CN112926895A - 一种光伏电站系统综合能效评价方法 - Google Patents
一种光伏电站系统综合能效评价方法 Download PDFInfo
- Publication number
- CN112926895A CN112926895A CN202110373991.8A CN202110373991A CN112926895A CN 112926895 A CN112926895 A CN 112926895A CN 202110373991 A CN202110373991 A CN 202110373991A CN 112926895 A CN112926895 A CN 112926895A
- Authority
- CN
- China
- Prior art keywords
- matrix
- evaluation
- photovoltaic power
- energy efficiency
- power 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 137
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 137
- 239000013598 vector Substances 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000000428 dust Substances 0.000 claims description 7
- 230000015556 catabolic process Effects 0.000 claims description 4
- 238000006731 degradation reaction Methods 0.000 claims description 4
- 238000011002 quantification Methods 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000010248 power generation Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 238000004904 shortening Methods 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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—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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种光伏电站系统综合能效评价方法，属于能效评价技术领域，以解决现有光伏电站系统的能效评价指标单一，检测评价结果不够全面的问题。方法包括建立光伏电站系统的综合能效评价指标体系、对各个指标进行指标权重分析、光伏电站系统能效模糊综合评价。本发明是AHP法与模糊综合评价法相结合的一种光伏电站系统的能效评价方法，该方法可以对多个光伏电站系统的综合能效进行评价，建立了完善的能效综合评价指标体系，采用AHP法确定各能效指标的权重，采用模糊综合评价法对光伏电站系统的能效进行综合评价，使得综合评价结果具有较高的合理性和可靠性。
Description
技术领域
本发明属于能效评价技术领域，具体涉及一种光伏电站系统综合能效评价方法。
背景技术
随着社会工业和经济的快速发展，人们对能源的需求量急剧增加，而且在政府的大力支持下，具有清洁环保、无污染、可再生等优点的光伏发电得到了快速的发展。随着光伏电站建设补贴模式变更为度电补贴，用户更加关注电站的发电效率和发电量，这也意味着光伏电站发电能力的高低、能效的高低已成为提高电站收益率、缩短成本回收期的关键。
我国各高校及电力企业也相继开展了光伏电站能效评价的研究工作。但是目前，对光伏电站系统的能效评价大多涉及较为单一的指标，检测评价结果不够全面。因此，为了提高光伏电站系统的发电量，降低发电成本，保证整个光伏电站的安全稳定运行，提出一种光伏电站系统综合能效评价方法对光伏电站系统进行能效评价是非常必要的。
发明内容
本发明的目的在于提供一种光伏电站系统综合能效评价方法，以解决现有光伏电站系统的能效评价指标单一，检测评价结果不够全面的问题。
为了解决以上问题，本发明技术方案为：
一种光伏电站系统综合能效评价方法，该方法为以下步骤：步骤A、建立光伏电站系统的综合能效评价指标体系；
