CN114723122A - 分布式光伏并网系统的装机量优化方法、装机量优化装置 - Google Patents

分布式光伏并网系统的装机量优化方法、装机量优化装置 Download PDF

Info

Publication number
CN114723122A
CN114723122A CN202210336988.3A CN202210336988A CN114723122A CN 114723122 A CN114723122 A CN 114723122A CN 202210336988 A CN202210336988 A CN 202210336988A CN 114723122 A CN114723122 A CN 114723122A
Authority
CN
China
Prior art keywords
connected system
quarter
distributed photovoltaic
grid
photovoltaic grid
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
CN202210336988.3A
Other languages
English (en)
Inventor
张�成
陈欢
朱景怡
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.)
Wanbang Digital Energy Co Ltd
Wanbang Star Charge Technology Co Ltd
Original Assignee
Wanbang Digital Energy Co Ltd
Wanbang Star Charge Technology 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 Wanbang Digital Energy Co Ltd, Wanbang Star Charge Technology Co Ltd filed Critical Wanbang Digital Energy Co Ltd
Priority to CN202210336988.3A priority Critical patent/CN114723122A/zh
Publication of CN114723122A publication Critical patent/CN114723122A/zh
Pending legal-status Critical Current

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
    • G06Q10/04—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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Educational Administration (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种分布式光伏并网系统的装机量优化方法、装机量优化装置，所述方法包括：获取分布式光伏并网系统所在地的每个季度对应的日太阳辐射强度特征曲线、在多种光伏装机量下每个季度对应的日输出功率特征曲线以及日负荷用电功率特征曲线；获取每种光伏装机量下每个季度对应的日输出功率特征曲线与日负荷用电功率特征曲线的标准差值的平均值，得到每种光伏装机量对应的波动程度值；拟合波动程度值随光伏装机量变化的数据并生成拟合数学函数，获取最优装机量。本发明结合输出功率与负荷用电功率，分析得到余电上网功率的波动程度值，根据波动程度值获取最优装机量，从而可以有效降低余电上网功率的波动程度，提高配电系统的稳定性。

