CN113393152A - 一种光伏组件排布地块确定方法及装置 - Google Patents

一种光伏组件排布地块确定方法及装置 Download PDF

Info

Publication number
CN113393152A
CN113393152A CN202110740617.7A CN202110740617A CN113393152A CN 113393152 A CN113393152 A CN 113393152A CN 202110740617 A CN202110740617 A CN 202110740617A CN 113393152 A CN113393152 A CN 113393152A
Authority
CN
China
Prior art keywords
concentration
combination
land
land block
plot
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.)
Granted
Application number
CN202110740617.7A
Other languages
English (en)
Other versions
CN113393152B (zh
Inventor
陈伟
王涛
马青春
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 Renewables Development Co Ltd
Original Assignee
Sungrow Renewables Development 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 Renewables Development Co Ltd filed Critical Sungrow Renewables Development Co Ltd
Priority to CN202110740617.7A priority Critical patent/CN113393152B/zh
Publication of CN113393152A publication Critical patent/CN113393152A/zh
Application granted granted Critical
Publication of CN113393152B publication Critical patent/CN113393152B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种光伏组件排布地块确定方法及装置，在确定地块总区域的情况下，根据地块总区域对应的光伏组件预排布图中每个光伏组件的坐标点，剔除比较偏远或孤立的小地块，确定多个高聚集度地块组合。在此基础上，调用预先构建的内部收益率模型，综合考虑高聚集度地块组合的多维度评价指标值，计算每个高聚集度地块组合的内部收益率，将内部收益率最高的高聚集度地块组合确定为最终光伏组件排布地块，改变了目前简单粗放的基于人工圈定的地块选择方式，综合多维度评价指标实现对光伏组件排布地块的精准选择，进而提高了光伏电站建设的选址效率。

