CN113343475A - 光伏仿真参数的获取方法、装置及计算机存储介质 - Google Patents

光伏仿真参数的获取方法、装置及计算机存储介质 Download PDF

Info

Publication number
CN113343475A
CN113343475A CN202110694805.0A CN202110694805A CN113343475A CN 113343475 A CN113343475 A CN 113343475A CN 202110694805 A CN202110694805 A CN 202110694805A CN 113343475 A CN113343475 A CN 113343475A
Authority
CN
China
Prior art keywords
photovoltaic
string
acquiring
simulation parameters
dimensional image
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
Application number
CN202110694805.0A
Other languages
English (en)
Inventor
鲁晨鹏
唐红强
崔鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sungrow Power Supply Co Ltd
Original Assignee
Sungrow Power Supply Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sungrow Power Supply Co Ltd filed Critical Sungrow Power Supply Co Ltd
Priority to CN202110694805.0A priority Critical patent/CN113343475A/zh
Publication of CN113343475A publication Critical patent/CN113343475A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Hardware Design (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种光伏仿真参数的获取方法，获取包含有光伏组串的二维图像；至少获取光伏组串在二维图像中的尺寸、朝向以及包含的光伏组件的数量；根据光伏组串的真实尺寸及在二维图像中的尺寸、朝向以及包含的光伏组件的数量获取光伏组串的倾角、方位角以及容量；根据倾角、方位角以及容量确定光伏仿真参数。本发明还公开了一种光伏仿真参数的获取装置及计算机存储介质。本发明通过采集二维图像，并通过二维图像中光伏组串的尺寸、朝向以及包含的光伏组件数量来确定光伏仿真参数，相较于三维建模分析的方式，需要的数据更少，数据处理难度更低，提高了光伏仿真参数的获取效率。