Description

分布式光伏并网系统的装机量优化方法、装机量优化装置
技术领域
本发明涉及新能源技术领域，具体涉及一种分布式光伏并网系统的装机量优化方法和分布式光伏并网系统的装机量优化装置。
背景技术
光伏发电是利用半导体界面的光生伏特效应而将光能直接转变为电能的一种技术，对于缓解能源紧缺、推动节能减排、保持能源供给的独立性和清洁性具有重要意义。分布式光伏并网系统指在用户场地附近建设，运行方式多为用户侧自发自用、多余电量上网，且在配电系统平衡调节为特征的光伏发电设施。
由于分布式光伏的余电上网功率取决于光伏装机量和负荷用电功率，如果光伏装机量配置不合理，会导致余电上网功率波动大。如果光伏装机量小，既不满足负荷需求，也不能充分利用太阳能资源；如果光伏装机量大，余电上网功率波动大，会导致弃电进而使光伏发电消纳率降低，如处理不当甚至会造成配电系统不稳定。
发明内容
为解决上述技术问题，本发明第一方面实施例提供了一种分布式光伏并网系统的装机量优化方法。
本发明第二方面实施例提供了一种分布式光伏并网系统的装机量优化装置。
本发明采用的技术方案如下：
本发明第一方面实施例提出了一种分布式光伏并网系统的装机量优化方法，包括以下步骤：获取所述分布式光伏并网系统所在地的历史气象数据，根据所述历史气象数据获取所述分布式光伏并网系统所在地的每个季度对应的日太阳辐射强度特征曲线，所述季度包括第一至第四季度；根据所述每个季度的日太阳辐射强度特征曲线，获取所述分布式光伏并网系统在多种光伏装机量下每个季度对应的日输出功率特征曲线；根据所述分布式光伏并网系统的负荷的用电历史数据，获取所述分布式光伏并网系统的日负荷用电功率特征曲线；获取每种光伏装机量下每个季度对应的所述日输出功率特征曲线与所述日负荷用电功率特征曲线在同一时间点的标准差值，并计算每种光伏装机量下所述标准差值的平均值，以得到每种光伏装机量对应的余电上网功率的波动程度值；拟合波动程度值随所述光伏装机量变化的数据，并生成拟合数学函数，根据所述拟合数学函数获取所述分布式光伏并网系统的最优装机量。
本发明上述的分布式光伏并网系统的装机量优化方法还具有如下附加技术特征：
根据本发明的一个实施例，根据所述历史气象数据获取所述分布式光伏并网系统所在地的每个季度的日太阳辐射强度特征曲线，具体包括：根据所述历史气象数据分别获取所述分布式光伏并网系统所在地的每个季度的每个整点的太阳辐射强度，并分别计算每个季度对应的每个整点的太阳辐射强度的平均值；根据每个季度对应的每个整点的太阳辐射强度的平均值获取所述日太阳辐射强度特征曲线。
根据本发明的一个实施例，根据所述每个季度的日太阳辐射强度特征曲线，获取所述分布式光伏并网系统在多种光伏装机量下每个季度的日输出功率特征曲线，具体包括：根据所述每个季度的日太阳辐射强度特征曲线获取所述分布式光伏并网系统每个季度对应的每个整点的太阳辐射强度的平均值；根据所述每个季度对应的每个整点的太阳辐射强度的平均值和光伏并网系统的理论输出功率公式，计算所述分布式光伏并网系统在每种光伏装机量下每个季度的日输出功率，并生成每个季度的日输出功率特征曲线
根据本发明的一个实施例，所述光伏并网系统的理论输出功率公式为：
Figure BDA0003574721750000031
其中，PS为光伏并网系统理论输出功率，HA为所述太阳辐射强度，ES为标准条件下的辐照度，PAZ为光伏装机量，K为所述分布式光伏并网系统综合效率系数。
根据本发明的一个实施例，拟合波动程度值随所述光伏装机量变化的数据，并生成拟合数学函数，根据所述拟合数学函数获取所述分布式光伏并网系统的最优装机量，具体包括：采用最小二乘法拟合所述波动程度值随所述光伏装机量变化的数据，并生成拟合数学函数；将所述拟合数学函数的导数为零且所述波动程度值最小时对应光伏装机量作为所述分布式光伏并网系统的最优装机量。