从技术可行性、系统稳定性、系统匹配性三个方面进行考虑，建立光伏电站系统的综合能效评价指标体系，该指标体系分为两级，一级指标包括3个，分别是：光伏阵列的效率、汇流箱的效率和逆变器的效率；
其中光伏阵列的效率为6个指标，分别为：遮挡损失、灰尘污渍、光谱偏差、组件温度损失、组件性能衰降、直流线损；
汇流箱的效率为5个指标，分别为：电缆损失、防反二极管损失、熔断器损失、断路器损失、避雷器损失；
逆变器的效率为3个指标，分别为：电子电力器件损失、直流侧电流损失、LCL滤波器损失；
步骤B、对以上指标进行指标权重分析；
按以下步骤采用AHP法确定各指标的权重：
a)、建立递阶层次结构：
依据影响光伏电站系统综合能效的各因素的重要程度和层次关系建立层次结构体系；
用A表示步骤A中光伏电站系统能效，A1表示步骤A中光伏阵列的效率，A2表示步骤A中汇流箱的效率，A3表示步骤A中逆变器的效率，则有
以上各数值依据步骤b)中的尺度表得出；
b)、构造判断矩阵：
判断矩阵就是将每一层的各个因素的相对重要程度用矩阵的形式表达，相对重要程度的确定是依据该层次各因素对它的上一层次某因素的影响比重来确定的；
给出表1为判断矩阵因素比较尺度表，根据重要性得到aij，确定判断矩阵；
表1判断矩阵因素比较尺度表
通过表1中的能效指标进行两两对比，根据对比结果可以得到四个矩阵，A矩阵、A1矩阵、A2矩阵、A3矩阵，分别如下：
判断矩阵A为:
A矩阵为三阶矩阵，A＝(aij)，aij＞0，aji＝1/aij，aij表示i个因素相对于j个因素的比较结果；
光伏阵列的效率A1、汇流箱的效率A2、逆变器的效率A3这三个准则层所对应的指标层，分别对应有6、5、3个因素，故所得A1矩阵为六阶矩阵，A2矩阵为五阶矩阵，A3矩阵为三阶矩阵；
确定矩阵形式后，根据光伏电站中调查所得的数据，分析各个模块的相对重要性，进行分析得到确切的数据模型；
运行时间久的光伏电站可轻松得到历年的光伏电系统能效的影响因素，按比例进行数据概率计算，从而精确计划相对重要性而新投入运行的光伏电站可以根据相同影响模式或者设备设施状态等具体的情况进行重要性对比，或由专家进行打分得到相对重要性，从而得到矩阵的具体数据；
c)、计算权向量：
主要求出两个量：第一个是判断矩阵的特征根，第二个是特征向量；
A为判断矩阵；
w为判断矩阵最大特征根所对应的一个特征向量，即准则层权重因子；特征向量w各项的值即为各个指标的权重大小；
d)、一致性检验：
一致性检验是对判断矩阵的可靠性进行评价采取的方法，通过一致性检验，确定层次单排序；
步骤C、光伏电站系统能效模糊综合评价；
模糊综合评价法具备两类特征：
一是各类要素相互对照，确认最佳评价值，依照互相之间的关系程度，明确给出各类要素的评价值；
二是函数关系，基于各项评价要素的特点，值和评价值之间的函数关系；
因为光伏电站系统的能效评价总共分为三个层级，所以只需要用到二级模糊综合评价法，对光伏电站系统进行能效评价；
a)、首先确定光伏电站系统综合能效评价的因素集U；
b)、确定评语集V；
c)、单因素模糊关系矩阵R；
d)、确定各指标权重；
e)、多指标综合评判。
进一步的，步骤B的c)中，A与w的计算方式如下：
1)将A的每一列向量归一化得
2)对wij按行求和得
3)对向量
归一化得
w＝(w1,w2,…wn) (6)
其中，
计算判断矩阵的最大特征根λmax，即
式中，(Aw)i是Aw的第i个分量；
同理，可计算出A1矩阵、A2矩阵、A3矩阵的权向量，即指标层的权重。
进一步的，步骤B的d)中一致性检验具体为：
对于n阶矩阵，当且仅当λ＝n时，矩阵才为一致性，一致性矩阵A＝(aij)n×n非零的实特征根最多有2个；
计算随机一致性指标CI：
其中，CI越小，也就是λmax-n越小，其矩阵一致性越高；
当CI越接近0时，一致性越高；越偏离0时，其一致性越差；
根据标准，引进RI一致性指标；
矩阵的阶数影响着RI的值的大小，矩阵阶数越大，一致性偏离的可能性越大；
计算一致性比率CR：
CR＝CI/RI (10)
式中RI表示平均随机一致性指标，对于1-9阶矩阵，它的值不同，如表2所示：
表2平均随机一致性指标
| 阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| RI | 0 | 0 | 0.58 | 0.9 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
当CR<0.1时，则可以认为判断矩阵通过一致性检验，判断矩阵中的数值虽然受主观因素较大，但不影响后续的能效评价工作；