Description

光伏仿真参数的获取方法、装置及计算机存储介质
技术领域
本发明涉及光伏仿真技术领域，尤其涉及光伏仿真参数的获取方法、装置及计算机存储介质。
背景技术
对光伏电站进行仿真，可以评估出电站的发电能力、经济效益以及运维效果等信息。在使用光伏仿真软件实现仿真的目的时，需要输入真实光伏电站的相关安装参数，例如，真实光伏电站中光伏组件的倾角、方位角等。
在现有技术(申请号CN201710721048.5)中公开了一种倾角检测方法，通过无人机拍照得到的三维数据对光伏组件进行三维建模，进而计算出组件的倾角，但三维建模的方式需要的三维数据较多，且数据处理的难度也大，耗时过长，导致光伏仿真参数的获取效率过低。
发明内容
本发明的主要目的在于提供一种光伏仿真参数的获取方法、装置及计算机存储介质，旨在提高光伏仿真参数的获取效率。
为实现上述目的，本发明提供一种光伏仿真参数的获取方法，所述光伏仿真参数的获取方法包括以下步骤：
获取包含有光伏组串的二维图像；
至少获取所述光伏组串在所述二维图像中的尺寸、朝向以及包含的光伏组件的数量；
根据所述光伏组串的真实尺寸及在所述二维图像中的尺寸获取所述光伏组串的倾角，根据所述光伏组串在所述二维图像中的朝向获取所述光伏组串的方位角，根据所述光伏组串在所述二维图像中包含的光伏组件的数量获取所述光伏组串的容量；
根据所述倾角、所述方位角以及所述容量确定光伏仿真参数。
可选地，所述根据所述倾角、所述方位角以及所述容量确定光伏仿真参数的步骤包括：
根据多个所述光伏组串的所述倾角以及所述方位角对多个所述光伏组串进行聚类处理，得到多个光伏子阵，其中，每一所述光伏子阵包含属于同一类别的多个所述光伏组串；
根据所述光伏子阵中的多个所述光伏组串的所述倾角获取所述光伏子阵对应的平均倾角，根据所述光伏子阵中的多个所述光伏组串的所述方位角获取所述光伏子阵对应的平均方位角，根据所述光伏子阵中的多个所述光伏组串的所述容量获取所述光伏子阵对应的总容量；
将所述平均倾角、所述平均方位角以及所述总容量作为所述光伏仿真参数。
可选地，所述根据所述光伏组串的真实尺寸及在所述二维图像中的尺寸获取所述光伏组串的倾角的步骤包括：
获取所述光伏组串的真实长度L和真实宽度W；
根据所述光伏组串在所述二维图像中的长度L'和投影宽度D'，采用以下公式计算所述光伏组串的倾角Θ：
Θ＝cos-1((D'*L)/(W*L'))
可选地，所述根据所述光伏组串在所述二维图像中的朝向获取所述光伏组串的方位角的步骤包括：
获取所述二维图像中的正南方向；
将所述光伏组串的宽边在所述二维图像中的朝向与所述正南方向的夹角作为所述光伏组串的方位角。
可选地，所述根据所述光伏组串在所述二维图像中包含的光伏组件的数量获取所述光伏组串的容量的步骤包括：
获取所述光伏组件的额定容量；
根据所述光伏组串在所述二维图像中包含的所述光伏组件的数量以及所述额定容量确定所述光伏组串的容量。
可选地，所述获取包含有光伏组串的二维图像的步骤之后，还包括：
对多个所述二维图像进行拼接处理，得到光伏电站对应的全景图像，其中，所述全景图像包含有所述光伏电站，所述光伏电站包括多个所述光伏组串；
在所述全景图像中，获取所述光伏电站中的所有所述光伏组串所在图像区域的总面积，以及在所述全景图像中，获取所述光伏电站所在图像区域的总面积；
根据所述光伏电站中的所有所述光伏组串所在图像区域的总面积与所述光伏电站所在图像区域的总面积的比值确定所述光伏电站的地表覆盖率，其中，所述光伏仿真参数包括所述地表覆盖率。
可选地，所述获取包含有光伏组串的二维图像的步骤包括：
控制无人机按照所述光伏电站对应的预设航线飞行；
在所述无人机飞行过程中，控制所述无人机采集多个所述二维图像，其中，所述无人机采集多个所述二维图像时的航向重叠度大于或等于第一预设值，所述无人机采集多个所述二维图像时的旁向重叠度大于或等于第二预设值。
可选地，所述根据所述倾角、所述方位角以及所述容量确定光伏仿真参数的步骤之后，还包括：
根据所述光伏仿真参数建立光伏仿真模型；
获取所述光伏仿真模型对应的预测发电量。
此外，为实现上述目的，本发明还提供一种光伏仿真参数的获取装置，所述光伏仿真参数的获取装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的光伏仿真参数的获取程序，所述光伏仿真参数的获取程序被所述处理器执行时实现如上所述中任一项所述的光伏仿真参数的获取方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机存储介质，所述计算机存储介质上存储有光伏仿真参数的获取程序，所述光伏仿真参数的获取程序被处理器执行时实现如上所述中任一项所述的光伏仿真参数的获取方法的步骤。
本发明实施例提出的光伏仿真参数的获取方法、装置及计算机存储介质，获取包含有光伏组串的二维图像；至少获取光伏组串在二维图像中的尺寸、朝向以及包含的光伏组件的数量；根据光伏组串的真实尺寸及在二维图像中的尺寸获取光伏组串的倾角，根据光伏组串在二维图像中的朝向获取光伏组串的方位角，根据光伏组串在二维图像中包含的光伏组件的数量获取光伏组串的容量；根据倾角、方位角以及容量确定光伏仿真参数。本发明通过采集二维图像，并通过二维图像中光伏组串的尺寸、朝向以及包含的光伏组件数量来确定光伏仿真参数，相较于三维建模分析的方式，需要的数据更少，数据处理难度更低，提高了光伏仿真参数的获取效率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；
图2为本发明光伏仿真参数的获取方法的一实施例的流程示意图；
