CN114881399A - 一种基于gf7遥感影像的光伏发电潜力与经济性评估方法 - Google Patents
一种基于gf7遥感影像的光伏发电潜力与经济性评估方法 Download PDFInfo
- Publication number
- CN114881399A CN114881399A CN202210307045.8A CN202210307045A CN114881399A CN 114881399 A CN114881399 A CN 114881399A CN 202210307045 A CN202210307045 A CN 202210307045A CN 114881399 A CN114881399 A CN 114881399A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- roof
- power generation
- radiation
- formula
- 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
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 100
- 238000011156 evaluation Methods 0.000 title claims abstract description 42
- 230000005855 radiation Effects 0.000 claims abstract description 107
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000004364 calculation method Methods 0.000 claims abstract description 43
- 238000000605 extraction Methods 0.000 claims abstract description 21
- 238000011084 recovery Methods 0.000 claims abstract description 20
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 230000005611 electricity Effects 0.000 claims description 20
- 238000009434 installation Methods 0.000 claims description 10
- 238000003491 array Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 7
- 238000011234 economic evaluation Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- GRTJBNJOHNTQBO-UHFFFAOYSA-N [2-(2-diphenylphosphanylphenyl)phenyl]-diphenylphosphane Chemical compound C1=CC=CC=C1P(C=1C(=CC=CC=1)C=1C(=CC=CC=1)P(C=1C=CC=CC=1)C=1C=CC=CC=1)C1=CC=CC=C1 GRTJBNJOHNTQBO-UHFFFAOYSA-N 0.000 claims description 5
- 230000000903 blocking effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000011161 development Methods 0.000 description 9
- 230000018109 developmental process Effects 0.000 description 9
- 238000011160 research Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000007423 decrease Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis 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
- 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)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Photovoltaic Devices (AREA)
Abstract
一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法,包括建筑物信息提取方法、POA倾斜表面太阳辐照度计算方法、发电量计算方法以及经济性评估方法四个部分组成;使用GF7号卫星遥感图像,通过语义分割网络和归一化数字地表模型提取屋顶面积、方向和倾斜信息,并与倾斜表面太阳辐射量计算方法、光伏系统装机容量与发电量计算方法、以及光伏发电经济性评估方法相结合,建立了针对区域建筑光伏潜力的以净现值、动态回收期和内部收益率作为经济效益评估的完整评估方法,用于对不同类型屋顶的发电潜力和经济性进行评估,为今后通过遥感卫星提取光伏建筑特征并分析建筑光伏的经济性提供技术指导和理论依据。
Description
【技术领域】
本发明属于分布式建筑光伏领域,尤其是GF7号卫星遥感图像技术在建筑物的屋顶信息提取中的应用,特别是一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法。
【背景技术】
近年来,光伏发电得到迅猛发展,成本大幅降低,成为推动能源消费清洁化发展、能源供应结构转型的有效手段。根据国际能源署的估计,到2030年光伏发电占全球电力供应的份额将达到16%。中国太阳能资源丰富,近年来光伏装机容量不断上升,近年来中国光伏发电量快速增长,2019年中国光伏发电量达2243亿千瓦时,较2018年增了468亿千瓦时,同比增长26.4%,2020年1-9月中国光伏发电量已完成2005亿千瓦时。2020年,中国政府提出“碳达峰、碳中和”目标,为光伏产业的发展带来了前所未有的机遇。