如果结果大于0.1，说明对评价结果会产生较大的影响，使评价结果偏离实际情况；
这种情况下需要对一致性检验数值进行系数修正，构建出修正后的判断矩阵；
同理，对指标层的检验也是如此。
进一步的，步骤C的a)中因素集U的确定方式如下：
对某一事物进行评价时，如果有u1，u2，u3，…，um共m个评价指标(亦称评价因素)，则他们组成的有限集合可表示成：
U＝{u1,u2,u3,…,um} (11)
光伏电站系统能效水平的评价指标体系由光伏阵列的效率、汇流箱的效率和逆变器的效率这三个方面组成；
以光伏阵列的效率为例进行计算，其他两个计算方法相同；
因素集U＝{u1,u2,u3,u4,u5,u6}＝{遮挡损失，灰尘污渍，光谱偏差，组件温升损失，组件性能衰弱，直流线损}。
进一步的，步骤C的b)中评语集V的确定方式如下：
如果对某一事物进行评价时，有v1，v2，v3，…vn共n个评价等级，则它们构成的有限评语集可表示为：
V＝{v1,v2,v3,…,vn} (12)
则光伏电站系统的评语集可表示为：
V＝{高，较高，一般，低，极低} (13)。
进一步的，步骤C的c)中模糊关系矩阵R的确定方式如下：
单独从某一个因素ui(i＝1,2,…,n)出发进行评判，判定对象对评语集V的隶属度，叫做单因素模糊评价；
为得到模糊关系矩阵R，需在构建完成等级模糊子集之后，要从每一个因素进行量化，即判定从单因素方面来确定被评价对象对各评价等级模糊子集的隶属程度：
其中，rij(i＝1,2,…,m；j＝1,2,…,n)表示从ui对vj的等级模糊子集的隶属度；
某个因素ui的表现是通过模糊向量ri＝(ri1,ri2,…,rin)表示的,ri称作单因素评价矩阵，可理解为因素集U与评语集V这两者之间的一种模糊关系；
以二级指标“遮挡损失”为例，若邀请10位专家，专家的评价意见的结果为，0人认为高，1人认为较高，3人认为一般，4人认为低，2人认为极低，可知此指标u11的模糊向量为{0，0.1，0.3，0.4，0.2}；将10位专家的打分表进行汇总整理，得出所有因素的模糊向量，最后得到模糊关系矩阵R1、R2和R3。
进一步的，步骤C的d)中确定各指标权重的确定方式如下：
为反映各评价指标的重要程度，需确定出各个指标的权重值wi(i＝1,2,…,m),wi∈[0,1]，且
各权重值组成模糊集合W，用m维模糊向量表示为W＝{w1,w2,…,wm}。
进一步的，步骤C的e)中多指标综合评判的方式如下：
将模糊向量W与模糊关系矩阵R相乘，可得各个被评价对象它们的模糊综合评价结果向量B，即：
其中，bj(j＝1,2,…,n)是由W与R的第j列运算得到的；
评价结果与评语集相对应，根据最大隶属度原则，得到光伏电站系统的能效评价结果。
本发明的有益效果如下：
(1)本发明是AHP法与模糊综合评价法相结合的一种光伏电站系统的能效评价方法，该方法可以对多个光伏电站系统的综合能效进行评价，建立了完善的能效综合评价指标体系，采用AHP法确定各能效指标的权重，采用模糊综合评价法对光伏电站系统的能效进行综合评价，使得综合评价结果具有较高的合理性和可靠性。
(2)光伏电站系统的综合能效评价是探索多能协同规划，系统优化运行及能效提升等方面的关键所在，科学合理的能效评价方法对光伏电站系统的健康发展极为重要。本方法首先对影响光伏电站系统能效的指标分析，从技术可行性、系统稳定性、系统匹配性3个方面进行考虑，建立光伏电站系统的能效评价指标体系。然后，采用层次分析法，确定光伏电站系统评价指标中各指标的权重。通过专家打分，构造判断矩阵，进行一致性检验，计算出个指标的权重值。最后运用模糊综合评价法对光伏电站系统的能效进行综合评价，确定光伏电站系统综合评价的评价等级，依据各指标权重和专家打分法构建的模糊关系矩阵，得到评价结果，对照评语集的评价等级，得出光伏电站系统的能效评价等级。
附图说明
图1为一种光伏电站系统综合能效评价方法的能效评价指标体系示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。
因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。
实施例
如图1所示，一种光伏电站系统综合能效评价方法，该方法为以下步骤：
步骤A、建立光伏电站系统的综合能效评价指标体系；
从技术可行性、系统稳定性、系统匹配性三个方面进行考虑，建立光伏电站系统的综合能效评价指标体系，该指标体系分为两级，一级指标包括3个，分别是：光伏阵列的效率、汇流箱的效率和逆变器的效率。
其中光伏阵列的效率为6个指标，分别为：遮挡损失、灰尘污渍、光谱偏差、组件温度损失、组件性能衰降、直流线损。