图3为本发明光伏仿真参数的获取方法另一实施例的流程示意图；
图4为本发明光伏仿真参数的获取方法再一实施例的流程示意图；
图5为本发明光伏仿真参数的获取方法的一示例性说明的流程示意图；
图6为本发明光伏组串的倾角的一种示意图；
图7为本发明光伏组串的一种俯视图；
图8为本发明光伏组串的方位角的一种示意图；
图9为本发明光伏组串中的组件的一种示意图；
图10为本发明光伏电站对应的全景图像的一种示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种解决方案，通过采集二维图像，并通过二维图像中光伏组串的尺寸、朝向以及包含的光伏组件数量来确定光伏仿真参数，相较于三维建模分析的方式，需要的数据更少，数据处理难度更低，提高了光伏仿真参数的获取效率。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端为PC等智能终端。
如图1所示，该终端可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，存储器1004。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。存储器1004可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1004可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1004中可以包括用户接口模块以及光伏仿真参数的获取程序。
在图1所示的终端中，用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1004中存储的光伏仿真参数的获取程序，并执行以下操作：
获取包含有光伏组串的二维图像；
至少获取所述光伏组串在所述二维图像中的尺寸、朝向以及包含的光伏组件的数量；
根据所述光伏组串的真实尺寸及在所述二维图像中的尺寸获取所述光伏组串的倾角，根据所述光伏组串在所述二维图像中的朝向获取所述光伏组串的方位角，根据所述光伏组串在所述二维图像中包含的光伏组件的数量获取所述光伏组串的容量；
根据所述倾角、所述方位角以及所述容量确定光伏仿真参数。
进一步地，处理器1001可以调用存储器1004中存储的光伏仿真参数的获取程序，还执行以下操作：
根据多个所述光伏组串的所述倾角以及所述方位角对多个所述光伏组串进行聚类处理，得到多个光伏子阵，其中，每一所述光伏子阵包含属于同一类别的多个所述光伏组串；
根据所述光伏子阵中的多个所述光伏组串的所述倾角获取所述光伏子阵对应的平均倾角，根据所述光伏子阵中的多个所述光伏组串的所述方位角获取所述光伏子阵对应的平均方位角，根据所述光伏子阵中的多个所述光伏组串的所述容量获取所述光伏子阵对应的总容量；
将所述平均倾角、所述平均方位角以及所述总容量作为所述光伏仿真参数。
进一步地，处理器1001可以调用存储器1004中存储的光伏仿真参数的获取程序，还执行以下操作：
获取所述光伏组串的真实长度L和真实宽度W；
根据所述光伏组串在所述二维图像中的长度L'和投影宽度D'，采用以下公式计算所述光伏组串的倾角Θ：
Θ＝cos-1((D'*L)/(W*L'))
进一步地，处理器1001可以调用存储器1004中存储的光伏仿真参数的获取程序，还执行以下操作：
获取所述二维图像中的正南方向；
将所述光伏组串的宽边在所述二维图像中的朝向与所述正南方向的夹角作为所述光伏组串的方位角。
进一步地，处理器1001可以调用存储器1004中存储的光伏仿真参数的获取程序，还执行以下操作：
获取所述光伏组件的额定容量；
根据所述光伏组串在所述二维图像中包含的所述光伏组件的数量以及所述额定容量确定所述光伏组串的容量。
进一步地，处理器1001可以调用存储器1004中存储的光伏仿真参数的获取程序，还执行以下操作：
对多个所述二维图像进行拼接处理，得到光伏电站对应的全景图像，其中，所述全景图像包含有所述光伏电站，所述光伏电站包括多个所述光伏组串；
在所述全景图像中，获取所述光伏电站中的所有所述光伏组串所在图像区域的总面积，以及在所述全景图像中，获取所述光伏电站所在图像区域的总面积；
根据所述光伏电站中的所有所述光伏组串所在图像区域的总面积与所述光伏电站所在图像区域的总面积的比值确定所述光伏电站的地表覆盖率，其中，所述光伏仿真参数包括所述地表覆盖率。
进一步地，处理器1001可以调用存储器1004中存储的光伏仿真参数的获取程序，还执行以下操作：
控制无人机按照所述光伏电站对应的预设航线飞行；
在所述无人机飞行过程中，控制所述无人机采集多个所述二维图像，其中，所述无人机采集多个所述二维图像时的航向重叠度大于或等于第一预设值，所述无人机采集多个所述二维图像时的旁向重叠度大于或等于第二预设值。
进一步地，处理器1001可以调用存储器1004中存储的光伏仿真参数的获取程序，还执行以下操作：
根据所述光伏仿真参数建立光伏仿真模型；
获取所述光伏仿真模型对应的预测发电量。
参照图2，在一实施例中，光伏仿真参数的获取方法包括以下步骤：
步骤S10，获取包含有光伏组串的二维图像；
在本实施例中，光伏仿真参数为仿真软件中光伏电站模型的系统设计参数，通过仿真软件中建立的光伏电站模型，可以评估出光伏电站模型的发电量，或者，预测出光伏电站模型在未来一段时间内的发电能力，以作为真实光伏电站的发电能力的参考依据。获取光伏仿真参数最直接的方式是使用真实光伏电站的电站设计图，但对于建造于复杂地形的光伏电站，例如山地电站，由于施工条件的限制，真实光伏电站的实际安装参数很难与电站设计图的系统设计参数保持一致，此外，还要考虑到电站现场技改、做实验等特殊情况造成现场实际情况与电站设计图存在偏差。因此，对真实光伏电站进行图像采集，以获取包含有真实光伏电站中的真实光伏组串的二维图像，通过对二维图像的二维信息进行分析，得到光伏仿真参数。