集中式光伏电站适宜建设在太阳能资源较好的西部、北部地区。分布式光伏发电更加靠近用电侧,因其开发容易且接入灵活,能够就地满足东中部负荷中心用电需求。分布式光伏靠近用电侧,有利于当地光伏发电的消费。然而,在城镇中,由于建筑物和绿化的遮挡,适合安装分布式光伏的区域受到限制。屋顶已成为分布式光伏利用开发的良好载体,有效缓解了土地紧张问题。2021年,国家能源局发布《关于提交全县(区)屋顶分布式光伏发展试点方案的通知》,反映了政府对分布式光伏发展的高度重视。
在屋顶大规模部署光伏可以有效减少碳排放。然而,考虑到太阳能资源以及屋顶资源因地区而异,有必要对屋顶光伏的发电潜力和经济效率进行定量估算,从而为政府和企业制定可行的屋顶光伏发展计划提供数据支持。太阳辐射数据和屋顶信息是估算屋顶光伏发电潜力的基础。太阳辐射可以很容易地从几个气象数据库中获得。屋顶的面积、倾斜度和方向决定了屋顶光伏的装机容量和安装方法,对于评估屋顶光伏潜力是必要的。然而,由于缺乏详细和公开的屋顶数据,提取区域屋顶信息成为一个技术难题。
屋顶信息提取方法可分为三大类,即相关系数法、基于地理信息系统(GIS)数据的方法和基于卫星遥感图像的方法。在相关系数法中,利用屋顶信息与统计数据之间的关系,以较低的计算成本获取屋顶信息。有许多公开的方法利用了相关系数法求取区域的面积。然而,相关系数法更适合于具有完善统计数据的区域,以较低的精度估计大规模区域的光伏潜力。此外,使用相关系数法很难获得屋顶的倾斜和方向信息。
GIS为提取区域屋顶信息提供了更准确的手段。也有不少公开的方法中使用了GIS平台来估算城市环境中的太阳能潜能,并分析了建筑物周围环境对其太阳能潜能的影响。然而,当使用GIS方法估计屋顶光伏发电的潜力时,需要处理大量的三维数据,这是劳动密集型和耗时的。
随着图像识别技术的发展,高分辨率卫星遥感图像可以作为屋顶信息提取的数据源。目前有方法利用了高分辨率卫星遥感图像提取建筑物面积,使用深度学习方法从卫星图像中提取屋顶区域,但未考虑屋顶的差异,也没有考虑屋顶的倾斜和方向。
【发明内容】
本发明的目的在于提出一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法,能够克服现有技术的不足,通过人工智能方法提取建筑物屋顶信息,结合当地的太阳辐射数据,计算得到建筑屋顶的光伏发电潜力,并分析开发区域建筑光伏的经济性,该方法简单易行容易实现。
本发明的技术方案:一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法,其特征在于它包括建筑物信息提取方法、POA(阵列平面,Plane Of Array)倾斜表面太阳辐照度计算方法、发电量计算方法以及经济性评估方法四个部分组成;其中,所述建筑物信息提取方法用于提取待研究区域内建筑可安装屋顶光伏电池板的面积、倾角、方位信息;所述POA太阳辐射量计算方法以建筑物信息提取方法提取的建筑物信息为基准,用于计算太阳入射角,再依据待研究区域所在地的太阳辐射数据,得到POA的太阳辐射量;所述发电量计算方法根据光伏设备的参数信息,计算得到装机容量,最后通过温度信息以及POA太阳辐射量计算方法得到的太阳辐射量计算得到发电量;所述经济性评估方法用于根据光伏组件的安装成本以及发电收益,计算得到净现金流量(Net cash flow,NCF),采用净现值(Net present value,NPV)、动态回收期(Dynamic payback period,DPBP)及内部收益率(Internal rate of return,IRR)四个指标,以评估待研究区域内建筑光伏的经济性。
所述建筑物信息提取方法是基于GF7(高分七号)卫星传输的立体像对,运用建筑物轮廓和高度相结合的提取方法,GF7是我国首颗亚米级高分辨率光学传输型立体测绘卫星,采用主被动光学复合测绘新体制,实现对地表的三维观测,具体由以下步骤构成:
(1-1)使用Unet语义分割网络提取屋顶轮廓:首先,由于来自GF7的数据样本数量有限,因此使用GF7卫星图像和谷歌图像一起完成样本注释,然后通过数据格式转换、数据分块和图像切片创建样本集,生成数字表面模型DSM(Digital Surface Model)和数字高程模型DEM(Digital Elevation Model);
(1-2)将步骤(1-1)得到的数字表面模型DSM和数字高程模型DEM输入到GIS系统,得到归一化数字表面模型nDSM(normalized Digital Elevation Model);
(1-3)利用步骤(1-2)中数字表面模型nDSM中每个像素点的高度信息计算屋顶的倾角和方位角信息,即:对于屋顶上的像素点e,可以根据像素点e与周围像素点的高度关系计算出倾角和方位角;
(1-3-1)根据公式(1)计算数字表面模型nDSM中每个像素点e的倾角:
式(1)中,dz/dx表示像素点e在x方向上的变化率,通过公式(2)计算得到;dz/dy表示像元e在y方向上的变化率,通过公式(3)计算得到;
dz/dx=[(c+2f+i)-(a+2d+g)]/8 (2)
dz/dy=[(g+2h+i)-(a+2b+c)]/8 (3)
其中,a、b、c、d、f、g、h、i分别表示像素点e的周围像素点对应像素点的高度值;
(1-3-2)根据公式(4)计算数字表面模型nDSM中每个像素点的方位角:
Raz,e=57.30·arctan2(dz/dy,-dz/dx) (4)
(1-3-3)计算数字表面模型nDSM中包含的n个像素点的倾角和方位角信息的平均值,即可得到屋顶的倾角和方位角信息,如公式(5)和公式(6)所示:
式中,Rin,i和Raz,i分别表示第i个像素的倾角和方位角。
所述POA太阳辐射量计算方法具体是指:
(2-1)由于屋顶上光伏阵列的朝向和倾斜角受建筑物的屋顶形态影响,而待研究区域所在地区的太阳辐射数据库中获取的直接法向辐射量DNI(Direct NormalIrradiation)、直接漫射辐射量DHI(Diffuse Horizontal Irradiation)以及总水平辐射量GHI(Global Horizontal Irradiation)太阳辐射数据均为当地水平面上的太阳辐射数据,因此,需要基于水平面上的太阳辐射数据,采用换位模型的方法计算POA上的太阳辐照度;根据公式(7)计算太阳光线向POA的入射角AOI(Angle Of Incidence):