汇流箱的效率为5个指标，分别为：电缆损失、防反二极管损失、熔断器损失、断路器损失、避雷器损失。
逆变器的效率为3个指标，分别为：电子电力器件损失、直流侧电流损失、LCL滤波器损失。
步骤B、对以上指标进行指标权重分析；
按以下步骤采用AHP法确定各指标的权重：
a)、建立递阶层次结构：
依据影响光伏电站系统综合能效的各因素的重要程度和层次关系建立层次结构体系。
对于光伏电站系统的综合能效评价指标体系的目标层来说，有光伏阵列的效率、汇流箱的效率、逆变器的效率这三个准则层。指标层则是：遮挡损失、灰尘污渍、光谱偏差、组件温度损失、组件性能衰降、直流线损；电缆损失、防反二极管损失、熔断器损失、断路器损失、避雷器损失；电子电力器件损失、直流侧电流损失、LCL滤波器损失；这14个二级指标。
用A表示步骤A中光伏电站系统能效，A1表示步骤A中光伏阵列的效率，A2表示步骤A中汇流箱的效率，A3表示步骤A中逆变器的效率，则有：
以上各数值依据步骤b)中的尺度表得出。
b)、构造判断矩阵：
判断矩阵就是将每一层的各个因素的相对重要程度用矩阵的形式表达，相对重要程度的确定是依据该层次各因素对它的上一层次某因素的影响比重来确定的。
给出表1为判断矩阵因素比较尺度表，根据重要性得到aij，确定判断矩阵；
表1判断矩阵因素比较尺度表
通过表1中的能效指标进行两两对比，根据对比结果可以得到四个矩阵，A矩阵、A1矩阵、A2矩阵、A3矩阵，分别如下：
判断矩阵A为：
A矩阵为三阶矩阵，A＝(aij)，aij＞0，aji＝1/aij，aij表示i个因素相对于j个因素的比较结果。
光伏阵列的效率A1、汇流箱的效率A2、逆变器的效率A3这三个准则层所对应的指标层，分别对应有6、5、3个因素，故所得A1矩阵为六阶矩阵，A2矩阵为五阶矩阵，A3矩阵为三阶矩阵。
确定矩阵形式后，根据光伏电站中调查所得的数据，分析各个模块的相对重要性，进行分析得到确切的数据模型。
运行时间久的光伏电站可轻松得到历年的光伏电系统能效的影响因素，按比例进行数据概率计算，从而精确计划相对重要性而新投入运行的光伏电站可以根据相同影响模式或者设备设施状态等具体的情况进行重要性对比，或由专家进行打分得到相对重要性，从而得到矩阵的具体数据。
c)、计算权向量：
主要求出两个量：第一个是判断矩阵的特征根，第二个是特征向量。
A为判断矩阵；
w为判断矩阵最大特征根所对应的一个特征向量，即准则层权重因子；特征向量w各项的值即为各个指标的权重大小。
1)将A的每一列向量归一化得：
2)对wij按行求和得：
3)对向量：
归一化得：
w＝(w1,w2,...wn) (6)；
其中，
计算判断矩阵的最大特征根λmax，即：
式中，(Aw)i是Aw的第i个分量。
同理，可计算出A1矩阵、A2矩阵、A3矩阵的权向量，即指标层的权重。
d)、一致性检验：
一致性检验是对判断矩阵的可靠性进行评价采取的方法，通过一致性检验，确定层次单排序。
其中对于n阶矩阵，当且仅当λ＝n时，矩阵才为一致性，一致性矩阵A＝(aij)n×n非零的实特征根最多有2个。
计算随机一致性指标CI：
其中，CI越小，也就是λmax-n越小，其矩阵一致性越高；
当CI越接近0时，一致性越高；越偏离0时，其一致性越差；
根据标准，引进RI一致性指标；
矩阵的阶数影响着RI的值的大小，矩阵阶数越大，一致性偏离的可能性越大。
计算一致性比率CR：
CR＝CI/RI (10)；
式中RI表示平均随机一致性指标，对于1-9阶矩阵，它的值不同，如表2所示。
表2平均随机一致性指标
| 阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| RI | 0 | 0 | 0.58 | 0.9 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
当CR<0.1时，则可以认为判断矩阵通过一致性检验，判断矩阵中的数值虽然受主观因素较大，但不影响后续的能效评价工作；
如果结果大于0.1，说明对评价结果会产生较大的影响，使评价结果偏离实际情况；
这种情况下需要对一致性检验数值进行系数修正，构建出修正后的判断矩阵。
同理，对指标层的检验也是如此。
步骤C、光伏电站系统能效模糊综合评价：
模糊综合评价法采取了隶属度理论，将定性转变成定量上的评价手段，以处理数据不明确以及量化较为困难的不足之处。
模糊综合评价法具备两类特征：
一是各类要素相互对照，确认最佳评价值，依照互相之间的关系程度，明确给出各类要素的评价值；
二是函数关系，基于各项评价要素的特点，值和评价值之间的函数关系。
因为光伏电站系统的能效评价总共分为三个层级，所以只需要用到二级模糊综合评价法，对光伏电站系统进行能效评价。