本发明的第二方面实施例提出了一种分布式光伏并网系统的装机量优化装置，包括：第一获取模块，所述第一获取模块用于获取所述分布式光伏并网系统所在地的历史气象数据，根据所述历史气象数据获取所述分布式光伏并网系统所在地的每个季度的日太阳辐射强度特征曲线，所述季度包括第一至第四季度；第二获取模块，所述第二获取模块用于根据所述每个季度的日太阳辐射强度特征曲线，获取所述分布式光伏并网系统在多种光伏装机量下每个季度对应的日输出功率特征曲线；第三获取模块，所述第三获取模块用于根据所述分布式光伏并网系统的负荷的用电历史数据，获取所述分布式光伏并网系统的日负荷用电功率特征曲线；第四获取模块，所述第四获取模块用于获取每种光伏装机量下每个季度对应的所述日输出功率特征曲线与所述日负荷用电功率特征曲线在同一时间点的标准差值，并计算每种光伏装机量下所述标准差值的平均值，以得到每种光伏装机量对应的余电上网功率的波动程度值；拟合模块，所述拟合模块用于拟合波动程度值随所述光伏装机量变化的数据，并生成拟合数学函数，根据所述拟合数学函数获取所述分布式光伏并网系统的最优装机量。
本发明上述的分布式光伏并网系统的装机量优化装置还具有如下附加技术特征：
根据本发明的一个实施例，所述第一获取模块具体用于：根据所述历史气象数据分别获取所述分布式光伏并网系统所在地的每个季度的每个整点的太阳辐射强度，并分别计算每个季度对应的每个整点的太阳辐射强度的平均值；根据每个季度对应的每个整点的太阳辐射强度的平均值获取所述日太阳辐射强度特征曲线。
根据本发明的一个实施例，所述第二获取模块具体用于：根据所述每个季度的日太阳辐射强度特征曲线获取所述分布式光伏并网系统每个季度对应的每个整点的太阳辐射强度的平均值；根据所述每个季度对应的每个整点的太阳辐射强度的平均值和光伏并网系统的理论输出功率公式，计算所述分布式光伏并网系统在每种光伏装机量下每个季度的日输出功率，并生成每个季度的日输出功率特征曲线。
根据本发明的一个实施例，所述光伏并网系统的理论输出功率公式为：
Figure BDA0003574721750000041
其中，PS为光伏并网系统理论输出功率，HA为所述太阳辐射强度，ES为标准条件下的辐照度，PAZ为光伏装机量，K为所述分布式光伏并网系统综合效率系数。
根据本发明的一个实施例，所述拟合模块具体用于：采用最小二乘法拟合所述波动程度值随所述光伏装机量变化的数据，并生成拟合数学函数；将所述拟合数学函数的导数为零且所述波动程度值最小时对应光伏装机量作为所述分布式光伏并网系统的最优装机量。
本发明的有益效果：
本发明结合分布式光伏并网系统的输出功率与负荷用电功率，分析得到余电上网功率的波动程度值，根据波动程度值获取最优装机量，从而可以有效降低余电上网功率的波动程度，提高配电系统的稳定性。
附图说明
图1是根据本发明一个实施例的分布式光伏并网系统的装机量优化方法的流程图；
图2是根据本发明一个具体示例的分布式光伏并网系统的第一至第四季度的日太阳辐射强度特征曲线示意图；
图3是根据本发明一个具体示例的分布式光伏并网系统的第一至第四季度的日输出功率特征曲线示意图；
图4是根据本发明一个具体示例的分布式光伏并网系统的日负荷用电功率特征曲线示意图；
图5是根据本发明一个具体示例的第一至第四季度的日输出功率特征曲线与日负荷用电功率特征曲线在同一时间点的标准差值的曲线图；
图6是根据本发明一个具体示例的采用最小二乘法拟合波动程度值随光伏装机量变化的数据示意图；
图7是根据本发明一个实施例的分布式光伏并网系统的装机量优化装置的方框示意图。
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。
图1是根据本发明一个实施例的分布式光伏并网系统的装机量优化方法的流程图。如图1所示，该方法包括以下步骤：
S1，获取分布式光伏并网系统所在地的历史气象数据，根据历史气象数据获取分布式光伏并网系统所在地的每个季度对应的日太阳辐射强度特征曲线，季度包括第一至第四季度。