式(7)中,β表示POA的倾角,AZs为太阳天顶角,AZm为POA的方位角,其中,定义朝向北方为0度,东方为90度,Zs为太阳的方位角;
(2-2)根据步骤(2-1)得到的太阳光线向POA的入射角AOI,计算POA上的太阳总辐射量;所述POA上的太阳总辐射量由直接辐射(Beam Radiation)、天空漫射辐射(Sky-Diffuse Radiation)以及地面反射辐射(Ground-reflected Radiation)三部分组成,其中,直接辐射Gb由直接法向辐射量GDNI以及太阳光线向POA的入射角AOI确定,如公式(8)所示:
Gb=GDNI·cos(AOI) (8)
其中,GDNI表示直接法向辐射量,Gb表示直接辐射;
天空漫射辐射Gd,sky由如公式(9)计算得到:
Gd,sky=GDHI·(1+cosβ)/2 (9)
其中,GDHI表示直接漫射辐射量,Ed,sky表示天空漫射辐射;
地面反射辐射量Gd,ground的计算方法如公式(10)所示:
Gd,ground=GGHI·ρ·(1-cosβ)/2 (10)
其中,GDHI表示总水平辐射量,ρ为地面反射率;
(2-3)将步骤(2-2)得到的直接辐射Gb、天空漫射辐射Gd,sky及地面反射辐射量Gd,ground相加,即可得到倾斜表面上POA太阳辐射量,如公式(11)所示。
G=Gb+Gd,sky+Gd,ground (11)
发电量计算方法是根据屋顶形态,利用光伏设备安装方式以及光伏设备的参数信息,计算得到装机容量,最后通过温度信息以及POA太阳辐射量计算方法得到的太阳辐射量计算得到发电量。
当屋顶形态是平屋顶时,发电量计算方法具体是指:
(3-1-1)在北半球,为了最大化单位面积光伏板的发电量,平屋顶上的光伏板通常朝向正南方向,以最佳倾角安装,并且以年太阳辐射量最大为标准确定最佳安装倾角βopi,可通过遍历搜索法得到,如公式(12)所示:
(3-1-2)为避免光伏组件之间互相遮挡,两排光伏阵列之间需要留有一定的间隙,通常采用以冬至日9:00-15:00点互不遮挡为原则设计两排光伏阵列之间的最小间距,如附图9所示;
(3-1-3)定义填充因子PF为实际安装光伏板面积与由步骤(1-1)中GF7提取得到的建筑光伏可安装面积的比值,则平屋顶的填充因子PFhor可以由公式(13)计算得到:
PFhor=L/D=[cosβopi+(sinβopi/tanα)·cosAZm]-1 (13)
其中,L为光伏板的长度,D为光伏板之间的间距,α是太阳高度角;
(3-1-4)根据公式(14)计算平屋顶上的光伏组件的装机容量Caphor:
Caphor=Shor·PFhor·PSTC/Spanel (14)
其中,Shor表示平屋顶的面积,PSTC和Spanel分别表示光伏板的额定输出功率和面积;
(3-1-5)根据公式(15)计算平屋顶的光伏板发电量:
Ehor=Caphor·(G/GSTC)·[1-τ·(Twork-TSTC)]·Δt (15)
其中,GSTC表示光伏板标准工况下的太阳辐射量,TSTC表示光伏板标准工况下的温度,τ表示光伏板发电效率的温度系数,Δt表示环境温度与光伏板温度差值。
当屋顶形态是坡屋顶时,发电量计算方法具体是指:
考虑到光伏板的风载荷以及固定装置的成本因素,坡屋顶一般采用平铺的方式进行安装,因此,坡屋顶的填充因子为1,根据公式(16)即可得到坡屋顶上的光伏组件的装机容量Capinc:
Capinc=Sinc·PSTC/Spanel (16)
其中,Sinc表示坡屋顶的面积;
进一步地,则可以根据公式(17)计算得到坡屋顶的光伏板发电量Einc。
Einc=Capinc·(G/GSTC)·[1-τ·(Twork-TSTC)]·Δt (17)
所述经济性评估方法是根据净现金流量NCF、净现值NPV、动态回收期DPBP以及内部收益率IRR对待研究区域所安装的屋顶光伏发电的经济性进行评估,具体由以下内容构成:
(4-1)净现金流量NCF是指年度现金流入CI(Cash Inflow)减去年度现金流出CO(Cash Outflow),反映了建筑光伏系统在实际运营期间的财务状况,计算方法如公式(18)所示:
NCF=CI-CO=EPV·λ·cb+EPV·(1-λ)·cs-CO&M (18)
其中,EPV表示光伏板的发电功率,λ表示光伏板发电量的自用比例,cs表示光伏上网电价,cb表示购电电价,CO&M表示运行维护成本;
(4-2)净现值NPV反映了项目的盈利能力,是建筑光伏系统整个生命周期内年度净现金流量值得的总值,计算方法如公式(19)所示:
其中,r为贴现率;C0是初始投资值,主要包含光伏板成本Cp、逆变器成本Cinv、结构组件成本Cstr和其他电气组件成本Ce;
所述步骤(4-2)中初始投资值C0的计算方法如公式(20)所示:
C0=Cp+Cinv+Cstr+Ce
=(Capinc+Caphor)·cp+Capinv·cinv+Capstr·cstr+Cape·ce (20)
其中,Capinv、Capstr和Cape表示逆变器、结构组件、电气组件的安装容量,cp、cinv、cstr和ce表示光伏板、逆变器、结构组件、电气组件的投资单价。
(4-3)动态回收期DPBP是指考虑时间价值的抵消项目总投资所需的时间,动态回收期越短,初始投资回收期越早,项目的增值能力和抗风险能力越强,其计算方式如公式(21)所示;
(4-4)内部收益率IRR是表示净现值NPV为0时的贴现率,能够动态、全面、完整地反映项目全生命周期内的经济回报和内部潜在最大盈利能力,其计算方法如公式(22)所示.
(4-5)利用经济性评估的方法便可以求出净现值、动态回收期和内部收益率,通过这三个指标既可以用于分析建筑光伏潜力的经济性。
本发明的优越性:(1)使用GF7号卫星遥感图像,通过语义分割网络和归一化数字地表模型提取建筑物屋顶面积、方位、倾角信息;(2)建立了针对区域建筑物屋顶光伏板的发电潜力的评估方法,结合GF7提取到的建筑物屋顶参数,实现对不同类型屋顶的发电潜力和经济性的评估。