a)、首先确定光伏电站系统综合能效评价的因素集U：
对某一事物进行评价时，如果有u1，u2，u3，…，um共m个评价指标(亦称评价因素)，则他们组成的有限集合可表示成：
U＝{u1,u2,u3,…,um} (11)；
光伏电站系统能效水平的评价指标体系由光伏阵列的效率、汇流箱的效率和逆变器的效率这三个方面组成。以光伏阵列的效率为例进行计算，其他两个计算方法相同。
因素集U＝{u1,u2,u3,u4,u5,u6}＝{遮挡损失，灰尘污渍，光谱偏差，组件温升损失，组件性能衰弱，直流线损}。
b)、确定评语集V：
如果对某一事物进行评价时，有v1，v2，v3，…vn共n个评价等级，则它们构成的有限评语集可表示为：
V＝{v1,v2,v3,…,vn} (12)；
则光伏电站系统的评语集可表示为：
V＝{高，较高，一般，低，极低} (13)；
c)、单因素模糊关系矩阵R：
单独从某一个因素ui(i＝1,2,…,n)出发进行评判，判定对象对评语集V的隶属度，叫做单因素模糊评价。为得到模糊关系矩阵R，需在构建完成等级模糊子集之后，要从每一个因素进行量化，即判定从单因素方面来确定被评价对象对各评价等级模糊子集的隶属程度。
其中，rij(i＝1,2,…,m；j＝1,2,…,n)表示从ui对vj的等级模糊子集的隶属度。
某个因素ui的表现是通过模糊向量ri＝(ri1,ri2,…,rin)表示的；
ri称作单因素评价矩阵，可理解为因素集U与评语集V这两者之间的一种模糊关系。
以二级指标“遮挡损失”为例，若邀请10位专家，专家的评价意见的结果为，0人认为高，1人认为较高，3人认为一般，4人认为低，2人认为极低，可知此指标u11的模糊向量为{0，0.1，0.3，0.4，0.2}。将10位专家的打分表进行汇总整理，得出所有因素的模糊向量，最后得到模糊关系矩阵R1、R2和R3。
d)、确定各指标权重：
为反映各评价指标的重要程度，需确定出各个指标的权重值wi(i＝1,2,…,m),wi∈[0,1]，且
各权重值组成模糊集合W，用m维模糊向量表示为W＝{w1,w2,…,wm}。
e)、多指标综合评判：
将模糊向量W与模糊关系矩阵R相乘，可得各个被评价对象它们的模糊综合评价结果向量B，即:
其中，bj(j＝1,2,…,n)是由W与R的第j列运算得到的。
评价结果与评语集相对应，根据最大隶属度原则，得到光伏电站系统的能效评价结果。
Claims (8)
1.一种光伏电站系统综合能效评价方法，其特征在于：该方法为以下步骤：
步骤A、建立光伏电站系统的综合能效评价指标体系；
从技术可行性、系统稳定性、系统匹配性三个方面进行考虑，建立光伏电站系统的综合能效评价指标体系，该指标体系分为两级，一级指标包括3个，分别是：光伏阵列的效率、汇流箱的效率和逆变器的效率；
其中光伏阵列的效率为6个指标，分别为：遮挡损失、灰尘污渍、光谱偏差、组件温度损失、组件性能衰降、直流线损；
汇流箱的效率为5个指标，分别为：电缆损失、防反二极管损失、熔断器损失、断路器损失、避雷器损失；
逆变器的效率为3个指标，分别为：电子电力器件损失、直流侧电流损失、LCL滤波器损失；
步骤B、对以上指标进行指标权重分析；
按以下步骤采用AHP法确定各指标的权重：
a)、建立递阶层次结构：
依据影响光伏电站系统综合能效的各因素的重要程度和层次关系建立层次结构体系；
用A表示步骤A中光伏电站系统能效，A1表示步骤A中光伏阵列的效率，A2表示步骤A中汇流箱的效率，A3表示步骤A中逆变器的效率，则有
以上各数值依据步骤b)中的尺度表得出；
b)、构造判断矩阵：
判断矩阵就是将每一层的各个因素的相对重要程度用矩阵的形式表达，相对重要程度的确定是依据该层次各因素对它的上一层次某因素的影响比重来确定的；
给出表1为判断矩阵因素比较尺度表，根据重要性得到aij，确定判断矩阵；
表1 判断矩阵因素比较尺度表
通过表1中的能效指标进行两两对比，根据对比结果可以得到四个矩阵，A矩阵、A1矩阵、A2矩阵、A3矩阵，分别如下：
判断矩阵A为:
A矩阵为三阶矩阵，A＝(aij)，aij＞0，aji＝1/aij，aij表示i个因素相对于j个因素的比较结果；
光伏阵列的效率A1、汇流箱的效率A2、逆变器的效率A3这三个准则层所对应的指标层，分别对应有6、5、3个因素，故所得A1矩阵为六阶矩阵，A2矩阵为五阶矩阵，A3矩阵为三阶矩阵；
确定矩阵形式后，根据光伏电站中调查所得的数据，分析各个模块的相对重要性，进行分析得到确切的数据模型；
运行时间久的光伏电站可轻松得到历年的光伏电系统能效的影响因素，按比例进行数据概率计算，从而精确计划相对重要性而新投入运行的光伏电站可以根据相同影响模式或者设备设施状态等具体的情况进行重要性对比，或由专家进行打分得到相对重要性，从而得到矩阵的具体数据；