Description

一种光伏组件排布地块确定方法及装置
技术领域
本发明涉及光伏发电技术领域，更具体的，涉及一种光伏组件排布地块确定方法及装置。
背景技术
在非平面地形，如山区地形上进行光伏电站建设时，前期需要对光伏组件排布地块进行合理规划，在确定光伏组件排布地块后才能进行光伏电站的建设施工。
目前，主要在人工圈定目标地块之后，通过三方排布工具直接对目标地块进行光伏组件预排布，若预排布的光伏组件容量达到目标容量，则确定该目标地块为光伏电站的建设地块，若预排布的光伏组件容量未达到目标容量，则需要人工重新圈定目标地块。但是，这种基于人工圈定的地块选择方法简单粗放，效率低下。
发明内容
有鉴于此，本发明提供了一种光伏组件排布地块确定方法及装置，综合多维度评价指标实现对光伏组件排布地块的精准选择，进而提高了光伏电站建设的选址效率。
为了实现上述发明目的，本发明提供的具体技术方案如下：
一种光伏组件排布地块确定方法，包括：
在确定地块总区域的情况下，获取地块总区域对应的光伏组件预排布图中每个光伏组件的坐标点；
根据每个光伏组件的坐标点，确定多个高聚集度地块组合；
获取每个所述高聚集度地块组合的多维度评价指标值；
调用预先构建的内部收益率模型，根据每个所述高聚集度地块组合的多维度评价指标值，计算每个所述高聚集度地块组合的内部收益率；
将内部收益率最高的所述高聚集度地块组合确定为光伏组件排布地块。
可选的，所述根据每个光伏组件的坐标点，确定多个高聚集度地块组合，包括：
以第一预设容量为基准，对所有光伏组件的坐标点进行聚类，得到多个小社团，所述第一预设装机容量小于最小方阵装机容量；
计算每个小社团的装机容量以及到其他小社团的距离，剔除装机容量小于第一预设装机容量或距离小于预设方阵间距离的小社团，得到备选组件坐标集；
以最小方阵装机容量为基准，对所述备选组件坐标集中的光伏组件的坐标点进行聚类，得到多个方阵块；
以第二预设装机容量为基准，对所有方阵块进行聚类，得到多个所述高聚集度地块组合，所述第二预设装机容量小于所有备选组件的总装机容量。
可选的，所述以第一预设容量为基准，对所有光伏组件的坐标点进行聚类，得到多个小社团，包括：
根据每个光伏组件的坐标点以及组件支架类型，确定所述光伏组件预排布图中每个组件支架的坐标点；
依据每个光伏组件的装机容量以及组件支架类型，确定每个组件支架的装机容量；
以第一预设装机容量为基准，对所有组件支架的坐标点进行聚类，得到多个小社团。
可选的，所述高聚集度地块组合的多维度评价指标值包括：低压线缆长度、高压线缆长度、装机容量、占地面积和全年等效发电小时数。
可选的，所述获取每个所述高聚集度地块组合的低压线缆长度，包括：
分别将每个所述高聚集度地块组合中每个方阵块内部各个光伏组件的坐标点到方阵中心点的距离之和，确定为每个所述高聚集度地块组合的低压线缆长度。
可选的，所述获取每个所述高聚集度地块组合的高压线缆长度，包括：
分别将每个所述高聚集度地块组合中每个方阵块到所述高聚集度地块组合中心点的距离之和，确定为每个所述高聚集度地块组合的内部高压线缆长度；
分别将每个所述高聚集度地块组合中心点到升压站的距离，确定为每个所述高聚集度地块组合的外部高压线缆长度；
分别将每个所述高聚集度地块组合的内部高压线缆长度与外部高压线缆长度之和，确定为每个所述高聚集度地块组合的总高压线缆长度。
可选的，所述获取每个所述高聚集度地块组合的装机容量，包括：
分别根据每个所述高聚集度地块组合中光伏组件的数量和光伏组件的装机容量，确定每个所述高聚集度地块组合的装机容量。
可选的，所述获取每个所述高聚集度地块组合的占地面积，包括：
分别根据每个所述高聚集度地块组合中边缘光伏组件的坐标以及施工间距，确定每个所述高聚集度地块组合的外轮廓线；
分别根据每个所述高聚集度地块组合的外轮廓线，确定每个所述高聚集度地块组合的占地面积。
可选的，所述获取每个所述高聚集度地块组合的全年等效发电小时数，包括：
根据地块总区域的经纬度高程信息以及赤纬角，计算地块总区域不同日期的阴影遮挡变化率；
依据预先仿真得到的每个所述高聚集度地块组合的发电数据和地块总区域不同日期的阴影遮挡变化率，分别计算每个所述高聚集度地块组合的全年等效发电小时数。
可选的，所述调用预先构建的内部收益率模型，根据每个所述高聚集度地块组合的多维度评价指标值，计算每个所述高聚集度地块组合的内部收益率，包括：
从所有所述高聚集度地块组合中随机选择一个所述高聚集度地块组合作为基准地块组合；
以所述基准地块组合的多维度评价指标值为基准，对其他所述高聚集度地块组合的多维度评价指标值进行归一化处理，得到每个所述高聚集度地块组合的指标系数表；
根据每个所述高聚集度地块组合的指标系数表以及所述内部收益率模型中的典型影响因子明细数据集，计算每个所述高聚集度地块组合的内部收益率。
一种光伏组件排布地块确定装置，包括：
预排布图获取单元，用于在确定地块总区域的情况下，获取地块总区域对应的光伏组件预排布图中每个光伏组件的坐标点；