【附图说明】
图1为本发明所涉一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法的区域建筑光伏潜力评估框架结构示意图。
图2为本发明所涉一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法中实验区域的高分七号立体像对。
图3为本发明所涉一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法中大兴区建筑物轮廓预测效果图(其中,图3-a为原始影像,图3-b为预测结果)。
图4为本发明所涉一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法中DSM、DEM和nDSM的结构示意图(其中,图4-a为DSM,图4-b为DEM,图4-c为nDSM)。
图5为本发明所涉一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法中像素点e及其相邻点的位置示意图。
图6为本发明所涉一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法中输出值对应的罗盘方向示意图。
图7为本发明所涉一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法中建筑类型分类示意图。
图8为本发明所涉一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法中太阳辐射分量表示示意图。
图9为本发明所涉一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法中平屋顶光伏阵列示意图。
图10为本发明所涉一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法中工商业建筑不同类型坡屋顶所占比例。
图11为本发明所涉一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法中居民建筑不同类型坡屋顶所占比例。
图12为本发明所涉一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法中不同月份的日平均发电量。
图13为本发明所涉一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法中研究区域的电价。
图14为本发明所涉一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法中不同自用率下的经济指标。
【具体实施方式】
实施例:
1.发电潜力与经济性评估框架,如图1所示:
提出的发电潜力与经济性评估框架由(1)建筑物信息提取方法、(2)倾斜表面太阳辐照度计算方法、(3)发电量计算方法以及(4)经济性评估方法四部分组成,如附图1所示。建筑物信息提取方法部分基于遥感图像,提取研究区域内建筑可安装光伏部分的面积、倾角、方位信息。阵列平面POA太阳辐射量计算方法部分首先基于提取的建筑物信息,计算太阳入射角,之后输入当地的太阳辐射数据,使用换位模型得到POA上太阳辐射量。发电量计算方法部分首先考虑针对不同的屋顶形态采用不同的光伏设备安装方式,再基于光伏设备的参数信息,计算得到装机容量,最后通过温度信息以及太阳辐射量计算得到发电量。经济性评估方法部分基于光伏组件的安装成本以及发电收益,计算得到净现金流量,采用净现值、动态回收期、内部收益率三个指标评估区域内建筑光伏的经济性。
1.1建筑物信息提取方法:
基于高分七号(以下简称GF7)卫星传输的立体像对,运用建筑物轮廓和高度相结合的提取方法,以北京市大兴区周围区域作为实验区域,得到该区域的建筑物屋顶面积。
其中建筑物高度信息使用高分七号立体像对提取,实验区域的部分GF7号卫星遥感影像通过图像的数据格式转换、数据分块、图像切片等方法创建样本集。附图2显示了样本集的一个示例。GF7是我国首颗亚米级高分辨率光学传输型立体测绘卫星,采用主被动光学复合测绘新体制,实现对地表的三维观测,使用Unet语义分割网络提取屋顶轮廓。首先,由于来自GF7的数据样本数量有限,因此使用GF7卫星图像和谷歌图像一起完成样本注释,然后通过数据格式转换、数据分块和图像切片创建样本集。通过输入DSM和数字高程模型DEM,计算得到归一化数字表面模型nDSM。nDSM记录了所有高于地面的地物相对于地面的高度信息,如附图3所示。对于nDSM中的每一个像元点,如果该点的值大于0,说明该点存在建筑物,桥梁或者树木等地物该点的值就是地物自身的高度,可知nDSM蕴含了所有建筑物高度信息。
屋顶建筑物轮廓提取采用Unet语义分割网络,基于自制数据集完成训练。通过在谷歌数据、高分二号与GF7数据的部分影像上标注样本,随后通过数据格式转换、数据分块、图像切片等环节完成对样本集的制作,完成后的样本效果如附图4所示。
最终得到的数据集图片大小均为384*384,其中包括训练集2694张,验证集582张,测试集136张。基于Unet语义分割网络,设定训练参数,其中迭代次数为80000次,每次的图像批次大小为4,初始学习率为0.003。最终训练完成后,在测试集上测试的召回率84.3%,精确度82.5%,F1值为83.4%。
在本方法中,对GF7卫星图像进行处理,以获得屋顶的DSM和DEM。然后将输入的DSM和DEM输入GIS,得到nDSM,如附图4所示。nDSM中的每个像素记录了对应屋顶相对于地面的高度信息。本发明利用nDSM中像素的高度信息计算屋顶的倾角和方位角信息。对于屋顶上的像素点e,可以根据像素点e与周围像素点的高度关系计算出倾角和方位角。像素e及其周围像素的示意图见附图5。
像素e的倾角可以计算如下:
其中,dz/dx表示像元e在x方向上的变化率,通过以下公式计算:
dz/dx=[(c+2f+i)-(a+2d+g)]/8 (2)
其中,dz/dy表示像元e在x方向上的变化率,通过以下公式计算:
dz/dy=[(g+2h+i)-(a+2b+c)]/8 (3)
其中a,b,c,d,f,g,h,i表示对应像素的高度值。
像素e的方位角可以通过以下公式计算:
Raz,e=57.30·arctan2(dz/dy,-dz/dx) (4)
然后通过计算屋顶包含的所有像素的倾角和方位角信息的平均值得到屋顶的倾角和方位角信息:
其中,Rin和Raz分别代表屋顶的倾角和方位角。Rin,i和Raz,i表示屋顶第i个像素的倾角和方位角,n是屋顶包含的像素总数。
1.2POA太阳辐照度计算方法
从太阳辐射数据库中获取的直接法向辐射量DNI(Direct Normal Irradiation)、直接漫射辐射量DHI(Diffuse Horizontal Irradiation)以及总水平辐射量GHI(GlobalHorizontal Irradiation)太阳辐射数据都是当地水平面上的太阳辐射数据。由于建筑屋顶形态各异,造成屋顶上光伏阵列具有不同的朝向和倾斜角,所以需要基于水平面上的太阳辐射数据,采用换位模型,计算不同POA上的太阳辐照度。计算POA上的太阳辐照度首先要计算太阳光线向POA的入射角(angle of incidence,AOI),如附图8所示:
其中,β表示POA的倾角,AZs为太阳天顶角,AZm为POA的方位角(朝向北方为0度,东方为90度),Zs为太阳的方位角。
POA上太阳总辐射量由三部分组成,分别为:直接辐射、天空漫射辐射以及地面反射辐射。直接辐射由直接法向辐射量以及太阳入射角确定:
Gb=GDNI·cos(AOI) (8)
其中,EDNI表示直接法向辐射量,Eb表示直接辐射。天空漫射辐射可由各向同性天空模型计算得到,如下式所示:
Gd,sky=GDHI·(1+cosβ)/2 (9)
其中,EDHI表示直接漫射辐射量,Ed,sky表示天空漫射辐射。地面反射辐射的计算方法如下所示:
Gd,ground=GGHI·ρ·(1-cosβ)/2 (10)
其中,EGHI表示总水平辐射量,ρ为地面反射率,Ed,ground表示地面反射辐射量。
因此,倾斜表面上太阳辐射量G可由上述三项相加得到:
G=Gb+Gd,sky+Gd,ground (11)
1.3发电潜力评估方法Calculation method of power generation
1.3.1平屋顶
在北半球,为了最大化单位面积光伏板的发电量,平屋顶上的光伏板通常朝向正南方向,以最佳倾角安装。以年太阳辐射量最大为标准确定的当地的最佳安装倾角,如下式所示:
其中,βopi表示最佳倾角,可通过遍历搜索法得到。
为避免光伏组件之间互相遮挡,两排光伏阵列之间需要留有一定的间隙。以冬至日9:00-15:00点互不遮挡为原则设计阵列之间的最小间距,如附图9所示。
定义填充因子(PF)为安装的光伏板面积与提取得到的建筑光伏可安装面积的比值。平屋顶的填充因子可以由下式计算得到:
PFhor=L/D=[cosβopi+(sinβopi/tanα)·cosAZm]-1 (13)
其中,PFhor表示平屋顶的填充因子,L为光伏板的长度,D为光伏板之间的间距,α是太阳高度角。
平屋顶上的光伏组件装机容量计算方法如下式所示:
Caphor=Shor·PFhor·PSTC/Spanel (14)
其中,Caphor表示平屋顶的光伏装机容量,Shor表示平屋顶的面积,PSTC和Spanel分别表示光伏板的额定输出功率和面积。
平屋顶的发电量可以由下式计算得到:
Ehor=Caphor·(G/GSTC)·[1-τ·(Twork-TSTC)]·Δt (15)
其中,Ehor表示光伏板的发电量,GSTC表示光伏板标准工况下的太阳辐射量,TSTC表示光伏板标准工况下的温度,τ表示光伏板发电效率的温度系数,Δt表示环境温度与光伏板温度差值。
1.3.2坡屋顶
考虑到光伏板的风载荷以及固定装置的成本等因素,坡屋顶一般采用平铺的方式进行安装。因此,坡屋顶的填充因子为1,其装机容量的计算方法如下:
Capinc=Sinc·PSTC/Spanel (16)
其中,Capinc表示坡屋顶的装机容量,Sinc表示坡屋顶的面积。
坡屋顶的光伏发电量计算方法如下式所示:
Einc=Capinc·(G/GSTC)·[1-τ·(Twork-TSTC)]·Δt (17)
其中,Einc表示坡屋顶光伏板的发电量。
1.4经济性评估方法
净现金流量是指年度现金流入(CI)减去年度现金流出(CO)。反映了建筑光伏系统在实际运营期间的财务状况。NCF的计算方法如下:
NCF=CI-CO=EPV·λ·cb+EPV·(1-λ)·cs-CO&M (18)
其中,EPV表示光伏的发电功率,λ表示光伏发电量的自用比例,cs表示光伏上网电价,cb表示购电电价,CO&M表示运行维护成本。
净现值反映了项目的盈利能力,是建筑光伏系统整个生命周期内年度净现金流量值得的总值,计算方法如下式所示:
其中,C0是项目的初始投资值,主要包含光伏板成本Cp、逆变器成本Cinv、结构组件成本Cstr和其他电气组件成本Ce,如下式所示。r为贴现率,取值为6.4%。
其中,Capinv、Capstr和Cape表示逆变器、结构组件、电气组件的安装容量,cp、cinv、cstr和ce表示光伏板、逆变器、结构组件、电气组件的投资单价。
动态回收期,是指考虑时间价值的抵消项目总投资所需的时间,动态回收期越短,初始投资回收期越早,项目的增值能力和抗风险能力越强,其计算方式如下所示:
内部收益率,是表示NPV为0时的贴现率,能够动态、全面、完整地反映项目全生命周期内的经济回报和内部潜在最大盈利能力。其计算方法如下所示:
2.案例分析
以北京市大兴区部分区域为例,评估该地区的建筑光伏发电潜力与经济性。研究区域位于北京市的南部(东经116.482315度、北纬39.769787度),属于我国二类太阳资源地区,具有较为丰富的太阳能辐射资源。整个研究区域面积为546.84平方千米,约占北京市大兴区总面积的一半。区域内主要包含了工业园区、商业建筑以及小区住宅型建筑。本方法使用的光伏组件为隆基LR6-60HPB-305M型单晶硅光伏板,光伏系统的经济技术参数如附表1所示。光伏板首年发电效率衰减2%,之后每年衰减0.55%。
表1光伏组件的技术参数
2.1面积结果
采用本方法提出的方法,提取研究区域内的建筑信息,得到区域内不同用户以及不同类型屋顶的面积如附表2所示。
表2屋顶面积
从附表2中可以看出,区域内屋顶面积中,大多为工商业用户。并且无论是工商业用户还是居民用户,平屋顶的面积所占比例较大。不同朝向以及不同倾角的坡屋顶所占比例如附图10和附图11所示。