c)、计算权向量：
主要求出两个量：第一个是判断矩阵的特征根，第二个是特征向量；
A为判断矩阵；
w为判断矩阵最大特征根所对应的一个特征向量，即准则层权重因子；特征向量w各项的值即为各个指标的权重大小；
d)、一致性检验：
一致性检验是对判断矩阵的可靠性进行评价采取的方法，通过一致性检验，确定层次单排序；
步骤C、光伏电站系统能效模糊综合评价；
模糊综合评价法具备两类特征：
一是各类要素相互对照，确认最佳评价值，依照互相之间的关系程度，明确给出各类要素的评价值；
二是函数关系，基于各项评价要素的特点，值和评价值之间的函数关系；
因为光伏电站系统的能效评价总共分为三个层级，所以只需要用到二级模糊综合评价法，对光伏电站系统进行能效评价；
a)、首先确定光伏电站系统综合能效评价的因素集U；
b)、确定评语集V；
c)、单因素模糊关系矩阵R；
d)、确定各指标权重；
e)、多指标综合评判。
2.如权利要求1所述的一种光伏电站系统综合能效评价方法，其特征在于：步骤B的c)中，A与w的计算方式如下：
1)将A的每一列向量归一化得
2)对wij按行求和得
3)对向量
归一化得
w＝(w1,w2,…wn) (6)
其中，
计算判断矩阵的最大特征根λmax，即
式中，(Aw)i是Aw的第i个分量；
同理，可计算出A1矩阵、A2矩阵、A3矩阵的权向量，即指标层的权重。
3.如权利要求1所述的一种光伏电站系统综合能效评价方法，其特征在于：步骤B的d)中一致性检验具体为：
对于n阶矩阵，当且仅当λ＝n时，矩阵才为一致性，一致性矩阵A＝(aij)n×n非零的实特征根最多有2个；
计算随机一致性指标CI：
其中，CI越小，也就是λmax-n越小，其矩阵一致性越高；
当CI越接近0时，一致性越高；越偏离0时，其一致性越差；
根据标准，引进RI一致性指标；
矩阵的阶数影响着RI的值的大小，矩阵阶数越大，一致性偏离的可能性越大；
计算一致性比率CR：
CR＝CI/RI (10)
式中RI表示平均随机一致性指标，对于1-9阶矩阵，它的值不同，如表2所示：
表2 平均随机一致性指标
当CR<0.1时，则可以认为判断矩阵通过一致性检验，判断矩阵中的数值虽然受主观因素较大，但不影响后续的能效评价工作；
如果结果大于0.1，说明对评价结果会产生较大的影响，使评价结果偏离实际情况；
这种情况下需要对一致性检验数值进行系数修正，构建出修正后的判断矩阵；
同理，对指标层的检验也是如此。
4.如权利要求1所述的一种光伏电站系统综合能效评价方法，其特征在于：步骤C的a)中因素集U的确定方式如下：
对某一事物进行评价时，如果有u1，u2，u3，…，um共m个评价指标(亦称评价因素)，则他们组成的有限集合可表示成：
U＝{u1,u2,u3,…,um} (11)
光伏电站系统能效水平的评价指标体系由光伏阵列的效率、汇流箱的效率和逆变器的效率这三个方面组成；
以光伏阵列的效率为例进行计算，其他两个计算方法相同；
因素集U＝{u1,u2,u3,u4,u5,u6}＝{遮挡损失，灰尘污渍，光谱偏差，组件温升损失，组件性能衰弱，直流线损}。
5.如权利要求1所述的一种光伏电站系统综合能效评价方法，其特征在于：步骤C的b)中评语集V的确定方式如下：
如果对某一事物进行评价时，有v1，v2，v3，…vn共n个评价等级，则它们构成的有限评语集可表示为：
V＝{v1,v2,v3,…,vn} (12)
则光伏电站系统的评语集可表示为：
V＝{高，较高，一般，低，极低} (13)。
6.如权利要求1所述的一种光伏电站系统综合能效评价方法，其特征在于：步骤C的c)中模糊关系矩阵R的确定方式如下：
单独从某一个因素ui(i＝1,2,…,n)出发进行评判，判定对象对评语集V的隶属度，叫做单因素模糊评价；
为得到模糊关系矩阵R，需在构建完成等级模糊子集之后，要从每一个因素进行量化，即判定从单因素方面来确定被评价对象对各评价等级模糊子集的隶属程度：
其中，rij(i＝1,2,…,m；j＝1,2,…,n)表示从ui对vj的等级模糊子集的隶属度；
某个因素ui的表现是通过模糊向量ri＝(ri1,ri2,…,rin)表示的,ri称作单因素评价矩阵，可理解为因素集U与评语集V这两者之间的一种模糊关系；
以二级指标“遮挡损失”为例，若邀请10位专家，专家的评价意见的结果为，0人认为高，1人认为较高，3人认为一般，4人认为低，2人认为极低，可知此指标u11的模糊向量为{0，0.1，0.3，0.4，0.2}；将10位专家的打分表进行汇总整理，得出所有因素的模糊向量，最后得到模糊关系矩阵R1、R2和R3。