高聚集度地块组合确定单元，用于根据每个光伏组件的坐标点，确定多个高聚集度地块组合；
多维度评价指标获取单元，用于获取每个所述高聚集度地块组合的多维度评价指标值；
内部收益率计算单元，用于调用预先构建的内部收益率模型，根据每个所述高聚集度地块组合的多维度评价指标值，计算每个所述高聚集度地块组合的内部收益率；
组件排布地块确定单元，用于将内部收益率最高的所述高聚集度地块组合确定为光伏组件排布地块。
可选的，所述高聚集度地块组合确定单元，包括：
第一聚类子单元，用于以第一预设容量为基准，对所有光伏组件的坐标点进行聚类，得到多个小社团，所述第一预设装机容量小于最小方阵装机容量；
小社团剔除子单元，用于计算每个小社团的装机容量以及到其他小社团的距离，剔除装机容量小于第一预设装机容量或距离小于预设方阵间距离的小社团，得到备选组件坐标集；
第二聚类子单元，用于以最小方阵装机容量为基准，对所述备选组件坐标集中的光伏组件的坐标点进行聚类，得到多个方阵块；
第三聚类子单元，用于以第二预设装机容量为基准，对所有方阵块进行聚类，得到多个所述高聚集度地块组合，所述第二预设装机容量小于所有备选组件的总装机容量。
可选的，所述第一聚类子单元，具体用于：
根据每个光伏组件的坐标点以及组件支架类型，确定所述光伏组件预排布图中每个组件支架的坐标点；
依据每个光伏组件的装机容量以及组件支架类型，确定每个组件支架的装机容量；
以第一预设装机容量为基准，对所有组件支架的坐标点进行聚类，得到多个小社团。
可选的，所述高聚集度地块组合的多维度评价指标值包括：低压线缆长度、高压线缆长度、装机容量、占地面积和全年等效发电小时数。
可选的，所述多维度评价指标获取单元包括：
低压线缆长度获取子单元，具体用于分别将每个所述高聚集度地块组合中每个方阵块内部各个光伏组件的坐标点到方阵中心点的距离之和，确定为每个所述高聚集度地块组合的低压线缆长度。
可选的，所述多维度评价指标获取单元包括：
高压线缆长度获取子单元，具体用于分别将每个所述高聚集度地块组合中每个方阵块到所述高聚集度地块组合中心点的距离之和，确定为每个所述高聚集度地块组合的内部高压线缆长度；分别将每个所述高聚集度地块组合中心点到升压站的距离，确定为每个所述高聚集度地块组合的外部高压线缆长度；分别将每个所述高聚集度地块组合的内部高压线缆长度与外部高压线缆长度之和，确定为每个所述高聚集度地块组合的总高压线缆长度。
可选的，所述多维度评价指标获取单元包括：
装机容量获取子单元，用于分别根据每个所述高聚集度地块组合中光伏组件的数量和光伏组件的装机容量，确定每个所述高聚集度地块组合的装机容量。
可选的，所述多维度评价指标获取单元包括：
占地面积获取子单元，用于分别根据每个所述高聚集度地块组合中边缘光伏组件的坐标以及施工间距，确定每个所述高聚集度地块组合的外轮廓线；分别根据每个所述高聚集度地块组合的外轮廓线，确定每个所述高聚集度地块组合的占地面积。
可选的，所述多维度评价指标获取单元包括：
发电小时数获取子单元，用于根据地块总区域的经纬度高程信息以及赤纬角，计算地块总区域不同日期的阴影遮挡变化率；依据预先仿真得到的每个所述高聚集度地块组合的发电数据和地块总区域不同日期的阴影遮挡变化率，分别计算每个所述高聚集度地块组合的全年等效发电小时数。
可选的，所述内部收益率计算单元，具体用于：
从所有所述高聚集度地块组合中随机选择一个所述高聚集度地块组合作为基准地块组合；
以所述基准地块组合的多维度评价指标值为基准，对其他所述高聚集度地块组合的多维度评价指标值进行归一化处理，得到每个所述高聚集度地块组合的指标系数表；
根据每个所述高聚集度地块组合的指标系数表以及所述内部收益率模型中的典型影响因子明细数据集，计算每个所述高聚集度地块组合的内部收益率。
相对于现有技术，本发明的有益效果如下：
本发明公开的一种光伏组件排布地块确定方法，在确定地块总区域的情况下，根据地块总区域对应的光伏组件预排布图中每个光伏组件的坐标点，剔除比较偏远或孤立的小地块，确定多个高聚集度地块组合。在此基础上，调用预先构建的内部收益率模型，综合考虑高聚集度地块组合的多维度评价指标值，计算每个高聚集度地块组合的内部收益率，将内部收益率最高的高聚集度地块组合确定为最终光伏组件排布地块，改变了目前简单粗放的基于人工圈定的地块选择方式，综合多维度评价指标实现对光伏组件排布地块的精准选择，进而提高了光伏电站建设的选址效率。
附图说明
为了更清楚地说明本发明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发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种光伏组件排布地块确定方法的流程示意图；
图2为本发明实施例公开的一种高聚集度地块组合的确定方法的流程示意图；