通过本方法提出的方法,完成了对研究区域内建筑屋顶用户类型、形态类型、面积、朝向以及坡度信息的提取。从用户类型角度将屋顶分为工商业用户屋顶和居民用户屋顶,以提高经济性指标的评估准确性。从屋顶类型角度将屋顶分为平屋顶和坡屋顶,并且计算了不同朝向和倾斜角度坡屋顶所占的比例。
2.2发电潜力评估结果
本方法采用的太阳辐射数据取自美国可再生能源实验室。针对平屋顶,以该地区年太阳辐射量最大为标准,计算得到该地区的最佳倾角为35度。此时填充因子为0.4146。该地区工商业建筑和居民建筑的平屋顶和坡屋顶的装机容量如附表3所示。
表3装机容量
根据上述装机数据,研究区屋顶年光伏发电潜力为2862GWh。此外,不同月份的日均光伏发电量如图11所示。
由图11可以看出,该地区最大日均屋顶光伏发电量出现在4月份。这是因为,一方面,四月的太阳辐射量比秋冬月份要多。另一方面,由于环境温度低于夏季月份,光伏板具有更高的发电效率。
为便于分析不同类型屋顶的光伏发电潜力,计算了不同类型屋顶的单位面积年光伏发电量。平屋顶结果为143.631kWh,不同坡度屋顶结果如表4所示。
表4不同类型坡屋顶单位面积年光伏发电量/kWh
由表4可知,受日照时数的影响,朝南坡屋顶年光伏发电量最大,东南、西南坡屋顶次之,东西坡屋顶光伏发电量最小。
由于最佳倾斜角为35°,因此南向、东南向和西南向倾斜屋顶的年光伏发电潜力随着倾斜角的增加而增加,然后减少。然而,东西向倾斜屋顶的年光伏发电潜力随着倾斜角度的增加而不断下降。这是因为光伏面板上的光照时间会随着倾斜角度的增加而减少。此外,表4中各类坡屋顶的年光伏发电潜力均大于平屋顶。
2.3经济性评估结果
研究区域内工商业用户的用电电价采用分时电价机制,并且工商业已不享受光伏补贴,其光伏上网电价为当地脱硫燃煤机组发电电价。居民用户仍然享受0.03元每千瓦时的光伏发电补贴。研究区域内不同类型用户具体电价如附图13所示。
由于工商业用户采用的是分时电价,本文分别计算不同电价时段内的光伏发电收益。此外,在自发自用、余电上网模式下,屋顶光伏系统的经济性受用户类型以及自用比例影响。假设每个时段内用户光伏发电自用比例相同。此研究区域内,在35%自用比例下的经济指标结果如附表5所示。
表5研究区域内屋顶光伏的经济性指标结果
改变居民用户和工商业用户光伏发电的自用比例,得到该地区净现值、动态回收期以及内部收益率的变化结果如附图13所示。从附图14中可以看出,随着自用率的增加,该地区建筑屋顶光伏净现值增加,动态回收期下降,内部收益率上升,具有更好的经济性。这是由于无论是工商业用户还是居民用户,买电电价均大于光伏上网电价,所以提高自用率,可以使得光伏发电产生更高的经济效益。并且工商业用户的买电电价与上网电价之间的差值更大,所以随着自用率的提高,工商业用户的经济性指标性能提高更大。此外,全额上网运营模式即对应了自用率为0的情况。
本技术的创新点在于基于GF7遥感影像首次建立了以净现值、动态回收期和内部收益率作为经济效益评估的方案,所建立的公式均为独创。可为今后通过遥感卫星提取光伏建筑特征并分析建筑光伏的经济性提供技术指导和理论依据。
本发明主要贡献如下:
1)以GF7卫星图像为数据源,通过语义分割网络和归一化数字地表模型(nDSM)提取屋顶面积、方向和倾斜信息,并与倾斜表面太阳辐射量计算方法、光伏系统装机容量与发电量计算方法、以及光伏发电经济性评估方法相结合,建立了针对区域建筑光伏潜力的完整评估方法。
2)以北京市大兴区亦庄开发区为例,完成了该区域建筑屋顶信息的提取,评估了当地建筑屋顶光伏的发电潜力,并且对比分析了不同类型屋顶的发电潜力和经济性。
Claims (8)
1.一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法,其特征在于它包括建筑物信息提取方法、POA倾斜表面太阳辐照度计算方法、发电量计算方法以及经济性评估方法四个部分组成;其中,所述建筑物信息提取方法用于提取待研究区域内建筑可安装屋顶光伏电池板的面积、倾角、方位信息;所述POA太阳辐射量计算方法以建筑物信息提取方法提取的建筑物信息为基准,用于计算太阳入射角,再依据待研究区域所在地的太阳辐射数据,得到POA的太阳辐射量;所述发电量计算方法根据光伏设备的参数信息,计算得到装机容量,最后通过温度信息以及POA太阳辐射量计算方法得到的太阳辐射量计算得到发电量;所述经济性评估方法用于根据光伏组件的安装成本以及发电收益,计算得到净现金流量,采用净现值、动态回收期及内部收益率四个指标,以评估待研究区域内建筑光伏的经济性。
2.根据权利要求1所述一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法,其特征在于所述建筑物信息提取方法是基于GF7卫星传输的立体像对,运用建筑物轮廓和高度相结合的提取方法,GF7是我国首颗亚米级高分辨率光学传输型立体测绘卫星,采用主被动光学复合测绘新体制,实现对地表的三维观测,具体由以下步骤构成:
(1-1)使用Unet语义分割网络提取屋顶轮廓:首先,由于来自GF7的数据样本数量有限,因此使用GF7卫星图像和谷歌图像一起完成样本注释,然后通过数据格式转换、数据分块和图像切片创建样本集,生成数字表面模型DSM和数字高程模型DEM;
(1-2)将步骤(1-1)得到的数字表面模型DSM和数字高程模型DEM输入到GIS系统,得到归一化数字表面模型nDSM;
(1-3)利用步骤(1-2)中数字表面模型nDSM中每个像素点的高度信息计算屋顶的倾角和方位角信息,即:对于屋顶上的像素点e,可以根据像素点e与周围像素点的高度关系计算出倾角和方位角;
(1-3-1)根据公式(1)计算数字表面模型nDSM中每个像素点e的倾角:
式(1)中,dz/dx表示像素点e在x方向上的变化率,通过公式(2)计算得到;dz/dy表示像元e在y方向上的变化率,通过公式(3)计算得到;
dz/dx=[(c+2f+i)-(a+2d+g)]/8 (2)
dz/dy=[(g+2h+i)-(a+2b+c)]/8 (3)
其中,a、b、c、d、f、g、h、i分别表示像素点e的周围像素点对应像素点的高度值;
(1-3-2)根据公式(4)计算数字表面模型nDSM中每个像素点的方位角:
Raz,e=57.30·arctan2(dz/dy,-dz/dx) (4)