7.如权利要求1所述的一种光伏电站系统综合能效评价方法，其特征在于：步骤C的d)中确定各指标权重的确定方式如下：
为反映各评价指标的重要程度，需确定出各个指标的权重值wi(i＝1,2,…,m),wi∈[0,1]，且
各权重值组成模糊集合W，用m维模糊向量表示为W＝{w1,w2,…,wm}。
8.如权利要求1所述的一种光伏电站系统综合能效评价方法，其特征在于：步骤C的e)中多指标综合评判的方式如下：
将模糊向量W与模糊关系矩阵R相乘，可得各个被评价对象它们的模糊综合评价结果向量B，即：
其中，bj(j＝1,2,…,n)是由W与R的第j列运算得到的；
评价结果与评语集相对应，根据最大隶属度原则，得到光伏电站系统的能效评价结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110373991.8A CN112926895A (zh) | 2021-04-07 | 2021-04-07 | 一种光伏电站系统综合能效评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110373991.8A CN112926895A (zh) | 2021-04-07 | 2021-04-07 | 一种光伏电站系统综合能效评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112926895A true CN112926895A (zh) | 2021-06-08 |
Family
ID=76173663
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110373991.8A Pending CN112926895A (zh) | 2021-04-07 | 2021-04-07 | 一种光伏电站系统综合能效评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112926895A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113673264A (zh) * | 2021-10-21 | 2021-11-19 | 江苏省质量和标准化研究院 | 一种uhf rfid标签性能分级评价方法及评价系统 |
| CN115564222A (zh) * | 2022-09-29 | 2023-01-03 | 国网湖南省电力有限公司 | 混合式抽水蓄能电站的综合评价方法及系统 |
| CN115564222B (zh) * | 2022-09-29 | 2024-07-02 | 国网湖南省电力有限公司 | 混合式抽水蓄能电站的综合评价方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109685342A (zh) * | 2018-12-13 | 2019-04-26 | 国网青海省电力公司 | 一种光伏发电站综合效益评价指标体系的评价方法 |
| CN111353664A (zh) * | 2018-12-21 | 2020-06-30 | 华中科技大学 | 一种扶贫光伏电站运行状态的评估方法 |
-
2021
- 2021-04-07 CN CN202110373991.8A patent/CN112926895A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109685342A (zh) * | 2018-12-13 | 2019-04-26 | 国网青海省电力公司 | 一种光伏发电站综合效益评价指标体系的评价方法 |
| CN111353664A (zh) * | 2018-12-21 | 2020-06-30 | 华中科技大学 | 一种扶贫光伏电站运行状态的评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 景明明: ""光伏水泵系统的能效测评研究"", 《中国优秀硕士学位论文全文数据库（工程科技II辑）》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113673264A (zh) * | 2021-10-21 | 2021-11-19 | 江苏省质量和标准化研究院 | 一种uhf rfid标签性能分级评价方法及评价系统 |
| CN113673264B (zh) * | 2021-10-21 | 2022-03-11 | 江苏省质量和标准化研究院 | 一种uhf rfid标签性能分级评价方法及评价系统 |