图3为本发明实施例公开的一种地块组合内部收益率计算方法的流程示意图；
图4为本发明实施例公开的基于人工圈定的方式得到的光伏组件排布地块示意图；
图5为本发明实施例公开的应用本发明得到的光伏组件排布地块示意图；
图6为本发明实施例公开的一种光伏组件排布地块确定装置的结构示意图。
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，所描述的实施例仅仅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，都属于本发明保护的范围。
本发明提供了一种光伏组件排布地块确定方法，在确定地块总区域的情况下，综合分析地块聚集度、多维度评价指标，如低压线缆长度、高压线缆长度、装机容量、占地面积和全年等效发电小时数对光伏组件排布地块选择的影响，实现对光伏组件排布地块的精准选择，改变了目前简单粗放的基于人工圈定的地块选择方式，提高了光伏电站建设的选址效率。
具体的，请参阅图1，本实施例公开的一种光伏组件排布地块确定方法包括以下步骤：
S101：在确定地块总区域的情况下，获取地块总区域对应的光伏组件预排布图中每个光伏组件的坐标点；
地块总区域是光伏电站选址的总可选区域，我们要做的就是从地块总区域中合理选择光伏组件排布地块。
对地块总区域对应的光伏组件预排布图进行CAD处理，能得到预排布图中每个光伏组件的坐标点Pos组件(xi,yi,zi)，i＝1～N'，N'为光伏组件个数。
需要说明的是，光伏组件的坐标点为光伏组件的中心点的坐标点。
S102：根据每个光伏组件的坐标点，确定多个高聚集度地块组合；
具体的，基于聚类思想，根据每个光伏组件的坐标点，确定多个高聚集度地块组合。为了避免偏远孤立的小地块对聚类结果的干扰，根据每个光伏组件的坐标点，首先剔除比较偏远孤立的小地块，然后从剩余地块中确定高聚集度地块组合，作为备选地块组合。
请参阅图2，本实施例提供了一种高聚集度地块组合的确定方法，具体包括以下步骤：
S201：以第一预设容量为基准，对所有光伏组件的坐标点进行聚类，得到多个小社团；
第一预设装机容量小于最小方阵装机容量，如最小方阵装机容量的一半。
最小方阵装机容量是根据逆变器容量和地形等因素预先设定的。
由于光伏组件预排布图中的光伏组件较多，对所有光伏组件的坐标点进行聚类效率较低，需要占用较多的计算资源，为了提高聚类效率，可以对组件支架进行聚类，得到多个小社团。在此基础上，S201的具体执行方法如下：
首先，根据每个光伏组件的坐标点以及组件支架类型，确定光伏组件预排布图中每个组件支架的坐标点。
不同组件支架类型可能对应不同数量的光伏组件，如有的组件支架上可以放置6个光伏组件，有的组件支架上可以放置8个光伏组件。
根据每个光伏组件的总数量以及组件支架类型，可以得到组件支架的总数量，根据每个组件支架上放置的光伏组件的坐标点，可以得到每个组件支架的坐标点Pos支架(Xj,Yj,Zj)，j＝1～M'，M'为支架个数。
需要说明的是，组件支架的坐标点为组件支架中心点的坐标点。
然后，依据每个光伏组件的装机容量以及组件支架类型，确定每个组件支架的装机容量。
具体的，首先根据组件支架类型确定组件支架上放置的光伏组件的数量，然后将光伏组件的装机容量乘以组件支架上放置的光伏组件的数量，即可得到组件支架的装机容量。
最后，以第一预设装机容量为基准，对所有组件支架的坐标点进行聚类，得到多个小社团。
S202：计算每个小社团的装机容量以及到其他小社团的距离，剔除装机容量小于第一预设装机容量或距离小于预设方阵间距离的小社团，得到备选组件坐标集；
根据小社团中组件支架的数量和装机容量，可以计算小社团的装机容量。
根据小社团中光伏组件的坐标点可以得到小社团边缘的坐标点，小社团到其他小社团的距离具体为小社团边缘与其他小社团边缘的最近距离。
容量小于第一预设装机容量的小社团为孤立小地块，距离小于预设方阵间距离的小社团为比较偏远的地块，均为光伏组件排布不会考虑的地块，通过剔除这些比较偏远的孤立小地块，缩小后续高聚集度地块组合的选择范围，降低计算量。
S203：以最小方阵装机容量为基准，对备选组件坐标集中的光伏组件的坐标点进行聚类，得到多个方阵块；
S204：以第二预设装机容量为基准，对所有方阵块进行聚类，得到多个高聚集度地块组合；
第二预设装机容量小于所有备选组件的总装机容量，如大于总装机容量的一半且小于总装机容量的值，得到大于总装机容量的一半且小于总装机容量的地块组合。
分别计算聚类得到的每个地块组合的聚集度，按照聚集度从高到低的顺序对聚类得到的地块组合排序，取前N个地块组合作为高聚集度地块组合，N为正整数，可以按照对精度的要求预先进行设定，可以理解的是，N越大后续得到的光伏组件排布地块的准确性越高，但是所带来的计算量也越大。
聚集度计算方法可以有多种，如通过地块组合的低压线缆长度衡量聚集度，通过地块组合的高压线缆长度衡量聚集度等，在此不做具体限定。
S103：获取每个高聚集度地块组合的多维度评价指标值；
高聚集度地块组合的多维度评价指标值可以包括：低压线缆长度、高压线缆长度、装机容量、占地面积和全年等效发电小时数。
根据实际应用场景，可以对以上多维度评价指标的类型进行增减。
其中，获取每个高聚集度地块组合的低压线缆长度的方法如下：分别将每个高聚集度地块组合中每个方阵块内部各个光伏组件的坐标点到方阵中心点的距离之和，确定为每个高聚集度地块组合的低压线缆长度。
获取每个高聚集度地块组合的高压线缆长度的方法如下：分别将每个高聚集度地块组合中每个方阵块到高聚集度地块组合中心点的距离之和，确定为每个高聚集度地块组合的内部高压线缆长度；分别将每个高聚集度地块组合中心点到升压站的距离，确定为每个高聚集度地块组合的外部高压线缆长度；分别将每个高聚集度地块组合的内部高压线缆长度与外部高压线缆长度之和，确定为每个高聚集度地块组合的总高压线缆长度。
获取每个高聚集度地块组合的装机容量的方法如下：分别根据每个高聚集度地块组合中光伏组件的数量和光伏组件的装机容量，确定每个高聚集度地块组合的装机容量。
获取每个高聚集度地块组合的占地面积的方法如下：在确定高聚集度地块组合中边缘光伏组件的坐标之后，按照施工间距(该施工间距为预先设定的正常施工间距)向外扩一定距离，确定高聚集度地块组合的外轮廓线；分别根据每个高聚集度地块组合的外轮廓线，确定每个高聚集度地块组合的占地面积。
获取每个高聚集度地块组合的全年等效发电小时数的方法如下：
根据地块总区域的经纬度高程信息以及赤纬角，计算地块总区域不同日期的阴影遮挡变化率：
Figure BDA0003141276150000101
其中，σ为赤纬角，由地块总区域的经纬度高程信息计算得到。
B为地块总区域的纬度信息。
依据预先仿真得到的每个高聚集度地块组合的发电数据和地块总区域不同日期的阴影遮挡变化率，分别计算每个高聚集度地块组合的全年等效发电小时数。
全年等效发电小时数
Figure BDA0003141276150000102
其中，Wi为第i个高聚集度地块组合的发电数据，i＝1～n，n为高聚集度地块组合数。
需要说明的是，预先根据地块总区域的经纬度高程信息和历史气象数据仿真得到总发电数据，然后根据每个高聚集度地块组合的边界坐标，得到每个高聚集度地块组合的发电数据。
S104：调用预先构建的内部收益率模型，根据每个高聚集度地块组合的多维度评价指标值，计算每个高聚集度地块组合的内部收益率；
请参阅图3，本实施例提供了一种地块组合内部收益率计算方法，包括如下步骤：
S301：从所有高聚集度地块组合中随机选择一个高聚集度地块组合作为基准地块组合；
S302：以基准地块组合的多维度评价指标值为基准，对其他高聚集度地块组合的多维度评价指标值进行归一化处理，得到每个高聚集度地块组合的指标系数表；
高聚集度地块组合的多维度评价指标值为[RHi,RLi,Pri,Si,Ti]，i＝1～n，n为高聚集度地块组合数)。
以基准地块组合的多维度评价指标值为基准，对其他高聚集度地块组合的多维度评价指标值进行归一化处理，得到每个高聚集度地块组合的指标系数表：
Figure BDA0003141276150000111
S303：根据每个高聚集度地块组合的指标系数表以及内部收益率模型中的典型影响因子明细数据集，计算每个高聚集度地块组合的内部收益率。
内部收益率模型中的典型影响因子明细数据集：
[η]＝(η线缆,η组件支架装,η设备,η施工,η土地租金,η电价)
根据每个高聚集度地块组合的指标系数表[δi]以及内部收益率模型中的典型影响因子明细数据集[η]，计算每个高聚集度地块组合的内部收益率[IRRi]：
Figure BDA0003141276150000112
S105：将内部收益率最高的高聚集度地块组合确定为光伏组件排布地块。
对于同一区域A，利用目前基于人工圈定的方式得到的光伏组件排布地块如图4所示，利用本发明提供的光伏组件排布地块确定方法得到的光伏组件排布地块如图5所示，仅从图4和图5可以看出，图5中地块的聚集度更高、占地面积更少。
本实施例公开的一种光伏组件排布地块的确定方法，在确定地块总区域的情况下，根据地块总区域对应的光伏组件预排布图中每个光伏组件的坐标点，剔除比较偏远或孤立的小地块，确定多个高聚集度地块组合。在此基础上，调用预先构建的内部收益率模型，综合考虑高聚集度地块组合的多维度评价指标值，计算每个高聚集度地块组合的内部收益率，将内部收益率最高的高聚集度地块组合确定为最终光伏组件排布地块，改变了目前简单粗放的基于人工圈定的地块选择方式，综合多维度评价指标实现对光伏组件排布地块的精准选择，进而提高了光伏电站建设的选址效率。
基于上述实施例公开的一种光伏组件排布地块确定方法，本实施例对应公开了一种光伏组件排布地块确定装置，请参阅图6，该装置包括：
预排布图获取单元100，用于在确定地块总区域的情况下，获取地块总区域对应的光伏组件预排布图中每个光伏组件的坐标点；
高聚集度地块组合确定单元200，用于根据每个光伏组件的坐标点，确定多个高聚集度地块组合；
多维度评价指标获取单元300，用于获取每个所述高聚集度地块组合的多维度评价指标值；
内部收益率计算单元400，用于调用预先构建的内部收益率模型，根据每个所述高聚集度地块组合的多维度评价指标值，计算每个所述高聚集度地块组合的内部收益率；
组件排布地块确定单元500，用于将内部收益率最高的所述高聚集度地块组合确定为光伏组件排布地块。
可选的，所述高聚集度地块组合确定单元200，包括：
第一聚类子单元，用于以第一预设容量为基准，对所有光伏组件的坐标点进行聚类，得到多个小社团，所述第一预设装机容量小于最小方阵装机容量；
小社团剔除子单元，用于计算每个小社团的装机容量以及到其他小社团的距离，剔除装机容量小于第一预设装机容量或距离小于预设方阵间距离的小社团，得到备选组件坐标集；
第二聚类子单元，用于以最小方阵装机容量为基准，对所述备选组件坐标集中的光伏组件的坐标点进行聚类，得到多个方阵块；
第三聚类子单元，用于以第二预设装机容量为基准，对所有方阵块进行聚类，得到多个所述高聚集度地块组合，所述第二预设装机容量小于所有备选组件的总装机容量。
可选的，所述第一聚类子单元，具体用于：
根据每个光伏组件的坐标点以及组件支架类型，确定所述光伏组件预排布图中每个组件支架的坐标点；
依据每个光伏组件的装机容量以及组件支架类型，确定每个组件支架的装机容量；
以第一预设装机容量为基准，对所有组件支架的坐标点进行聚类，得到多个小社团。
可选的，所述高聚集度地块组合的多维度评价指标值包括：低压线缆长度、高压线缆长度、装机容量、占地面积和全年等效发电小时数。
可选的，所述多维度评价指标获取单元300包括：
低压线缆长度获取子单元，具体用于分别将每个所述高聚集度地块组合中每个方阵块内部各个光伏组件的坐标点到方阵中心点的距离之和，确定为每个所述高聚集度地块组合的低压线缆长度。
可选的，所述多维度评价指标获取单元300包括：
高压线缆长度获取子单元，具体用于分别将每个所述高聚集度地块组合中每个方阵块到所述高聚集度地块组合中心点的距离之和，确定为每个所述高聚集度地块组合的内部高压线缆长度；分别将每个所述高聚集度地块组合中心点到升压站的距离，确定为每个所述高聚集度地块组合的外部高压线缆长度；分别将每个所述高聚集度地块组合的内部高压线缆长度与外部高压线缆长度之和，确定为每个所述高聚集度地块组合的总高压线缆长度。
可选的，所述多维度评价指标获取单元300包括：
装机容量获取子单元，用于分别根据每个所述高聚集度地块组合中光伏组件的数量和光伏组件的装机容量，确定每个所述高聚集度地块组合的装机容量。
可选的，所述多维度评价指标获取单元300包括：
占地面积获取子单元，用于分别根据每个所述高聚集度地块组合中边缘光伏组件的坐标以及施工间距，确定每个所述高聚集度地块组合的外轮廓线；分别根据每个所述高聚集度地块组合的外轮廓线，确定每个所述高聚集度地块组合的占地面积。
可选的，所述多维度评价指标获取单元300包括：
发电小时数获取子单元，用于根据地块总区域的经纬度高程信息以及赤纬角，计算地块总区域不同日期的阴影遮挡变化率；依据预先仿真得到的每个所述高聚集度地块组合的发电数据和地块总区域不同日期的阴影遮挡变化率，分别计算每个所述高聚集度地块组合的全年等效发电小时数。
可选的，所述内部收益率计算单元400，具体用于：
从所有所述高聚集度地块组合中随机选择一个所述高聚集度地块组合作为基准地块组合；
以所述基准地块组合的多维度评价指标值为基准，对其他所述高聚集度地块组合的多维度评价指标值进行归一化处理，得到每个所述高聚集度地块组合的指标系数表；
根据每个所述高聚集度地块组合的指标系数表以及所述内部收益率模型中的典型影响因子明细数据集，计算每个所述高聚集度地块组合的内部收益率。
本实施例公开的一种光伏组件排布地块确定装置，在确定地块总区域的情况下，根据地块总区域对应的光伏组件预排布图中每个光伏组件的坐标点，剔除比较偏远或孤立的小地块，确定多个高聚集度地块组合。在此基础上，调用预先构建的内部收益率模型，综合考虑高聚集度地块组合的多维度评价指标值，计算每个高聚集度地块组合的内部收益率，将内部收益率最高的高聚集度地块组合确定为最终光伏组件排布地块，改变了目前简单粗放的基于人工圈定的地块选择方式，综合多维度评价指标实现对光伏组件排布地块的精准选择，进而提高了光伏电站建设的选址效率。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
上述各个实施例之间可任意组合，对所公开的实施例的上述说明，本说明书中各实施例中记载的特征可以相互替换或者组合，使本领域专业技术人员能够实现或使用本申请。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (11)

1.一种光伏组件排布地块确定方法，其特征在于，包括：
在确定地块总区域的情况下，获取地块总区域对应的光伏组件预排布图中每个光伏组件的坐标点；
根据每个光伏组件的坐标点，确定多个高聚集度地块组合；
获取每个所述高聚集度地块组合的多维度评价指标值；
调用预先构建的内部收益率模型，根据每个所述高聚集度地块组合的多维度评价指标值，计算每个所述高聚集度地块组合的内部收益率；
将内部收益率最高的所述高聚集度地块组合确定为光伏组件排布地块。
2.根据权利要求1所述的方法，其特征在于，所述根据每个光伏组件的坐标点，确定多个高聚集度地块组合，包括：
以第一预设容量为基准，对所有光伏组件的坐标点进行聚类，得到多个小社团，所述第一预设装机容量小于最小方阵装机容量；
计算每个小社团的装机容量以及到其他小社团的距离，剔除装机容量小于第一预设装机容量或距离小于预设方阵间距离的小社团，得到备选组件坐标集；
以最小方阵装机容量为基准，对所述备选组件坐标集中的光伏组件的坐标点进行聚类，得到多个方阵块；
以第二预设装机容量为基准，对所有方阵块进行聚类，得到多个所述高聚集度地块组合，所述第二预设装机容量小于所有备选组件的总装机容量。
3.根据权利要求2所述的方法，其特征在于，所述以第一预设容量为基准，对所有光伏组件的坐标点进行聚类，得到多个小社团，包括：
根据每个光伏组件的坐标点以及组件支架类型，确定所述光伏组件预排布图中每个组件支架的坐标点；
依据每个光伏组件的装机容量以及组件支架类型，确定每个组件支架的装机容量；
以第一预设装机容量为基准，对所有组件支架的坐标点进行聚类，得到多个小社团。
4.根据权利要求1所述的方法，其特征在于，所述高聚集度地块组合的多维度评价指标值包括：低压线缆长度、高压线缆长度、装机容量、占地面积和全年等效发电小时数。
5.根据权利要求2和4所述的方法，其特征在于，所述获取每个所述高聚集度地块组合的低压线缆长度，包括：
分别将每个所述高聚集度地块组合中每个方阵块内部各个光伏组件的坐标点到方阵中心点的距离之和，确定为每个所述高聚集度地块组合的低压线缆长度。
6.根据权利要求2和4所述的方法，其特征在于，所述获取每个所述高聚集度地块组合的高压线缆长度，包括：
分别将每个所述高聚集度地块组合中每个方阵块到所述高聚集度地块组合中心点的距离之和，确定为每个所述高聚集度地块组合的内部高压线缆长度；
分别将每个所述高聚集度地块组合中心点到升压站的距离，确定为每个所述高聚集度地块组合的外部高压线缆长度；
分别将每个所述高聚集度地块组合的内部高压线缆长度与外部高压线缆长度之和，确定为每个所述高聚集度地块组合的总高压线缆长度。
7.根据权利要求4所述的方法，其特征在于，所述获取每个所述高聚集度地块组合的装机容量，包括：
分别根据每个所述高聚集度地块组合中光伏组件的数量和光伏组件的装机容量，确定每个所述高聚集度地块组合的装机容量。
8.根据权利要求4所述的方法，其特征在于，所述获取每个所述高聚集度地块组合的占地面积，包括：
分别根据每个所述高聚集度地块组合中边缘光伏组件的坐标以及施工间距，确定每个所述高聚集度地块组合的外轮廓线；
分别根据每个所述高聚集度地块组合的外轮廓线，确定每个所述高聚集度地块组合的占地面积。
9.根据权利要求4所述的方法，其特征在于，所述获取每个所述高聚集度地块组合的全年等效发电小时数，包括：
根据地块总区域的经纬度高程信息以及赤纬角，计算地块总区域不同日期的阴影遮挡变化率；
依据预先仿真得到的每个所述高聚集度地块组合的发电数据和地块总区域不同日期的阴影遮挡变化率，分别计算每个所述高聚集度地块组合的全年等效发电小时数。
10.根据权利要求1所述的方法，其特征在于，所述调用预先构建的内部收益率模型，根据每个所述高聚集度地块组合的多维度评价指标值，计算每个所述高聚集度地块组合的内部收益率，包括：
从所有所述高聚集度地块组合中随机选择一个所述高聚集度地块组合作为基准地块组合；
以所述基准地块组合的多维度评价指标值为基准，对其他所述高聚集度地块组合的多维度评价指标值进行归一化处理，得到每个所述高聚集度地块组合的指标系数表；
根据每个所述高聚集度地块组合的指标系数表以及所述内部收益率模型中的典型影响因子明细数据集，计算每个所述高聚集度地块组合的内部收益率。
11.一种光伏组件排布地块确定装置，其特征在于，包括：
预排布图获取单元，用于在确定地块总区域的情况下，获取地块总区域对应的光伏组件预排布图中每个光伏组件的坐标点；
高聚集度地块组合确定单元，用于根据每个光伏组件的坐标点，确定多个高聚集度地块组合；
多维度评价指标获取单元，用于获取每个所述高聚集度地块组合的多维度评价指标值；
内部收益率计算单元，用于调用预先构建的内部收益率模型，根据每个所述高聚集度地块组合的多维度评价指标值，计算每个所述高聚集度地块组合的内部收益率；
组件排布地块确定单元，用于将内部收益率最高的所述高聚集度地块组合确定为光伏组件排布地块。
CN202110740617.7A 2021-06-30 2021-06-30 一种光伏组件排布地块确定方法及装置 Active CN113393152B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110740617.7A CN113393152B (zh) 2021-06-30 2021-06-30 一种光伏组件排布地块确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110740617.7A CN113393152B (zh) 2021-06-30 2021-06-30 一种光伏组件排布地块确定方法及装置

Publications (2)

Publication Number Publication Date
CN113393152A true CN113393152A (zh) 2021-09-14
CN113393152B CN113393152B (zh) 2024-05-14

Family

ID=77638283

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110740617.7A Active CN113393152B (zh) 2021-06-30 2021-06-30 一种光伏组件排布地块确定方法及装置

Country Status (1)

Country Link
CN (1) CN113393152B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114662985A (zh) * 2022-04-19 2022-06-24 武汉广旺科技有限公司 一种基于倾斜摄影建模的山区电力工程选址方法、设备和计算机存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971183A (zh) * 2014-05-27 2014-08-06 华北电力大学 一种光伏电站的优化选址与容量配置方法
US20160092611A1 (en) * 2014-09-26 2016-03-31 State Grid Corporation Of China Method for constructing real-time solar irradiation metering network of gigawatts level photovoltaic power generation base
CN110766198A (zh) * 2019-09-18 2020-02-07 中国电建集团青海省电力设计院有限公司 一种基于光伏电站占地面积定量计算的光伏电站布置方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971183A (zh) * 2014-05-27 2014-08-06 华北电力大学 一种光伏电站的优化选址与容量配置方法
US20160092611A1 (en) * 2014-09-26 2016-03-31 State Grid Corporation Of China Method for constructing real-time solar irradiation metering network of gigawatts level photovoltaic power generation base
CN110766198A (zh) * 2019-09-18 2020-02-07 中国电建集团青海省电力设计院有限公司 一种基于光伏电站占地面积定量计算的光伏电站布置方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114662985A (zh) * 2022-04-19 2022-06-24 武汉广旺科技有限公司 一种基于倾斜摄影建模的山区电力工程选址方法、设备和计算机存储介质
CN114662985B (zh) * 2022-04-19 2022-12-27 佛山电力设计院有限公司 一种基于倾斜摄影建模的山区电力工程选址方法、设备和计算机可读存储介质

Also Published As

Publication number Publication date
CN113393152B (zh) 2024-05-14

Similar Documents

Publication Publication Date Title
CN111091139B (zh) 相似日聚类的光伏预测方法、装置、设备及可读存储介质
CN104424235A (zh) 实现用户信息聚类的方法和装置
CN108335010B (zh) 一种风电出力时间序列建模方法及系统
CN110390343B (zh) 一种空间气象数据的订正方法及系统
Shiogama et al. Selecting CMIP6-based future climate scenarios for impact and adaptation studies
EP3794386B1 (en) Determination of location-specific weather information for agronomic decision support
CN102073867B (zh) 一种遥感图像分类方法及装置
CN106874602B (zh) 气象数据处理方法和装置
CN114997547B (zh) 气象采集终端布点方法和装置
Laslett et al. A method for generating synthetic hourly solar radiation data for any location in the south west of Western Australia, in a world wide web page
CN115329899A (zh) 一种聚类等效模型构建方法、系统、设备和存储介质
CN113393152A (zh) 一种光伏组件排布地块确定方法及装置
CN106658538B (zh) 一种基于泰森多边形的手机基站信号覆盖范围模拟方法
Kim Markov chain Monte Carlo and acceptance–rejection algorithms for synthesising short‐term variations in the generation output of the photovoltaic system
CN117634907A (zh) 城市屋顶光伏发电潜力的估算方法、装置、设备及介质
CN107392678A (zh) 一种电价制定方法及系统
CN108319717B (zh) 一种矢量点转换为栅格点时最佳栅格尺寸范围的计算方法
CN115983478A (zh) 分布式光伏发电功率预测分析方法、系统、终端及介质
CN113192172B (zh) 一种机载LiDAR地面点云简化方法
CN112052981B (zh) 基于簇类的风电出力波动区间预测方法、装置及存储介质
Erciyes et al. WHIM-hunting through cross-correlations between optical and SZ effect data in the Virgo cluster filaments
CN114707305A (zh) 一种地闪活动分析方法及系统
CN117197513B (zh) 基于图神经网络的雷电定位点云聚类模型、方法和系统
CN113254855B (zh) 一种基于地形的发电增益计算方法和系统
CN111506576A (zh) 一种基于区域四叉树的地块编码方法及装置

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2

Applicant after: Sunshine New Energy Development Co.,Ltd.

Address before: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2

Applicant before: Sunshine New Energy Development Co.,Ltd.

GR01 Patent grant
GR01 Patent grant