(1-3-3)计算数字表面模型nDSM中包含的n个像素点的倾角和方位角信息的平均值,即可得到屋顶的倾角和方位角信息,如公式(5)和公式(6)所示:
式中,Rin,i和Raz,i分别表示第i个像素的倾角和方位角。
3.根据权利要求1所述一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法,其特征在于所述POA太阳辐射量计算方法具体是指:
(2-1)由于屋顶上光伏阵列的朝向和倾斜角受建筑物的屋顶形态影响,而待研究区域所在地区的太阳辐射数据库中获取的直接法向辐射量DNI、直接漫射辐射量DHI以及总水平辐射量GHI太阳辐射数据均为当地水平面上的太阳辐射数据,因此,需要基于水平面上的太阳辐射数据,采用换位模型的方法计算POA上的太阳辐照度;根据公式(7)计算太阳光线向POA的入射角AOI:
式(7)中,β表示POA的倾角,AZs为太阳天顶角,AZm为POA的方位角,其中,定义朝向北方为0度,东方为90度,Zs为太阳的方位角;
(2-2)根据步骤(2-1)得到的太阳光线向POA的入射角AOI,计算POA上的太阳总辐射量;所述POA上的太阳总辐射量由直接辐射、天空漫射辐射以及地面反射辐射三部分组成,其中,直接辐射Gb由直接法向辐射量GDNI以及太阳光线向POA的入射角AOI确定,如公式(8)所示:
Gb=GDNI·cos(AOI) (8)
其中,GDNI表示直接法向辐射量,Gb表示直接辐射;
天空漫射辐射Gd,sky由如公式(9)计算得到:
Gd,sky=GDHI·(1+cosβ)/2 (9)
其中,GDHI表示直接漫射辐射量,Ed,sky表示天空漫射辐射;
地面反射辐射量Gd,ground的计算方法如公式(10)所示:
Gd,ground=GGHI·ρ·(1-cosβ)/2 (10)
其中,GDHI表示总水平辐射量,ρ为地面反射率;
(2-3)将步骤(2-2)得到的直接辐射Gb、天空漫射辐射Gd,sky及地面反射辐射量Gd,ground相加,即可得到倾斜表面上POA太阳辐射量,如公式(11)所示。
G=Gb+Gd,sky+Gd,ground (11)
4.根据权利要求1所述一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法,其特征在于所述发电量计算方法是指:根据屋顶形态,利用光伏设备安装方式以及光伏设备的参数信息,计算得到装机容量,最后通过温度信息以及POA太阳辐射量计算方法得到的太阳辐射量计算得到发电量。
5.根据权利要求1所述一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法,其特征在于所述屋顶形态是平屋顶,则平屋顶上所安装的光伏设备的发电量计算方法具体是指:
(3-1-1)在北半球,为了最大化单位面积光伏板的发电量,平屋顶上的光伏板通常朝向正南方向,以最佳倾角安装,并且以年太阳辐射量最大为标准确定最佳安装倾角βopi,可通过遍历搜索法得到,如公式(12)所示:
(3-1-2)为避免光伏组件之间互相遮挡,两排光伏阵列之间需要留有一定的间隙,通常采用以冬至日9:00-15:00点互不遮挡为原则设计两排光伏阵列之间的最小间距;
(3-1-3)定义填充因子PF为实际安装光伏板面积与由步骤(1-1)中GF7提取得到的建筑光伏可安装面积的比值,则平屋顶的填充因子PFhor可以由公式(13)计算得到:
PFhor=L/D=[cosβopi+(sinβopi/tanα)·cosAZm]-1 (13)
其中,L为光伏板的长度,D为光伏板之间的间距,α是太阳高度角;
(3-1-4)根据公式(14)计算平屋顶上的光伏组件的装机容量Caphor:
Caphor=Shor·PFhor·PSTC/Spanel (14)
其中,Shor表示平屋顶的面积,PSTC和Spanel分别表示光伏板的额定输出功率和面积;
(3-1-5)根据公式(15)计算平屋顶的光伏板发电量:
其中,GSTC表示光伏板标准工况下的太阳辐射量,TSTC表示光伏板标准工况下的温度,τ表示光伏板发电效率的温度系数,Δt表示环境温度与光伏板温度差值。
6.根据权利要求1所述一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法,其特征在于所述屋顶形态是坡屋顶,则坡屋顶上所安装的光伏设备的发电量计算方法具体是指:
考虑到光伏板的风载荷以及固定装置的成本因素,根据公式(16)即可得到坡屋顶上的光伏组件的装机容量Capinc:
Capinc=Sinc·PSTC/Spanel (16)
其中,Sinc表示坡屋顶的面积;
进一步地,则可以根据公式(17)计算得到坡屋顶的光伏板发电量Einc。
Einc=Capinc·(G/GSTC)·[1-τ·(Twork-TSTC)]·Δt (17)
7.根据权利要求1所述一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法,其特征在于所述经济性评估方法是根据净现金流量NCF、净现值NPV、动态回收期DPBP以及内部收益率IRR对待研究区域所安装的屋顶光伏发电的经济性进行评估,具体由以下内容构成:
(4-1)净现金流量NCF是指年度现金流入CI减去年度现金流出CO,反映了建筑光伏系统在实际运营期间的财务状况,计算方法如公式(18)所示:
NCF=CI-CO=EPV·λ·cb+EPV·(1-λ)·cs-CO&M (18)
其中,EPV表示光伏板的发电功率,λ表示光伏板发电量的自用比例,cs表示光伏上网电价,cb表示购电电价,CO&M表示运行维护成本;
(4-2)净现值NPV反映了项目的盈利能力,是建筑光伏系统整个生命周期内年度净现金流量值得的总值,计算方法如公式(19)所示:
其中,r为贴现率;C0是初始投资值,主要包含光伏板成本Cp、逆变器成本Cinv、结构组件成本Cstr和其他电气组件成本Ce;
(4-3)动态回收期DPBP是指考虑时间价值的抵消项目总投资所需的时间,动态回收期越短,初始投资回收期越早,项目的增值能力和抗风险能力越强,其计算方式如公式(21)所示;
(4-4)内部收益率IRR是表示净现值NPV为0时的贴现率,能够动态、全面、完整地反映项目全生命周期内的经济回报和内部潜在最大盈利能力,其计算方法如公式(22)所示.