| CN115564222A (zh) * | 2022-09-29 | 2023-01-03 | 国网湖南省电力有限公司 | 混合式抽水蓄能电站的综合评价方法及系统 |
| CN115564222B (zh) * | 2022-09-29 | 2024-07-02 | 国网湖南省电力有限公司 | 混合式抽水蓄能电站的综合评价方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104809658B (zh) | 一种低压配网台区线损的快速分析方法 | |
| CN110264112B (zh) | 基于双向加权灰色关联的配电网可靠性影响因素分析方法 | |
| CN112116058A (zh) | 一种基于粒子群算法优化多粒度级联森林模型的变压器故障诊断方法 | |
| CN107609774B (zh) | 一种基于思维进化算法优化小波神经网络的光伏功率预测方法 | |
| CN110705887A (zh) | 一种基于神经网络模型的低压台区运行状态综合评价方法 | |
| CN110879377B (zh) | 基于深度信念网络的计量装置故障溯源方法 | |
| CN109283293B (zh) | 基于变异系数与topsis法的电力变压器故障诊断方法 | |
| CN113705615A (zh) | 一种基于神经网络的电动汽车充电过程多级设备故障诊断方法及系统 | |
| CN111461513A (zh) | 政府开放数据的评估方法、数据分析平台 | |
| CN113065715A (zh) | 一种综合能源系统多元负荷超短期预测方法 | |
| CN113327047B (zh) | 基于模糊综合模型的电力营销服务渠道决策方法及系统 | |
| CN115545514A (zh) | 基于健康度评估的配电融合设备差异化运维方法及装置 | |
| CN112101761A (zh) | 清洁低碳、安全高效的能源体系建设成效综合评价方法 | |
| CN111091141A (zh) | 一种基于分层Softmax的光伏背板故障诊断方法 | |
| CN117494950B (zh) | 一种光储充检微电网一体站运行安全评价方法 | |
| CN111311135A (zh) | 一种变电站能效评估方法 | |
| CN112926895A (zh) | 一种光伏电站系统综合能效评价方法 | |
| CN114862229A (zh) | 电能质量评估方法、装置、计算机设备和存储介质 | |
| CN110889565A (zh) | 一种基于多维矩阵决策的配网巡检周期计算方法 | |
| CN111027841A (zh) | 一种基于梯度提升决策树的低压台区线损计算方法 | |
| CN111179576A (zh) | 一种具有归纳学习的用电信息采集故障诊断方法及系统 | |
| CN112381422A (zh) | 光伏电站性能的确定方法和装置 | |
| CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及系统 | |
| CN116502894A (zh) | 光伏台区停电风险评估方法、装置、电子设备及存储介质 | |
| CN116151799A (zh) | 一种基于bp神经网络的配电线路多工况故障率快速评估方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210812 Address after: 730070 no.249 Wanxin North Road, Anning District, Lanzhou City, Gansu Province Applicant after: STATE GRID GASU ELECTRIC POWER Research Institute Address before: 730070 Wanxin North Road 249, Anning District, Lanzhou City, Gansu Province Applicant before: STATE GRID GASU ELECTRIC POWER Research Institute Applicant before: Lanzhou Jiaotong University |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210608 |