进一步地，根据历史气象数据获取分布式光伏并网系统所在地的每个季度的日太阳辐射强度特征曲线，具体包括：根据历史气象数据分别获取分布式光伏并网系统所在地的每个季度的每个整点的太阳辐射强度，并分别计算每个季度对应的每个整点的太阳辐射强度的平均值；根据每个季度对应的每个整点的太阳辐射强度的平均值获取日太阳辐射强度特征曲线。
具体地，获取分布式光伏并网系统所在地的历史气象数据，根据历史气象分别计算第一至第四季度(春、夏、秋、冬)每天的同一时间点太阳辐射强度的平均值，例如，计算第一季度所有天数的每个整点太阳辐射强度的平均值，作为对应时间点的太阳辐射强度，最后生成日太阳辐射强度特征曲线，0其它季度也如此计算，最终生成如图2所示的第一至第四季度的日太阳辐射强度特征曲线。
S2，根据每个季度的日太阳辐射强度特征曲线，获取分布式光伏并网系统在多种光伏装机量下每个季度对应的日输出功率特征曲线。
进一步地，根据本发明的一个实施例，根据每个季度的日太阳辐射强度特征曲线，获取分布式光伏并网系统在多种光伏装机量下每个季度的日输出功率特征曲线，具体包括：根据每个季度的日太阳辐射强度特征曲线获取分布式光伏并网系统每个季度对应的每个整点的太阳辐射强度的平均值；根据每个季度对应的每个整点的太阳辐射强度的平均值和光伏并网系统的理论输出功率公式，计算分布式光伏并网系统在每种光伏装机量下每个季度的日输出功率，并生成每个季度的日输出功率特征曲线。
根据本发明的一个实施例，光伏并网系统的理论输出功率公式为：
Figure BDA0003574721750000061
其中，PS为光伏并网系统的输出功率，HA为太阳辐射强度，ES为标准条件下的辐照度，PAZ为光伏装机量，K为分布式光伏并网系统综合效率系数。E一般可以取1000W/m2，综合效率系数K主要包括：光伏组件转换效率温度修正系数、光伏组件安装的倾角、方位角修正系数、光伏组件表面污染修正系数、光伏组件类型修正系数、逆变器效率、线路损耗，一般取K＝0.75～0.85。
具体地，先根据图2中的每个季度的日太阳辐射强度特征曲线获取分布式光伏并网系统每个季度对应的每个整点的太阳辐射强度的平均值，然后根据上述的光伏并网系统的理论输出功率公式，依次将每个季度对应的每个整点的太阳辐射强度的平均值代入上述的光伏并网系统的理论输出功率公式，即可得到不同的光伏装机量下每个季度的日输出功率，并生成图3所示的每个季度的日输出功率特征曲线。光伏装机量为分布式光伏并网系统的常用装机量，例如1000kWP—2400kWP，图3所示为光伏装机量为1000kWP、K为0.8时得到的每个季度的日输出功率特征曲线。
可以理解，由于光伏并网系统的理论输出功率与实际输出功率具有一定的误差，在能够获得项目地类似光伏并网系统不同太阳辐射强度下的输出功率时，优先采用实测数据。在没有类似项目实测数据时，通过上述的光伏并网系统的理论输出功率函数计算不同太阳辐射强度下的输出功率。
S3，根据分布式光伏并网系统的负荷的用电历史数据，获取分布式光伏并网系统的日负荷用电功率特征曲线。
具体地，负荷的用电数据选择过去一年总电能表的实测数据，取同一时间点用电功率的平均值作为该时间点的负荷用电功率特征值，分别得到日负荷用电功率特征曲线，如图4所示。
S4，获取每种光伏装机量下每个季度对应的日输出功率特征曲线与日负荷用电功率特征曲线在同一时间点的标准差值，并计算每种光伏装机量下标准差值的平均值，以得到每种光伏装机量对应的余电上网功率的波动程度值。
具体地，在每种装机量下，将4个季度的日输出功率特征曲线分别与其对应的日负荷用电功率特征曲线取差值，依次获取每个季度的日输出功率与日负荷用电功率在同一时间点的标准差值，得到4个标准差值，再将4个标准差值取平均值，作为该装机量下的余电上网功率的波动程度值，波动程度值的大小即可表示余电上网功率的波动程度。
举例而言，如图5所示，图5是根据本发明一个具体示例的第一至第四季度的日输出功率特征曲线与日负荷用电功率特征曲线在同一时间点的标准差值的曲线图。差值为正值，则表示光伏并网系统正在向配电网注入功率；差值为负值，则表示负荷正在从配电网吸收功率。其中，图5中日输出功率特征曲线与日负荷用电功率特征曲线在同一时间点的标准差值分别为S(1)＝141.21、S(2)＝94.79、S(3)＝167.32、S(4)＝179.31，在将S(1)-S(4)取平均，得到分布式光伏并网系统在该光伏装机量(1000kWP)下的余电上网功率的波动程度值，为145.65。
采用上述步骤依次获取各种光伏装机量对应的余电上网功率的波动程度值，如下表1所示，表1为14种常用光伏装机量对应的余电上网功率的波动程度值。
表1
Figure BDA0003574721750000081
Figure BDA0003574721750000091
S5，拟合波动程度值随光伏装机量变化的数据，并生成拟合数学函数，根据拟合数学函数获取分布式光伏并网系统的最优装机量。
进一步地，根据本发明的一个实施例，根据拟合数学函数获取分布式光伏并网系统的最优装机量，具体包括：采用最小二乘法拟合波动程度值随光伏装机量变化的数据，并生成拟合数学函数；将拟合数学函数的导数为零且波动程度值最小时对应光伏装机量作为分布式光伏并网系统的最优装机量。
具体地，将波动程度值随光伏装机量变化的N组数据输入二维的坐标平面，如图6所示，采用最小二乘法拟合波动程度值随光伏装机量变化的数据，确定波动程度值y随光伏装机量x变化的数学函数为：
y＝0.0000644438x2-0.1931856638x+274.3903704697；
令上述公式的导数为0，得到：
x＝1499
此值对应的波动程度值最低，则最优装机量为1499kWP。
综上，根据本发明实施例的分布式光伏并网系统的装机量优化方法，获取分布式光伏并网系统所在地的历史气象数据，根据历史气象数据获取分布式光伏并网系统所在地的每个季度对应的日太阳辐射强度特征曲线，根据每个季度的日太阳辐射强度特征曲线，获取分布式光伏并网系统在多种光伏装机量下每个季度对应的日输出功率特征曲线，根据分布式光伏并网系统的负荷的用电历史数据，获取分布式光伏并网系统的日负荷用电功率特征曲线，获取每种光伏装机量下每个季度对应的日输出功率特征曲线与日负荷用电功率特征曲线在同一时间点的标准差值，并计算每种光伏装机量下标准差值的平均值，以得到每种光伏装机量对应的余电上网功率的波动程度值，拟合波动程度值随光伏装机量变化的数据，并生成拟合数学函数，根据拟合数学函数获取分布式光伏并网系统的最优装机量。由此，该方法结合分布式光伏并网系统的输出功率与负荷用电功率，分析得到余电上网功率的波动程度值，根据波动程度值获取最优装机量，从而可以有效降低余电上网功率的波动程度，提高配电系统的稳定性。
与上述的分布式光伏并网系统的装机量优化方法相对应，本发明还提出一种分布式光伏并网系统的装机量优化装置，由于本发明的装置实施例与上述的方法实施例相对应，对于装置实施例中未披露的细节可参照上述的方法实施例，本发明中不再进行赘述。
图7是根据本发明一个实施例的分布式光伏并网系统的装机量优化装置的方框示意图。如图7所示，该装置包括：第一获取模块1、第二获取模块2、第三获取模块3、第四获取模块4和拟合模块5。
第一获取模块1用于获取分布式光伏并网系统所在地的历史气象数据，根据历史气象数据获取分布式光伏并网系统所在地的每个季度的日太阳辐射强度特征曲线，季度包括第一至第四季度；第二获取模块2用于根据每个季度的日太阳辐射强度特征曲线，获取分布式光伏并网系统在多种光伏装机量下每个季度对应的日输出功率特征曲线；第三获取模块3用于根据分布式光伏并网系统的负荷的用电历史数据，获取分布式光伏并网系统的日负荷用电功率特征曲线；第四获取模块4用于获取每种光伏装机量下每个季度对应的日输出功率特征曲线与日负荷用电功率特征曲线在同一时间点的标准差值，并计算每种光伏装机量下标准差值的平均值，以得到每种光伏装机量对应的余电上网功率的波动程度值；拟合模块5用于拟合波动程度值随光伏装机量变化的数据，并生成拟合数学函数，根据拟合数学函数获取分布式光伏并网系统的最优装机量。