可选地，通过无人机在真实光伏电站上空飞行，以对真实光伏电站进行图像采集，当然，也可采用其他设备采集包含有真实光伏电站中的真实光伏组串的二维图像。
步骤S20，至少获取所述光伏组串在所述二维图像中的尺寸、朝向以及包含的光伏组件的数量；
在本实施例中，在通过无人机获取到包含有光伏组串的二维图像之后，对二维图像中的光伏组串进行二维图像分析，从而至少确定光伏组串在二维图像中的尺寸、朝向以及包含的光伏组件的数量。具体地，可通过图像识别技术，结合真实光伏组串的外部特征，识别出光伏组串在二维图像中的尺寸、朝向以及包含的光伏组件数量，其中，尺寸包括光伏组串在二维图像中的长度以及宽度，朝向为在二维图像的二维平面内，平行于二维图像中的光伏组串的宽边的方向，光伏组串由多个光伏组件串联排列形成，因此可通过图像识别出二维图像中的光伏组串包含的光伏组件的数量。
步骤S30，根据所述光伏组串的真实尺寸及在所述二维图像中的尺寸获取所述光伏组串的倾角，根据所述光伏组串在所述二维图像中的朝向获取所述光伏组串的方位角，根据所述光伏组串在所述二维图像中包含的光伏组件的数量获取所述光伏组串的容量；
在本实施例中，利用简单的三角函数、简单的加减乘除运行，即可根据光伏组串的真实尺寸及在二维图像中的尺寸获取光伏组串的倾角、根据光伏组串在二维图像中的朝向获取光伏组串的方位角以及根据光伏组串在二维图像中包含的光伏组件的数量获取光伏组串的容量。其中，倾角是指光伏组串与水平面之间的夹角(锐角)，方位角是指光伏组串实际朝向与正南方向之间的夹角，容量指光伏组串的额定功率。
可选地，针对单个光伏组串的倾角，可通过简单的三角函数来计算。例如，图6是一个倾斜的组串，其真实长度为L，真实宽度为W，倾角(与水平面的夹角)为Θ。根据三角函数，组串的宽边在水平方向上的投影宽度D是：
D＝Wcos(Θ)
图7是无人机从空中俯拍该组串获取的俯视图。假设组串的长边与水平面保持平行(通常组串的长边都会与水平面保持平行；即便略微有倾斜，光伏仿真软件中也没有对应的参数可以配置，因此不考虑这种情况)，识别出组串在俯视图中的长度L'和投影宽度D'(D'为组串在俯视图中的宽度W'在水平方向上的投影)。
根据三角函数：
D'＝W'cos(Θ)
在图像中，虽然组串的尺寸经过缩放，但是组串的长宽比不变，因此：
L'/W'＝L/W
因此，联立以上两公式可得出组串倾角：
Θ＝cos-1(D'/W)＝cos-1((D'*L)/(W*L'))
其中，光伏组串的真实长度L以及真实宽度W可以通过光伏组串的规格信息得到。可以理解的是，上述光伏组串的规格信息指的是通过组件的型号规格信息得到的标准参数，组件的型号规格信息可在光伏组件出厂时标出。
可选地，针对单个光伏组串的方位角，可通过简单的加减乘除来计算。例如，如图8所示，可获取二维图像中的正南方向，将光伏组串的宽边在二维图像中的朝向与正南方向在二维图像所在的二维平面中的夹角作为光伏组串的方位角，其中，二维图像中的正南方向可通过无人机在拍摄该二维图像时的航向来确定。由于光伏组串在二维图像中的朝向是平行于光伏组串在二维图像中的宽边以及垂直于光伏组串在二维图像中的长边的，因此可根据光伏组串在二维图像中的长边方向或者宽边方向来确定光伏组串在二维图像中的朝向。
可选地，针对单个光伏组串的容量，可通过简单的加减乘除来计算。例如，可根据光伏组串的型号规格信息确定光伏组串中的单个光伏组件的额定容量，并采用如图9所示的图像识别技术，对二维图像中的光伏组串所在的图像区域进行切割，分离出光伏组串包含的各个光伏组件所在的图像区域，以确定光伏组串在二维图像中包含的光伏组件的数量，例如，图9中的光伏组串包含的光伏组件数量为10。光伏组件的额定容量与光伏组串在二维图像中包含的光伏组件的数量的乘积即为光伏组串的容量。
步骤S40，根据所述倾角、所述方位角以及所述容量确定光伏仿真参数。
在本实施例中，在确定光伏电站中各个光伏组串的倾角、方位角以及容量后，可将光伏电站中每一光伏组串的倾角、方位角以及容量均作为一组光伏仿真参数，从而得到多组光伏仿真参数，根据每一组光伏仿真参数可建立对应的光伏组串的光伏仿真模型，并通过模拟光伏组串的光伏仿真模型的运行计算得到光伏仿真模型对应的预测发电量，以统计光伏电站对应的总预测发电量，实现对于光伏电站的发电能力的预测。
可选地，光伏电站对应的总预测发电量可以是过去一段时间内对于光伏电站的总发电量的预测值，根据该预测值与光伏电站在该时间段内的实际总发电量的对比，可判断光伏电站的实际总发电量与预期存在偏差，以及光伏电站是否在正常发电，实现光伏电站的发电能力的检测。
可选地，在确定光伏电站中各个光伏组串的倾角、方位角以及容量后，还可对倾角、方位角以及容量进行进一步的优化处理，并将优化处理后的数据作为光伏仿真参数，以提高光伏仿真的效率或者准确率。
在本实施例公开的技术方案中，采集二维图像，并通过二维图像中光伏组串的尺寸、朝向以及包含的光伏组件数量来确定光伏仿真参数，相较于三维建模分析的方式，需要的数据更少，数据处理难度更低，提高了光伏仿真参数的获取效率。
在另一实施例中，如图3所示，在上述图2所示的实施例基础上，步骤S40包括：
步骤S41，根据多个所述光伏组串的所述倾角以及所述方位角对多个所述光伏组串进行聚类处理，得到多个光伏子阵，其中，每一所述光伏子阵包含属于同一类别的多个所述光伏组串；
在本实施例中，在确定光伏电站中各个光伏组串的倾角、方位角以及容量后，还可对多个光伏组串进行聚类处理，得到多个不同类别的多个光伏组串，同一类别的多个光伏组串作为一个整体，即作为一个光伏子阵。聚类处理的依据为多个所述光伏组串的倾角以及方位角，以将具有相似倾角以及方位角的光伏组串划分为同一类别，而倾角和/或方位角差异较大的光伏组串划分为不同类别。
可选地，聚类处理采用的算法可以是二分k(bisecting k-means)算法，二分k均值算法是：首先将所有点作为一个簇，然后将该簇一分为二，之后选择能最大程度降低聚类代价函数(也就是误差平方和)的簇划分为两个簇，以此进行下去，直到簇的数目等于用户给定的数目k为止。由于二分k均值算法的数据处理量较小，也可提高光伏仿真参数的获取效率。用户给定的簇的数目(即分类的类数)可由用户根据实际需求设置，例如，电站仿真模拟软件SAM(System Advisor Model)一次仅支持同时创建4种不同的仿真模型，因此，可将分类的类数设置为4类或者3类。
步骤S42，根据所述光伏子阵中的多个所述光伏组串的所述倾角获取所述光伏子阵对应的平均倾角，根据所述光伏子阵中的多个所述光伏组串的所述方位角获取所述光伏子阵对应的平均方位角，根据所述光伏子阵中的多个所述光伏组串的所述容量获取所述光伏子阵对应的总容量；
在本实施例中，在得到多个光伏子阵后，针对单个光伏子阵，获取光伏子阵对应的平均倾角、平均方位角以及总容量。具体地，对光伏子阵中的所有的光伏组串的倾角取平均值，即可得到光伏子阵对应的平均倾角，对光伏子阵中的所有的光伏组串的方位角取平均值，即可得到光伏子阵对应的平均方位角，对光伏子阵中的所有的光伏组串的容量取和值，即可得到光伏子阵对应的总容量。
步骤S43，将所述平均倾角、所述平均方位角以及所述总容量作为所述光伏仿真参数。
在本实施例中，在得到各个光伏子阵对应的平均倾角、平均方位角以及总容量之后，将各个光伏子阵对应的平均倾角、平均方位角以及总容量均作为光伏仿真参数来进行光伏仿真，这样，由于将多个相似的光伏组串作为一个整体来进行光伏仿真，使得光伏仿真需要输入的参数更少，光伏仿真需要创建的光伏仿真模型数量也更少，并且光伏仿真的结果也不会出现较大偏差，在保证光伏仿真结果准确性的前提下，提高了光伏仿真的效率。
在本实施例公开的技术方案中，在得到光伏电站中各个光伏组串的倾角、方位角以及容量之后，对多个光伏组串进行聚类分析，将属于同一类别的相似光伏组串作为一个整体来进行光伏仿真，在保证光伏仿真结果准确性的前提下，提高了光伏仿真的效率。
在再一实施例中，如图4所示，在图2至图3任一实施例所示的基础上，步骤S10之后，还包括：
步骤S50，对多个所述二维图像进行拼接处理，得到光伏电站对应的全景图像，其中，所述全景图像包含有所述光伏电站，所述光伏电站包括多个所述光伏组串；
在本实施例中，在获取包含有光伏组串的二维图像之后，还可根据二维图像获取光伏电站对应的地表覆盖率，将地表覆盖率也作为光伏仿真参数中的一个参数来进行光伏仿真，以提高光伏仿真的准确率。具体地，对无人机获取到的多个二维图像进行拼接处理，得到光伏电站对应的全景图像，全景图像包含有完整的光伏电站，光伏电站包括多个光伏组串，通过拼接处理即可得到包含完整光伏电站的大尺寸二维图像(即全景图像，如图10所示)。
可选地，在获取包含有光伏组串的二维图像时，可通过无人机来采集二维图像，具体地，可控制无人机按照光伏电站对应的预设航线飞行，以使无人机在真实光伏电站的上空按照预设轨迹飞行，在无人机飞行过程中，控制无人机采集多个包含有光伏电站中的光伏组串的二维图像，其中，无人机采集多个二维图像时的航向重叠度大于或等于第一预设值，无人机采集多个二维图像时的旁向重叠度大于或等于第二预设值，例如，第一预设值可以是60％，第二预设值可以是30％，通过航向重叠度以及旁向重叠度的限制，可保证无人机采集到的多个二维图像可用于图像拼接，以及保证图像拼接可得到包含完整光伏电站的全景图像。其中，由于无人机处于光伏电站上空，因此，无人机采集的二维图像均为光伏电站中的光伏组串的俯视图，旁向重叠度是指相邻航线之间两相邻像片(即相邻的两个二维图像)的重叠度，航向重叠度是指同一航线上两相邻像片(即相邻的两个二维图像)的重叠度。
可选地，由于无人机的真实相机镜头存在广角畸变，为了减少广角畸变对于图像拼接以及图像识别的影响，保证光伏仿真参数的准确性，无人机的飞行高度应当小于或等于预设高度，以避免无人机的飞行高度过高。
步骤S60，在所述全景图像中，获取所述光伏电站中的所有所述光伏组串所在图像区域的总面积，以及在所述全景图像中，获取所述光伏电站所在图像区域的总面积；
在本实施例中，如图10所示，在包含有完整光伏电站的全景图像中，可获取光伏电站中所有光伏组串占据的图像区域的总面积，以及在包含有完整光伏电站的全景图像中，获取完整光伏电站所在图像区域的总面积，由于在安装真实光伏电站时，光伏电站中的多个光伏组串均是相隔一定距离分别设置的，光伏组串之间存在间隔，因此光伏电站中所有光伏组串占据的图像区域的总面积均是小于完整光伏电站所在图像区域的总面积的。
步骤S70，根据所述光伏电站中的所有所述光伏组串所在图像区域的总面积与所述光伏电站所在图像区域的总面积的比值确定所述光伏电站的地表覆盖率，其中，所述光伏仿真参数包括所述地表覆盖率。
在本实施例中，获取所有光伏组串所在图像区域的总面积与完整光伏电站所在图像区域的总面积的比值，根据比值得到光伏电站的地表覆盖率，例如，可将比值直接作为光伏电站的地表覆盖率。在光伏电站的地表覆盖率越小时，在光伏电站上，光伏电站的太阳辐射收集效率越低，因此在光伏仿真中，光伏电站的地表覆盖率可用于对光伏组串前后排之间的阴影遮挡造成的辐照损失进行评估，使得光伏仿真得到的预测发电量更加准确，提高了光伏仿真的准确度。