(4-5)利用经济性评估的方法便可以求出净现值、动态回收期和内部收益率,通过这三个指标既可以达到分析建筑光伏潜力的经济性的目的。
8.根据权利要求7所述一种基于GF7卫星遥感影像的区域屋顶光伏发电潜力与经济性评估方法,其特征在于所述步骤(4-2)中初始投资值C0的计算方法如公式(20)所示:
C0=Cp+Cinv+Cstr+Ce
=(Capinc+Caphor)·cp+Capinv·cinv+Capstr·cstr+Cape·ce (20)
其中,Capinv、Capstr和Cape表示逆变器、结构组件、电气组件的安装容量,cp、cinv、cstr和ce表示光伏板、逆变器、结构组件、电气组件的投资单价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210307045.8A CN114881399B (zh) | 2022-03-25 | 2022-03-25 | 一种基于gf7遥感影像的光伏发电潜力与经济性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210307045.8A CN114881399B (zh) | 2022-03-25 | 2022-03-25 | 一种基于gf7遥感影像的光伏发电潜力与经济性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114881399A true CN114881399A (zh) | 2022-08-09 |
CN114881399B CN114881399B (zh) | 2024-06-18 |
Family
ID=82667876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210307045.8A Active CN114881399B (zh) | 2022-03-25 | 2022-03-25 | 一种基于gf7遥感影像的光伏发电潜力与经济性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114881399B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880691A (zh) * | 2023-03-02 | 2023-03-31 | 国网山东省电力公司东营供电公司 | 一种基于计算机视觉的屋顶光伏潜力估计方法 |
CN116384795A (zh) * | 2023-01-13 | 2023-07-04 | 江苏大学 | 一种倾斜面太阳辐射量转化的光伏发电潜力评估方法 |
CN117911876A (zh) * | 2024-03-18 | 2024-04-19 | 深圳大学 | 光伏利用潜力的计算方法及装置、存储介质、电子装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7305983B1 (en) * | 2003-07-08 | 2007-12-11 | University Of Hawai'i | Assessment of solar energy potential on existing buildings in a region |
CN103942420A (zh) * | 2014-04-08 | 2014-07-23 | 北京大学 | 一种建筑物尺度的太阳能快速估算方法 |
CN113011295A (zh) * | 2021-03-08 | 2021-06-22 | 中国科学院空天信息创新研究院 | 基于遥感影像识别光伏发电站的方法、计算机设备和介质 |
CN114120108A (zh) * | 2021-11-18 | 2022-03-01 | 浙江大学德清先进技术与产业研究院 | 基于卫星遥感技术的屋顶光伏智能识别方法 |
-
2022
- 2022-03-25 CN CN202210307045.8A patent/CN114881399B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7305983B1 (en) * | 2003-07-08 | 2007-12-11 | University Of Hawai'i | Assessment of solar energy potential on existing buildings in a region |
CN103942420A (zh) * | 2014-04-08 | 2014-07-23 | 北京大学 | 一种建筑物尺度的太阳能快速估算方法 |
CN113011295A (zh) * | 2021-03-08 | 2021-06-22 | 中国科学院空天信息创新研究院 | 基于遥感影像识别光伏发电站的方法、计算机设备和介质 |
CN114120108A (zh) * | 2021-11-18 | 2022-03-01 | 浙江大学德清先进技术与产业研究院 | 基于卫星遥感技术的屋顶光伏智能识别方法 |
Non-Patent Citations (3)
Title |
---|
TAHIR MUJTABA: "Photovoltaic Solar Array Mapping using Supervised Fully Convolutional Neural Networks", 《 2021 8TH INTERNATIONAL CONFERENCE ON COMPUTING FOR SUSTAINABLE GLOBAL DEVELOPMENT (INDIACOM)AT: NEW DELHI, INDIA》, 30 June 2021 (2021-06-30) * |
刘晓艳: "基于卫星遥感的超短期分布式光伏功率预测", 《电工技术学报》, 6 September 2021 (2021-09-06), pages 1800 - 1809 * |
王飞;米增强;杨奇逊;赵洪山;: "基于神经网络与关联数据的光伏电站发电功率预测方法", 太阳能学报, no. 07, 28 July 2012 (2012-07-28) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116384795A (zh) * | 2023-01-13 | 2023-07-04 | 江苏大学 | 一种倾斜面太阳辐射量转化的光伏发电潜力评估方法 |
CN115880691A (zh) * | 2023-03-02 | 2023-03-31 | 国网山东省电力公司东营供电公司 | 一种基于计算机视觉的屋顶光伏潜力估计方法 |
CN117911876A (zh) * | 2024-03-18 | 2024-04-19 | 深圳大学 | 光伏利用潜力的计算方法及装置、存储介质、电子装置 |
CN117911876B (zh) * | 2024-03-18 | 2024-06-04 | 深圳大学 | 光伏利用潜力的计算方法及装置、存储介质、电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114881399B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cheng et al. | Solar energy potential of urban buildings in 10 cities of China | |
Calcabrini et al. | A simplified skyline-based method for estimating the annual solar energy potential in urban environments | |
Guo et al. | Vertically mounted bifacial photovoltaic modules: A global analysis | |
Lukač et al. | Rating of roofs’ surfaces regarding their solar potential and suitability for PV systems, based on LiDAR data | |
Šúri et al. | Potential of solar electricity generation in the European Union member states and candidate countries | |
CN114881399B (zh) | 一种基于gf7遥感影像的光伏发电潜力与经济性评估方法 | |
Kurokawa | Energy from the desert: practical proposals for very large scale photovoltaic systems | |
Li et al. | A pixel-based approach to estimation of solar energy potential on building roofs | |
Li et al. | Estimating solar energy potentials on pitched roofs | |
Jiang et al. | Geospatial assessment of rooftop solar photovoltaic potential using multi-source remote sensing data | |
Ayodele et al. | Solar energy harvesting on building’s rooftops: A case of a Nigeria cosmopolitan city | |
Kurokawa | Energy from the Desert: Feasibility of Very Large Scale Power Generation (VLS-PV) Systems | |
Santos et al. | Solar potential analysis in Lisbon using LiDAR data | |
Goss et al. | Modelling and prediction of PV module energy yield | |
Chen et al. | An estimation framework of regional rooftop photovoltaic potential based on satellite remote sensing images. | |
Barbón et al. | Optimal design and cost analysis of single-axis tracking photovoltaic power plants | |
Zubair et al. | Assessment of photovoltaic capabilities in urban environments: A case study of Islamabad, Pakistan | |
Mansouri Kouhestani et al. | A comprehensive assessment of solar and wind energy potential at the University of Lethbridge campus, a medium-sized western Canadian university | |
Li et al. | Revenue assessment and visualisation of photovoltaic projects on building envelopes | |
Li | Development of field scenario ray tracing software for the analysis of bifacial photovoltaic solar panel performance | |
Hofierka et al. | Spatially distributed assessment of solar resources for energy applications in Slovakia | |
CN116384795A (zh) | 一种倾斜面太阳辐射量转化的光伏发电潜力评估方法 | |
Stachura et al. | Spatial Solar Energy Potential of Photovoltaic Panels Surrounded by Protected Mountain Ranges | |
CN112561181A (zh) | 一种基于Unet网络和地基云图的光伏发电预测系统 | |
Vişa et al. | QUANTITATIVE ESTIMATION OF THE SOLAR RADIATION LOSS IN BRAŞOV AREA. |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |