，所述第二时间区间包括多个第二时间段；En，i，r为第n个电站在第i个第二时间段内的实际发电量；En，i，T为第n个电站在第i个第二时间段内的理论发电量；An，i为所述发电能力。
可选的，所述系统还包括排序模块和反馈模块；
所述排序模块用于根据所述电站的发电能力，对多个电站进行排序；
所述反馈模块用于根据排序结果，确定参考发电能力；对所述发电能力低于所述参考发电能力的电站进行反馈。
可选的，所述反馈模块，还用于根据所述电站收益和所述发电能力，生成承载有不同类型标签的可视化图表，所述不同类型标签用于标识不同类型的光伏资源区；向用户呈现所述可视化图表。
可选的，所述反馈模块，还用于响应用于用户对所述标签的触发操作；向所述用户呈现所述光伏资源区对应的光伏发电站信息。
可选的，所述收益计算模块403具体通过如下公式确定电站收益：
其中，Vi为所述第i个第二时间段的电价；Pj为第j个第二时间段内单位电量的补贴；Ei，T为第i个第二时间段内的理论发电量；Ej，B为第m个第二时间段内的理论发电量，m≤u。
本申请实施例还提供了一种设备，该设备包括存储器和处理器；所述存储器用于存储指令；所述处理器用于执行所述指令，以使所述设备执行上述实施例中的方法。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质包括指令，所述指令用于指示所述设备执行上述实施例中的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元及模块可以是或者也可以不是物理上分开的。另外，还可以根据实际的需要选择其中的部分或者全部单元和模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
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，仅是本申请的较佳实施例而已，并非对本申请作任何形式上的限制。虽然本申请已以较佳实施例揭露如上，然而并非用以限定本申请。任何熟悉本领域的技术人员，在不脱离本申请技术方案范围情况下，都可利用上述揭示的方法和技术内容对本申请技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本申请技术方案的内容，依据本申请的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本申请技术方案保护的范围内。
Claims (10)
1.一种分布式光伏电站综合成效评估方法，其特征在于，包括：
采集第一时间区间内电站的第一发电信息和天气信息，所述第一时间区间大于预设时间阈值；
根据所述第一发电信息和所述天气信息，通过发电量预测模型获得第二时间区间内所述电站的理论发电量；
根据所述理论发电量、电价和单位电量的补贴，确定所述电站在第二时间区间内的电站收益。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述第二时间区间内所述电站的实际发电量；
根据所述理论发电量和所述实际发电量，确定所述电站的发电能力。
3.根据权利要求2所述的方法，其特征在于，所述电站的发电能力通过如下公式确定：
其中，所述第二时间区间包括多个第二时间段；En，i，r为第n个电站在第i个第二时间段内的实际发电量；En，i，T为第n个电站在第i个第二时间段内的理论发电量；An，i为所述发电能力。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
根据所述电站的发电能力，对多个电站进行排序；
根据排序结果，确定参考发电能力；
对所述发电能力低于所述参考发电能力的电站进行反馈。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
根据所述电站收益和所述发电能力，生成承载有不同类型标签的可视化图表，所述不同类型标签用于标识不同类型的光伏资源区；
向用户呈现所述可视化图表。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
响应用于用户对所述标签的触发操作；
向所述用户呈现所述光伏资源区对应的光伏发电站信息。
7.根据权利要求1至6任一项所述的方法，所述电站收益通过如下公式确定：
其中，Vi为所述第i个第二时间段的电价；Pj为第j个第二时间段内单位电量的补贴；Ei，T为第i个第二时间段内的理论发电量；Ej，B为第m个第二时间段内的理论发电量，m≤u。
8.一种分布式光伏电站综合成效评估系统，其特征在于，包括：
采集模块，用于采集第一时间区间内电站的第一发电信息和天气信息，所述第一时间区间大于预设时间阈值；
预测模块，用于根据所述第一发电信息和所述天气信息，通过发电量预测模型获得第二时间区间内所述电站的理论发电量；
收益计算模块，用于根据所述理论发电量、电价和单位电量的补贴，确定所述电站在第二时间区间内的电站收益。
9.一种设备，其特征在于，包括存储器和处理器；
所述存储器用于存储指令；
所述处理器用于执行所述指令，以使所述设备执行上述权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，包括指令，所述指令用于指示所述设备执行上述权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110290192.4A CN112884360A (zh) | 2021-03-18 | 2021-03-18 | 分布式光伏电站综合成效评估方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110290192.4A CN112884360A (zh) | 2021-03-18 | 2021-03-18 | 分布式光伏电站综合成效评估方法、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112884360A true CN112884360A (zh) | 2021-06-01 |
Family
ID=76042753
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110290192.4A Pending CN112884360A (zh) | 2021-03-18 | 2021-03-18 | 分布式光伏电站综合成效评估方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112884360A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116308272A (zh) * | 2023-02-23 | 2023-06-23 | 国家能源集团江苏电力有限公司 | 用于分布式光伏电站集群的全周期管理系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103218674A (zh) * | 2013-04-07 | 2013-07-24 | 国家电网公司 | 基于bp神经网络模型的光伏发电系统输出功率预测方法 |
| CN104794544A (zh) * | 2015-04-24 | 2015-07-22 | 国家电网公司 | 基于智能算法的分布式光伏发电防窃电监测方法 |
| CN106779223A (zh) * | 2016-12-21 | 2017-05-31 | 创维互联（北京）新能源科技有限公司 | 一种光伏系统发电功率实时预测方法及装置 |
| CN107422180A (zh) * | 2017-02-28 | 2017-12-01 | 张家口安智科为新能源有限公司 | 一种基于云监控的光伏电站的功率预测系统 |
| CN108038518A (zh) * | 2018-01-02 | 2018-05-15 | 华北电力大学（保定） | 一种基于气象数据的光伏发电功率确定方法及系统 |
| CN109165769A (zh) * | 2018-07-03 | 2019-01-08 | 国网电子商务有限公司 | 光伏电站选址方法、装置、设备及计算机可读存储介质 |
| CN109301859A (zh) * | 2018-09-10 | 2019-02-01 | 许继集团有限公司 | 分布式光伏发电站发电效率监测方法与系统 |
| CN109919353A (zh) * | 2019-01-11 | 2019-06-21 | 杭州电子科技大学 | 一种基于空间相关性的arima模型的分布式光伏预测方法 |
-
2021
- 2021-03-18 CN CN202110290192.4A patent/CN112884360A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103218674A (zh) * | 2013-04-07 | 2013-07-24 | 国家电网公司 | 基于bp神经网络模型的光伏发电系统输出功率预测方法 |
| CN104794544A (zh) * | 2015-04-24 | 2015-07-22 | 国家电网公司 | 基于智能算法的分布式光伏发电防窃电监测方法 |
| CN106779223A (zh) * | 2016-12-21 | 2017-05-31 | 创维互联（北京）新能源科技有限公司 | 一种光伏系统发电功率实时预测方法及装置 |
| CN107422180A (zh) * | 2017-02-28 | 2017-12-01 | 张家口安智科为新能源有限公司 | 一种基于云监控的光伏电站的功率预测系统 |
| CN108038518A (zh) * | 2018-01-02 | 2018-05-15 | 华北电力大学（保定） | 一种基于气象数据的光伏发电功率确定方法及系统 |
| CN109165769A (zh) * | 2018-07-03 | 2019-01-08 | 国网电子商务有限公司 | 光伏电站选址方法、装置、设备及计算机可读存储介质 |
| CN109301859A (zh) * | 2018-09-10 | 2019-02-01 | 许继集团有限公司 | 分布式光伏发电站发电效率监测方法与系统 |
| CN109919353A (zh) * | 2019-01-11 | 2019-06-21 | 杭州电子科技大学 | 一种基于空间相关性的arima模型的分布式光伏预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 钱子伟;孙毅超;王琦;季顺祥;周敏;曾柏琛;: "基于OS-ELM的光伏发电中长期功率预测", 南京师范大学学报(工程技术版), vol. 20, no. 01, pages 160 - 161 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116308272A (zh) * | 2023-02-23 | 2023-06-23 | 国家能源集团江苏电力有限公司 | 用于分布式光伏电站集群的全周期管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8606416B2 (en) | Energy generating system and control thereof | |
| Nordmann et al. | Analysis of long-term performance of PV systems | |
| US20160306075A1 (en) | Weather-driven multi-category infrastructure impact forecasting | |
| CN106351793A (zh) | 用于改进风力发电的系统和方法 | |
| CN101167028A (zh) | 改进可再生能源系统中的性能度量 | |
| Black et al. | Weather data for energy analytics: From modeling outages and reliability indices to simulating distributed photovoltaic fleets | |
| CN107403015A (zh) | 一种基于时间序列相似性的短期光功率预测方法 | |
| Pepe et al. | Model estimation for solar generation forecasting using cloud cover data | |
| Mohan et al. | Solar energy disaggregation using whole-house consumption signals | |
| Khalyasmaa et al. | Prediction of solar power generation based on random forest regressor model | |
| CN109802634B (zh) | 一种基于大数据的光伏电站的智能运维方法及运维系统 | |
| WO2020202184A1 (en) | A system employing electrical digital twin for solar photovoltaic power plant | |
| CN112884360A (zh) | 分布式光伏电站综合成效评估方法、系统、设备及介质 | |
| JP2020108188A (ja) | Ｐｖ出力予測支援装置、ｐｖ出力予測装置、ｐｖ出力予測支援方法及びｐｖ出力予測支援プログラム | |
| JP6005318B2 (ja) | 発電量評価装置、発電量評価方法および発電量評価プログラム | |
| CN109474069B (zh) | 一种分布式发电站状态监测方法 | |
| CN113688987A (zh) | 光伏监测模型的训练方法、光伏设备的监测方法及设备 | |
| Cho et al. | Application of Parallel ANN-PSO to Hourly Solar PV Estimation | |
| US11728767B2 (en) | Techniques for quantifying behind-the-meter solar power generation | |
| Madub et al. | Evaluation of IoT for Automisation of solar map production: Case of Mauritius and Outer Islands | |
| Ku et al. | ESS Simulation based on PV Generation Prediction | |
| Cristian-Gyozo | The Use of Machine Learning Techniques for Monitoring of Photovoltaic Panel Functionality | |
| Watanabe et al. | Total PV Power Prediction over a Wide Area Using Forecasted Values of Solar Radiation at Multiple Observation Points | |
| Chang et al. | Forecasting Localized Weather-Based Photovoltaic Energy Production | |
| Carpenter et al. | Weather information for Smart Grids |
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 |