根据本发明的一个实施例，第一获取模块1具体用于：根据历史气象数据分别获取分布式光伏并网系统所在地的每个季度的每个整点的太阳辐射强度，并分别计算每个季度对应的每个整点的太阳辐射强度的平均值；根据每个季度对应的每个整点的太阳辐射强度的平均值获取日太阳辐射强度特征曲线。
根据本发明的一个实施例，第二获取模块2具体用于：根据每个季度的日太阳辐射强度特征曲线获取分布式光伏并网系统每个季度对应的每个整点的太阳辐射强度的平均值；根据每个季度对应的每个整点的太阳辐射强度的平均值和光伏并网系统的理论输出功率公式，计算分布式光伏并网系统在每种光伏装机量下每个季度的日输出功率，并生成每个季度的日输出功率特征曲线。
根据本发明的一个实施例，光伏并网系统的理论输出功率公式为：
Figure BDA0003574721750000111
其中，PS为光伏并网系统理论输出功率，HA为太阳辐射强度，ES为标准条件下的辐照度，PAZ为光伏装机量，K为分布式光伏并网系统综合效率系数。
根据本发明的一个实施例，拟合模块5具体用于：采用最小二乘法拟合波动程度值随光伏装机量变化的数据，并生成拟合数学函数；将拟合数学函数的导数为零且波动程度值最小时对应光伏装机量作为分布式光伏并网系统的最优装机量。
综上，根据本发明实施例的分布式光伏并网系统的装机量优化装置，结合分布式光伏并网系统的输出功率与负荷用电功率，分析得到余电上网功率的波动程度值，根据波动程度值获取最优装机量，从而可以有效降低余电上网功率的波动程度，提高配电系统的稳定性。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种分布式光伏并网系统的装机量优化方法，其特征在于，包括以下步骤：
获取所述分布式光伏并网系统所在地的历史气象数据，根据所述历史气象数据获取所述分布式光伏并网系统所在地的每个季度对应的日太阳辐射强度特征曲线，所述季度包括第一至第四季度；
根据所述每个季度的日太阳辐射强度特征曲线，获取所述分布式光伏并网系统在多种光伏装机量下每个季度对应的日输出功率特征曲线；
根据所述分布式光伏并网系统的负荷的用电历史数据，获取所述分布式光伏并网系统的日负荷用电功率特征曲线；
获取每种光伏装机量下每个季度对应的所述日输出功率特征曲线与所述日负荷用电功率特征曲线在同一时间点的标准差值，并计算每种光伏装机量下所述标准差值的平均值，以得到每种光伏装机量对应的余电上网功率的波动程度值；
拟合波动程度值随所述光伏装机量变化的数据，并生成拟合数学函数，根据所述拟合数学函数获取所述分布式光伏并网系统的最优装机量。
2.根据权利要求1所述的分布式光伏并网系统的装机量优化方法，其特征在于，根据所述历史气象数据获取所述分布式光伏并网系统所在地的每个季度的日太阳辐射强度特征曲线，具体包括：
根据所述历史气象数据分别获取所述分布式光伏并网系统所在地的每个季度的每个整点的太阳辐射强度，并分别计算每个季度对应的每个整点的太阳辐射强度的平均值；
根据每个季度对应的每个整点的太阳辐射强度的平均值获取所述日太阳辐射强度特征曲线。
3.根据权利要求1所述的分布式光伏并网系统的装机量优化方法，其特征在于，根据所述每个季度的日太阳辐射强度特征曲线，获取所述分布式光伏并网系统在多种光伏装机量下每个季度的日输出功率特征曲线，具体包括：
根据所述每个季度的日太阳辐射强度特征曲线获取所述分布式光伏并网系统每个季度对应的每个整点的太阳辐射强度的平均值；
根据所述每个季度对应的每个整点的太阳辐射强度的平均值和光伏并网系统的理论输出功率公式，计算所述分布式光伏并网系统在每种光伏装机量下每个季度的日输出功率，并生成每个季度的日输出功率特征曲线。
4.根据权利要求3所述的分布式光伏并网系统的装机量优化方法，其特征在于，所述光伏并网系统的理论输出功率公式为：
Figure FDA0003574721740000021
其中，PS为光伏并网系统的输出功率，HA为所述太阳辐射强度，ES为标准条件下的辐照度，PAZ为光伏装机量，K为所述分布式光伏并网系统综合效率系数。
5.根据权利要求1所述的分布式光伏并网系统的装机量优化方法，其特征在于，拟合波动程度值随所述光伏装机量变化的数据，并生成拟合数学函数，根据所述拟合数学函数获取所述分布式光伏并网系统的最优装机量，具体包括：
采用最小二乘法拟合所述波动程度值随所述光伏装机量变化的数据，并生成拟合数学函数；
将所述拟合数学函数的导数为零且所述波动程度值最小时对应光伏装机量作为所述分布式光伏并网系统的最优装机量。
6.一种分布式光伏并网系统的装机量优化装置，其特征在于，包括：
第一获取模块，所述第一获取模块用于获取所述分布式光伏并网系统所在地的历史气象数据，根据所述历史气象数据获取所述分布式光伏并网系统所在地的每个季度的日太阳辐射强度特征曲线，所述季度包括第一至第四季度；
第二获取模块，所述第二获取模块用于根据所述每个季度的日太阳辐射强度特征曲线，获取所述分布式光伏并网系统在多种光伏装机量下每个季度对应的日输出功率特征曲线；
第三获取模块，所述第三获取模块用于根据所述分布式光伏并网系统的负荷的用电历史数据，获取所述分布式光伏并网系统的日负荷用电功率特征曲线；
第四获取模块，所述第四获取模块用于获取每种光伏装机量下每个季度对应的所述日输出功率特征曲线与所述日负荷用电功率特征曲线在同一时间点的标准差值，并计算每种光伏装机量下所述标准差值的平均值，以得到每种光伏装机量对应的余电上网功率的波动程度值；
拟合模块，所述拟合模块用于拟合波动程度值随所述光伏装机量变化的数据，并生成拟合数学函数，根据所述拟合数学函数获取所述分布式光伏并网系统的最优装机量。
7.根据权利要求6所述的分布式光伏并网系统的装机量优化装置，其特征在于，所述第一获取模块具体用于：
根据所述历史气象数据分别获取所述分布式光伏并网系统所在地的每个季度的每个整点的太阳辐射强度，并分别计算每个季度对应的每个整点的太阳辐射强度的平均值；
根据每个季度对应的每个整点的太阳辐射强度的平均值获取所述日太阳辐射强度特征曲线。
8.根据权利要求6所述的分布式光伏并网系统的装机量优化装置，其特征在于，所述第二获取模块具体用于：
根据所述每个季度的日太阳辐射强度特征曲线获取所述分布式光伏并网系统每个季度对应的每个整点的太阳辐射强度的平均值；
根据所述每个季度对应的每个整点的太阳辐射强度的平均值和光伏并网系统的理论输出功率公式，计算所述分布式光伏并网系统在每种光伏装机量下每个季度的日输出功率，并生成每个季度的日输出功率特征曲线。
9.根据权利要求8所述的分布式光伏并网系统的装机量优化装置，其特征在于，所述光伏并网系统的理论输出功率公式为：
Figure FDA0003574721740000041
其中，PS为光伏并网系统的输出功率，HA为所述太阳辐射强度，ES为标准条件下的辐照度，PAZ为光伏装机量，K为所述分布式光伏并网系统综合效率系数。
10.根据权利要求6所述的分布式光伏并网系统的装机量优化装置，其特征在于，所述拟合模块具体用于：
采用最小二乘法拟合所述波动程度值随所述光伏装机量变化的数据，并生成拟合数学函数；
将所述拟合数学函数的导数为零且所述波动程度值最小时对应光伏装机量作为所述分布式光伏并网系统的最优装机量。
CN202210336988.3A 2022-03-31 2022-03-31 分布式光伏并网系统的装机量优化方法、装机量优化装置 Pending CN114723122A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210336988.3A CN114723122A (zh) 2022-03-31 2022-03-31 分布式光伏并网系统的装机量优化方法、装机量优化装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210336988.3A CN114723122A (zh) 2022-03-31 2022-03-31 分布式光伏并网系统的装机量优化方法、装机量优化装置