在本实施例公开的技术方案中，在获取用于光伏仿真的光伏仿真参数时，考虑到了光伏电站的地表覆盖率对于光伏仿真结果的影响，并通过拍摄的多个二维图像的拼接，更加方便地计算出光伏电站的地表覆盖率，提高了地表覆盖率的获取效率以及光伏仿真结果的准确度。
在一示例性说明中，如图5所示，在图2至图4任一实施例所示的基础上，光伏仿真参数的获取方法示例如下：
S1、明确无人机的航向，记录下无人机的航线数据；为了确保无人机拍摄的图片可以用于拼接，航线规划要注意图片重叠度：航向重叠度需不小于60％，旁向重叠度需不小于30％；
S2、使用无人机俯拍各个光伏组件的二维图像。无人机拍摄时，无人机应当保持水平的姿态，且飞行高度应当保持不变。由于无人机的相机镜头存在广角畸变，为了减少畸变对图像处理的影响，减少图像识别的难度，无人机的飞行高度不宜过高，对于占地面积较大的电站，可以对不同光伏组件分别拍照；
S3、使用图像拼接软件，例如Pix4DMapper，将照片拼接成一张二维的电站全景图片(如图10所示)；导出无人机航线数据，根据无人机航向，在全景图上标出正南方向，在步骤S3之后，可分别执行步骤S4以及S7；
S7、通过图像识别，识别出全景图片中的组件，并计算出光伏电站的所有光伏组件的总面积Spanel，以及光伏阵列的占地面积S，计算光伏电站的地表覆盖率GCR：
GCR＝Spanel/S
S4、如图9所示，针对每一光伏组串，进行图像切割，分离出光伏组串中的各个光伏组件；
S5、识别出组串中的光伏组件个数m，计算该光伏组串的容量Pstring：
Pstring＝m*PSTC
其中，PSTC为光伏组件的额定容量；
通过图像识别，获取光伏组串的长和宽，计算出光伏组串的倾角：
图6是一个倾斜的组串，其真实长度为L，真实宽度为W，倾角(与水平面的夹角)为Θ。根据三角函数，组串的宽边在水平方向上的投影宽度D是：
D＝Wcos(Θ)
图7是无人机从空中俯拍该组串获取的俯视图。假设组串的长边与水平面保持平行(通常组串的长边都会与水平面保持平行；即便略微有倾斜，光伏仿真软件中也没有对应的参数可以配置，因此不考虑这种情况)，识别出组串在俯视图中的长度L'和投影宽度D'(D'为组串在俯视图中的宽度W'在水平方向上的投影)。
根据三角函数：
D'＝W'cos(Θ)
在图像中，虽然组串的尺寸经过缩放，但是组串的长宽比不变，因此：
L'/W'＝L/W
因此，联立以上两公式可得出组串倾角：
Θ＝cos-1(D'/W')＝cos-1((D'*L)/(W*L'))
计算出光伏组串的方位角：
如图8所示，通过图像识别，获取每个光伏组串在俯视图中的朝向，朝向与正南方向的夹角Φ即为光伏组串的方位角；
S6、汇总光伏电站中所有光伏组串的数据，形成一个数据集C：
C＝{X1，X2，...，Xn}
每一个光伏组串对应一个元素Xi，每个元素包含倾角、方位角和容量三个参数，即：
Xi＝(Θi，Φi，Pstring，i)
以倾角Θ和方位角Φ为特征参数，使用二分K均值聚类对集合中的元素聚类，将具有相似特征参数的组串聚为一类；
因为聚类后，每一类中的光伏组串都具有相似的特征，因此将它们合并作为一个光伏子阵，并计算光伏子阵的总容量。取该光伏子阵中所有光伏组串的平均倾角和方位角，作为该光伏子阵的倾角和方位角。这样，每个光伏子阵都有三个参数，分别为：倾角Θ、方位角Φ和总容量P；
Figure BDA0003125420310000151
S8、将上表中的参数以及地表覆盖率作为光伏仿真参数建立仿真模型。
在本示例性说明中，对于地形复杂的电站，例如山地电站，山地电站的光伏组串通常沿着等高线排布，由于地势高低错落，光伏组串的倾角、朝向无法保持一致，如何获得准确的组件倾角、方位角及地表覆盖率是光伏仿真中的难题，因此本示例性说明使用无人机拍摄的方式，获取电站全景图片，不受电站地形限制，可以用于水面电站、屋顶电站、山地电站等，并且采用二维图像切割的方式分离出各个组串，分别计算倾角和方位角，可以准确提取各组串的特征参数，相较于三维建模，不需要进行复杂的数据处理，效率高；
并且由于在常用的光伏仿真软件中，一次仿真所支持的组件排布种类有限。例如SAM，一次仿真仅支持四种不同的倾角和方位角组合；而PVsyst一次仅可以对一种倾角和方位角的组合进行仿真。对于地势复杂的山地电站，存在多种不同的组串倾角和方位角的组合，如果对每一种组合依次进行仿真后再合并，效率很低，因此本示例性说明采用二分K均值聚类的方式对具有相似特征的组串进行聚类，相较于传统的K均值聚类，在保证准确率的同时，效率更高；将同一类组串合并在一起进行仿真，既可以提高仿真的效率，又兼顾了准确率。
并且本示例性说明还考虑到了地表覆盖率对光伏仿真的影响，通过计算出光伏电站的地表覆盖率，用于在仿真中对光伏组件前后排阴影遮挡造成的损失进行评估，可以进一步提高仿真结果的准确性。
此外，本发明实施例还提出一种光伏仿真参数的获取装置，所述光伏仿真参数的获取装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的光伏仿真参数的获取程序，所述光伏仿真参数的获取程序被所述处理器执行时实现如上所述中任一项所述的光伏仿真参数的获取方法的步骤。
此外，本发明实施例还提出一种计算机存储介质，所述计算机存储介质上存储有光伏仿真参数的获取程序，所述光伏仿真参数的获取程序被处理器执行时实现如上所述中任一项所述的光伏仿真参数的获取方法的步骤。
可选地，由于光伏组串包含了光伏组件，因此包含有光伏组串的二维图像可以是包含有光伏组件的二维图像，光伏组串在二维图像中的尺寸、朝向可以是光伏组件在二维图像中的尺寸、朝向，光伏组串的倾角可以是光伏组件的倾角，光伏组串的方位角可以是光伏组件的方位角，光伏组串的容量可以是光伏组件的容量，根据光伏组串的倾角、方位角以及容量确定光伏仿真参数的步骤可以包括：根据光伏组件的倾角、方位角以及容量确定光伏仿真参数，即是将本申请中的光伏组串替换为光伏组件，以通过光伏组件获取光伏仿真参数，且获取光伏仿真参数的方法与光伏组件类似，可以理解的，本申请根据光伏组串获取光伏仿真参数的方法也可以通过光伏组件来实现，在此不作限制。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种光伏仿真参数的获取方法，其特征在于，所述光伏仿真参数的获取方法包括以下步骤：
获取包含有光伏组串的二维图像；
至少获取所述光伏组串在所述二维图像中的尺寸、朝向以及包含的光伏组件的数量；
根据所述光伏组串的真实尺寸及在所述二维图像中的尺寸获取所述光伏组串的倾角，根据所述光伏组串在所述二维图像中的朝向获取所述光伏组串的方位角，根据所述光伏组串在所述二维图像中包含的光伏组件的数量获取所述光伏组串的容量；
根据所述倾角、所述方位角以及所述容量确定光伏仿真参数。
2.如权利要求1所述的光伏仿真参数的获取方法，其特征在于，所述根据所述倾角、所述方位角以及所述容量确定光伏仿真参数的步骤包括：
根据多个所述光伏组串的所述倾角以及所述方位角对多个所述光伏组串进行聚类处理，得到多个光伏子阵，其中，每一所述光伏子阵包含属于同一类别的多个所述光伏组串；
根据所述光伏子阵中的多个所述光伏组串的所述倾角获取所述光伏子阵对应的平均倾角，根据所述光伏子阵中的多个所述光伏组串的所述方位角获取所述光伏子阵对应的平均方位角，根据所述光伏子阵中的多个所述光伏组串的所述容量获取所述光伏子阵对应的总容量；
将所述平均倾角、所述平均方位角以及所述总容量作为所述光伏仿真参数。
3.如权利要求1所述的光伏仿真参数的获取方法，其特征在于，所述根据所述光伏组串的真实尺寸及在所述二维图像中的尺寸获取所述光伏组串的倾角的步骤包括：
获取所述光伏组串的真实长度L和真实宽度W；
根据所述光伏组串在所述二维图像中的长度L'和投影宽度D'，采用以下公式计算所述光伏组串的倾角Θ：
Θ＝cos-1((D'*L)/(W*L'))
4.如权利要求1所述的光伏仿真参数的获取方法，其特征在于，所述根据所述光伏组串在所述二维图像中的朝向获取所述光伏组串的方位角的步骤包括：
获取所述二维图像中的正南方向；
将所述光伏组串的宽边在所述二维图像中的朝向与所述正南方向的夹角作为所述光伏组串的方位角。
5.如权利要求1所述的光伏仿真参数的获取方法，其特征在于，所述根据所述光伏组串在所述二维图像中包含的光伏组件的数量获取所述光伏组串的容量的步骤包括：
获取所述光伏组件的额定容量；
根据所述光伏组串在所述二维图像中包含的所述光伏组件的数量以及所述额定容量确定所述光伏组串的容量。
6.如权利要求1所述的光伏仿真参数的获取方法，其特征在于，所述获取包含有光伏组串的二维图像的步骤之后，还包括：
对多个所述二维图像进行拼接处理，得到光伏电站对应的全景图像，其中，所述全景图像包含有所述光伏电站，所述光伏电站包括多个所述光伏组串；
在所述全景图像中，获取所述光伏电站中的所有所述光伏组串所在图像区域的总面积，以及在所述全景图像中，获取所述光伏电站所在图像区域的总面积；
根据所述光伏电站中的所有所述光伏组串所在图像区域的总面积与所述光伏电站所在图像区域的总面积的比值确定所述光伏电站的地表覆盖率，其中，所述光伏仿真参数包括所述地表覆盖率。
7.如权利要求6所述的光伏仿真参数的获取方法，其特征在于，所述获取包含有光伏组串的二维图像的步骤包括：
控制无人机按照所述光伏电站对应的预设航线飞行；
在所述无人机飞行过程中，控制所述无人机采集多个所述二维图像，其中，所述无人机采集多个所述二维图像时的航向重叠度大于或等于第一预设值，所述无人机采集多个所述二维图像时的旁向重叠度大于或等于第二预设值。
8.如权利要求1所述的光伏仿真参数的获取方法，其特征在于，所述根据所述倾角、所述方位角以及所述容量确定光伏仿真参数的步骤之后，还包括：
根据所述光伏仿真参数建立光伏仿真模型；
获取所述光伏仿真模型对应的预测发电量。
9.一种光伏仿真参数的获取装置，其特征在于，所述光伏仿真参数的获取装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的光伏仿真参数的获取程序，所述光伏仿真参数的获取程序被所述处理器执行时实现如权利要求1至8中任一项所述的光伏仿真参数的获取方法的步骤。
10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有光伏仿真参数的获取程序，所述光伏仿真参数的获取程序被处理器执行时实现如权利要求1至8中任一项所述的光伏仿真参数的获取方法的步骤。
CN202110694805.0A 2021-06-21 2021-06-21 光伏仿真参数的获取方法、装置及计算机存储介质 Pending CN113343475A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110694805.0A CN113343475A (zh) 2021-06-21 2021-06-21 光伏仿真参数的获取方法、装置及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110694805.0A CN113343475A (zh) 2021-06-21 2021-06-21 光伏仿真参数的获取方法、装置及计算机存储介质

Publications (1)

Publication Number Publication Date
CN113343475A true CN113343475A (zh) 2021-09-03

Family

ID=77477628

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110694805.0A Pending CN113343475A (zh) 2021-06-21 2021-06-21 光伏仿真参数的获取方法、装置及计算机存储介质

Country Status (1)

Country Link
CN (1) CN113343475A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115797310A (zh) * 2022-12-13 2023-03-14 无锡海纳智能科技有限公司 一种光伏电站组串倾角的确定方法及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5413933B1 (ja) * 2013-04-25 2014-02-12 協立機電工業株式会社 太陽光発電設備故障判定方法および装置
CN110244766A (zh) * 2019-07-03 2019-09-17 王峰 一种光伏电站无人机巡检航线的规划方法及系统
CN110544039A (zh) * 2019-09-06 2019-12-06 阳光电源股份有限公司 一种光伏组串的阴影遮挡识别方法及装置
CN111211735A (zh) * 2020-01-17 2020-05-29 理光软件研究所（北京）有限公司 一种检测方法、装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5413933B1 (ja) * 2013-04-25 2014-02-12 協立機電工業株式会社 太陽光発電設備故障判定方法および装置
CN110244766A (zh) * 2019-07-03 2019-09-17 王峰 一种光伏电站无人机巡检航线的规划方法及系统
CN110544039A (zh) * 2019-09-06 2019-12-06 阳光电源股份有限公司 一种光伏组串的阴影遮挡识别方法及装置
CN111211735A (zh) * 2020-01-17 2020-05-29 理光软件研究所（北京）有限公司 一种检测方法、装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ISAAC ROJAS-HERNÁNDEZ等: "Fixed photovoltaic system optimization: Azimuth, inclination and pitch case study at Liberia", 《IEEE XPLORE》 *
席志鹏等: "集中式光伏电站巡检无人机视觉定位与导航", 《浙江大学学报》 *
张凤娟等: "《光伏组件设计与加工》", 31 December 2018 *
毛峡等: "光伏阵列故障检测中的无人机红外图像拼接", 《太阳能学报》 *
谢秉正等: "《第十一届中国光伏大会暨展览会—会议论文集》", 31 October 2010 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115797310A (zh) * 2022-12-13 2023-03-14 无锡海纳智能科技有限公司 一种光伏电站组串倾角的确定方法及电子设备

Similar Documents

Publication Publication Date Title
US11830137B2 (en) Automated three-dimensional building model estimation
US10755098B2 (en) Evaluation method of solar energy utilization potential in urban high-density areas based on low-altitude photogrammetry
Xiang et al. Mini-unmanned aerial vehicle-based remote sensing: Techniques, applications, and prospects
US20220215622A1 (en) Automated three-dimensional building model estimation
CN106133756A (zh) 用于过滤、分割并且识别无约束环境中的对象的系统
CN109190508A (zh) 一种基于空间坐标系的多摄像头数据融合方法
CN110223380B (zh) 融合航拍与地面视角图像的场景建模方法、系统、装置
CN110718137B (zh) 目标物密度分布地图的构建方法及装置、终端、移动装置
CN114359758A (zh) 一种输电线的检测方法、装置、计算机设备和存储介质
CN109242855A (zh) 基于多分辨率三维统计信息的屋顶分割方法、系统及设备
CN110514298A (zh) 一种基于地基云图的太阳辐照强度计算方法
Ibrahim et al. 4D BIM based optimal flight planning for construction monitoring applications using camera-equipped UAVs
CN107767454A (zh) 一种实景三维移动快速建模方法、装置及系统
CN112613107B (zh) 杆塔工程确定施工进度的方法、装置、存储介质及设备
CN114332134B (zh) 一种基于密集点云的建筑物立面提取方法和装置
JP2015114954A (ja) 撮影画像解析方法
CN113159466A (zh) 一种短时光伏发电功率预测系统及方法
CN113420640A (zh) 红树林高光谱图像分类方法、装置、电子设备及存储介质
CN116645321B (zh) 植被叶倾角演算统计方法、装置、电子设备及存储介质
WO2023183248A1 (en) Automated three-dimensional building model estimation
CN112700498A (zh) 一种基于深度学习的风力发电机叶尖定位方法及系统
CN114463308A (zh) 一种无人机视角光伏组件视觉检测方法、装置及处理设备
CN116223511A (zh) 基于无人机自动巡检的分布式屋顶光伏组件缺陷诊断方法及装置
CN112907749B (zh) 一种多建筑物的三维重建方法及系统
US10956712B1 (en) System and method for multidimensional gradient-based cross-spectral stereo matching

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210903

RJ01 Rejection of invention patent application after publication