Publications (1)

Publication Number Publication Date
CN114723122A true CN114723122A (zh) 2022-07-08

Family

ID=82240894

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210336988.3A Pending CN114723122A (zh) 2022-03-31 2022-03-31 分布式光伏并网系统的装机量优化方法、装机量优化装置

Country Status (1)

Country Link
CN (1) CN114723122A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116418293A (zh) * 2023-04-21 2023-07-11 攀枝花中电光伏发电有限公司 一种基于物联网大数据的光伏电站智慧诊断系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116418293A (zh) * 2023-04-21 2023-07-11 攀枝花中电光伏发电有限公司 一种基于物联网大数据的光伏电站智慧诊断系统
CN116418293B (zh) * 2023-04-21 2024-02-27 攀枝花中电光伏发电有限公司 一种基于物联网大数据的光伏电站智慧诊断系统

Similar Documents

Publication Publication Date Title
Nikzad et al. Technical, economic, and environmental modeling of solar water pump for irrigation of rice in Mazandaran province in Iran: A case study
Yadav et al. Simulation and performance analysis of a 1kWp photovoltaic system using PVsyst
Widén et al. Impacts of different data averaging times on statistical analysis of distributed domestic photovoltaic systems
CN103023035B (zh) 一种多能互补发电系统的优化配置方法
CN104318314B (zh) 一种基于光伏发电效率的发电量预测方法
Ramoliya Performance evaluation of grid-connected solar photovoltaic plant using PVSYST software
CN108960541A (zh) 基于云数据分析的分布式光伏系统效率评估方法及装置
CN104362621A (zh) 一种基于反熵权法的光伏电站运行特性评估方法
CN114723122A (zh) 分布式光伏并网系统的装机量优化方法、装机量优化装置
Dabbousa et al. The Effect of Tilting a PV Array by Monthly or Seasonal Optimal Tilt Angles on Energy Yield of a Solar PV System
CN106600173B (zh) 一种分布式光伏电源负荷渗透率的估算方法及装置
CN116579624A (zh) 一种基于改进等值电阻法的含光伏低压线损计算方法
Ganilha Potential of bifacial PV installation and its integration with storage solutions
CN114492084B (zh) 基于容配比比选的光伏电站发电小时数估算模型的构建方法
Ngo et al. The Impact of Electrical Energy Consumption on the Payback Period of a Rooftop Grid-Connected Photovoltaic System: A case Study from Vietnam.
Al-Sabounchi et al. Generating Original Daily Load Curves of Feeders with Distributed Photovoltaic Plants
CN116207760A (zh) 源网荷储容量配置方法
Eiva et al. Design, performance, and techno‐economic analysis of a rooftop grid‐tied PV system for a remotely located building
Ismail et al. Grid-connected and off-grid solar PV system design using long-term climatological data and techno-economic analysis for ecological conservation
CN113629787A (zh) 一种考虑中枢点灵敏度的发电机无功协调互济补偿方法
Barber et al. Feasibility study for 100% renewable energy microgrids in Switzerland
CN110601263A (zh) 一种基于节点类型变换法的风电场接入点电压风险评估方法
Niechaj Effective use of photovoltaic systems in polish conditions
Jamahori et al. IMPACT AND EVALUATION OF OPTIMIZED PV GENERATION IN THE DISTRIBUTION SYSTEM WITH VARYING LOAD DEMANDS
Zau et al. Design of photo voltaic (PV) solar power plant to supply electricity and to pump water to Chele community

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