CN115099541A - 光伏电站清洗策略的确定方法及装置 - Google Patents
光伏电站清洗策略的确定方法及装置 Download PDFInfo
- Publication number
- CN115099541A CN115099541A CN202211023358.7A CN202211023358A CN115099541A CN 115099541 A CN115099541 A CN 115099541A CN 202211023358 A CN202211023358 A CN 202211023358A CN 115099541 A CN115099541 A CN 115099541A
- Authority
- CN
- China
- Prior art keywords
- calculation
- target
- cleaning
- determining
- dust
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 201
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004364 calculation method Methods 0.000 claims abstract description 267
- 239000000428 dust Substances 0.000 claims abstract description 148
- 238000010248 power generation Methods 0.000 claims abstract description 126
- 230000007613 environmental effect Effects 0.000 claims abstract description 22
- 230000008901 benefit Effects 0.000 claims description 55
- 230000006870 function Effects 0.000 claims description 21
- 239000000126 substance Substances 0.000 claims description 18
- 238000009825 accumulation Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000000903 blocking effect Effects 0.000 claims description 11
- 238000001556 precipitation Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 229910021419 crystalline silicon Inorganic materials 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011086 high cleaning Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/04—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- 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
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S40/00—Components or accessories in combination with PV modules, not provided for in groups H02S10/00 - H02S30/00
- H02S40/10—Cleaning arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Mathematical Analysis (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明涉及光伏电站技术领域,提供一种光伏电站清洗策略的确定方法及装置,该方法包括:获取光伏电站至少一个历史周期的历史发电数据和历史环境数据;基于历史发电数据,确定光伏电站在目标未来周期内多个计算时段对应的多个发电时长;基于历史环境数据,确定多个计算时段对应的多个灰尘遮挡系数变化量;基于多个发电时长、多个灰尘遮挡系数变化量、目标计算时段和目标计算时段对应的目标灰尘遮挡系数,求解混合整数规划模型,得到光伏电站在目标未来周期内的目标清洗时段。该方法通过历史数据,利用混合整数规划模型对未来时间的最佳清洗方案进行求解,计算出具体的清洗时段,为运维人员提供清洗指导方案。
Description
技术领域
本发明涉及光伏电站技术领域,尤其涉及一种光伏电站清洗策略的确定方法及装置。
背景技术
影响光伏电站的发电能力的因素有诸多方面,例如,灰尘遮挡、面板腐蚀及组件温度等,其中,光伏组件表面积尘造成的灰尘遮挡对发电能力的影响较大,随着积尘量的增加,光伏组件的光电转换效率会迅速降低,据实地考察和测量,由于灰尘遮挡而造成电站发电量的损失可达5%-15%。
目前,处理灰尘遮挡问题的手段主要为人工清洗,光伏电站通常采用固定的频次进行清洗,比如一年两次或数年清洗一次,固定频次的清洗方式可能会导致清洗效果较差,清洗频次过高时,单次清洗的收益会下降;清洗频次过低时,不能及时解决灰尘遮挡问题导致发电量损失过大。
发明内容
本发明提供一种光伏电站清洗策略的确定方法及装置,用以解决现有技术中灰尘遮挡问题导致发电量损失过大的问题,提供光伏电站清洗的指导方案,以获得最大的发电收益。
本发明提供一种光伏电站清洗策略的确定方法,包括:
获取光伏电站至少一个历史周期的历史发电数据和历史环境数据;
基于所述历史发电数据,确定所述光伏电站在目标未来周期内多个计算时段对应的多个发电时长,所述计算时段和所述发电时长一一对应;
基于所述历史环境数据,确定所述多个计算时段对应的多个灰尘遮挡系数变化量,所述计算时段和所述灰尘遮挡系数变化量一一对应;
基于所述多个发电时长、所述多个灰尘遮挡系数变化量、目标计算时段和所述目标计算时段对应的目标灰尘遮挡系数,求解混合整数规划模型,得到所述光伏电站在所述目标未来周期内的目标清洗时段,所述目标计算时段为所述多个计算时段中的一个,所述目标灰尘遮挡系数基于所述目标计算时段对应的所述灰尘遮挡系数变化量确定,所述目标清洗时段位于所述目标计算时段之后。
根据本发明提供的一种光伏电站清洗策略的确定方法,所述混合整数规划模型通过如下步骤建立:
确定多个第一计算时段对应的多个决策变量,所述多个第一计算时段对应所述多个计算时段中所述目标计算时段之后的计算时段,所述决策变量包括布尔变量和连续变量,所述布尔变量用于表征所述第一计算时段对应的清洗状态,所述连续变量基于所述第一计算时段对应的所述灰尘遮挡系数变化量和所述目标灰尘遮挡系数确定;
基于所述多个决策变量,确定所述混合整数规划模型的约束条件;
基于所述多个决策变量,确定所述混合整数规划模型的目标函数。
根据本发明提供的一种光伏电站清洗策略的确定方法,所述基于所述多个决策变量,确定所述混合整数规划模型的目标函数,包括:
基于所述多个决策变量,确定所述多个第一计算时段对应的多个清洗收益;
以所述清洗收益最大为目标建立所述目标函数。
根据本发明提供的一种光伏电站清洗策略的确定方法,所述清洗收益包括清洗成本、清洗前的发电收益和清洗后的发电收益,所述目标函数为:
应用公式
确定所述清洗成本;
应用公式
确定所述清洗前的发电收益;
应用公式
确定所述清洗后的发电收益;
根据本发明提供的一种光伏电站清洗策略的确定方法,所述约束条件包括:
根据本发明提供的一种光伏电站清洗策略的确定方法,应用公式
确定所述计算时段对应的灰尘遮挡系数;
根据本发明提供的一种光伏电站清洗策略的确定方法,所述基于所述历史环境数据,确定所述多个计算时段对应的多个灰尘遮挡系数变化量,包括:
基于所述历史环境数据,确定所述光伏电站的历史降雨数据和灰尘累计速度;
基于所述历史降雨数据和所述灰尘累计速度,确定所述多个灰尘遮挡系数变化量。
根据本发明提供的一种光伏电站清洗策略的确定方法,应用公式
确定所述灰尘遮挡系数变化量;
本发明还提供一种光伏电站清洗策略的确定装置,包括:
获取模块,用于获取光伏电站至少一个历史周期的历史发电数据和历史环境数据;
第一处理模块,用于基于所述历史发电数据,确定所述光伏电站在目标未来周期内多个计算时段对应的多个发电时长,所述计算时段和所述发电时长一一对应;
第二处理模块,用于基于所述历史环境数据,确定所述多个计算时段对应的多个灰尘遮挡系数变化量,所述计算时段和所述灰尘遮挡系数变化量一一对应;
第三处理模块,用于基于所述多个发电时长、所述多个灰尘遮挡系数变化量、目标计算时段和所述目标计算时段对应的目标灰尘遮挡系数,求解混合整数规划模型,得到所述光伏电站在所述目标未来周期内的目标清洗时段,所述目标计算时段为所述多个计算时段中的一个,所述目标灰尘遮挡系数基于所述目标计算时段对应的所述灰尘遮挡系数变化量确定,所述目标清洗时段位于所述目标计算时段之后。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述光伏电站清洗策略的确定方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述光伏电站清洗策略的确定方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述光伏电站清洗策略的确定方法。
本发明提供的光伏电站清洗策略的确定方法及装置,通过历史发电数据和历史环境数据,利用混合整数规划模型对未来时间的最佳清洗方案进行求解,计算出具体的清洗时段及清洗的收益,为电站运维人员提供清洗效果好且收益大的清洗指导方案。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本发明提供的光伏电站清洗策略的确定方法的流程示意图之一;
图2是本发明提供的光伏电站清洗策略的确定方法的流程示意图之二;
图3是本发明提供的光伏电站清洗策略的确定装置的结构示意图;
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作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。
在本发明实施例的描述中,需要说明的是,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
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实施例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须针对的是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。
下面结合图1和图2描述本发明实施例的光伏电站清洗策略的确定方法,该方法的执行主体可以为设备终端的控制器,或者云端,或者边缘服务器。
如图1所示,本发明实施例的光伏电站清洗策略的确定方法包括步骤110至步骤140。
步骤110、获取光伏电站至少一个历史周期的历史发电数据和历史环境数据。
光伏电站指利用太阳光能、采用特殊材料诸如晶硅板、逆变器等电子元件组成的发电体系,与电网相连并向电网输送电力的光伏发电系统。
光伏电站的发电行为与太阳光能相关,太阳光能与气象因素具相关,气象因素具有季节周期性,例如,某地春秋两季的太阳光能适中,该地的光伏电站发电量适中,夏季太阳光能充足,光伏电站发电量较多,冬季太阳光能不足,光伏电站发电量较少,光伏电站发电行为规律的一个周期可以为一年。
可以理解的是,光伏电站发电的周期与光伏电站的地理位置相关。
在该步骤中,获取光伏电站至少一个历史周期的历史发电数据和历史环境数据,可以得到光伏电站在发电的周期中规律的发电行为。
需要说明的是,在该实施例中,可以获取光伏电站在过去的一个周期的历史发电数据和历史环境数据,也可以获取光伏电站在过去的多个周期的历史发电数据和历史环境数据。
例如,可以获取光伏电站在过去一年内的历史发电数据和历史环境数据,也可以获取光伏电站在过去几年内的历史发电数据和历史环境数据。
在该实施例中,历史发电数据包括上网电价、额定发电功率及发电量等数据,历史环境数据包括降雨数据、辐照度、温度及灰尘遮挡相关的数据。
步骤120、基于历史发电数据,确定光伏电站在目标未来周期内多个计算时段对应的多个发电时长。
可以理解的是,光伏电站在一个发电的周期中发电行为是规律的,在该实施例中,可以根据过去的历史周期的历史发电数据,去预估确定目标未来周期的发电时长。
在该实施例中,对一个周期中的时段进行划分,设置目标未来周期中计算时段的时间长度,进而将一个目标未来周期划分为多个计算时段,进而判断哪个计算时段是进行清洗的最佳时段。
气象因素具有季节周期性,利用历史发电数据可以估算出目标未来周期的每个计算时段所对应的发电时长,发电时长即为预估发电小时数。
在实际执行中,可以应用公式
确定发电时长。
需要说明的是,计算时段与发电时长一一对应,例如,目标未来周期有36个计算时段,对应可计算得到36个发电时长。
步骤130、基于历史环境数据,确定多个计算时段对应的多个灰尘遮挡系数变化量。
在该实施例中,利用历史环境数据,可以估计得到每个计算时段所对应的灰尘遮挡系数变化量。
某一计算时段的灰尘遮挡系数变化量是该计算时段的灰尘遮挡系数与前一计算时段的灰尘遮挡系数的差值。
灰尘遮挡系数是一个范围在0-1之间的值,越接近0表明灰尘遮挡越严重,越接近1表明越清洁,灰尘遮挡系数可由基于历史环境数据的时空网络模型求解得到。
在该实施例中,可以基于历史环境数据,确定光伏电站的历史降雨数据和灰尘累计速度;再基于历史降雨数据和灰尘累计速度,确定目标未来周期中多个计算时段所对应的多个灰尘遮挡系数变化量。
在实际执行中,可以应用公式
确定灰尘遮挡系数变化量;
可以理解的是,降雨是影响灰尘积累的重要因素,当降雨量不大于降水量阈值时,会增加灰尘积累量,灰尘遮挡系数增大;当降雨量大于降水量阈值时,会起到清洗的作用。
计算时段与灰尘遮挡系数变化量一一对应,例如,目标未来周期有36个计算时段,对应可计算得到36个灰尘遮挡系数变化量。
需要说明的是,步骤120确定多个发电时长和步骤130确定多个灰尘遮挡系数变化量,两个步骤没有先后之分,可以同时进行求解。
步骤140、基于多个发电时长、多个灰尘遮挡系数变化量、目标计算时段和目标计算时段对应的目标灰尘遮挡系数,求解混合整数规划模型,得到光伏电站在目标未来周期内的目标清洗时段。
目标计算时段为目标未来周期的对个多个计算时段中的一个,以目标计算时段为计算起点,对目标计算时段之后的计算时段进行分析,确定目标计算时段之后的哪些计算时段进行清洗最为合适。
目标计算时段对应的目标灰尘遮挡系数基于目标计算时段对应的灰尘遮挡系数变化量确定,目标灰尘遮挡系数也与光伏电站在目标计算时段是否进行清洗相关。
在该实施例中,根据多个发电时长、多个灰尘遮挡系数变化量、目标计算时段和目标灰尘遮挡系数作为输入参数,求解混合整数规划模型,可以得到目标清洗时段以及目标清洗时段所对应的目标清洗收益。
需要说明的是,根据发电时长及灰尘遮挡系数变化量等参数将确定目标计算时段之后的哪些计算时段进行清洗最为合适的问题,属于混合整数线性规划问题,可以通过混合整数规划模型进行求解,得到最为合适的清洗策略。
在该步骤中,可以利用分支定界或割平面等算法求解混合整数规划模型,分支定界或割平面等算法可解得混合整数规划模型中最优的决策变量的值,求得决策变量的值后,利用最优的决策变量,进而确定清洗收益大且效果好的目标清洗时段以及该目标清洗时段对应的目标清洗收益。
可以理解的是,混合整数规划模型描述的是目标计算时段之后的计算时段的混合整数线性规划问题,目标清洗时段位于目标计算时段之后。
相关技术中,一些对于灰尘清洗策略相关的研究,通过PVsyst软件估算场站日级发电量,考虑气候分区系数、工业环境系数、组件倾角系数等多种修正系数确定灰尘积累程度,从而得到不考虑重大降雨事件或考虑重大降雨事件情况下的经济性最优清洗策略,但该类研究所需数据种类过多,实际应用困难,且无法给出具体的清洗时段及清洗收益,指导意义有限。
在本发明实施例中,利用光伏电站的历史发电数据和历史环境数据,所需数据种类较少,建立混合整数规划模型,可以求解得到目标未来周期内在哪个计算时段进行清洗的收益最佳,并给出相应的收益值。
需要说明的是,目标清洗时段指在目标未来周期内进行清洗后收益最佳的计算时段,在目标清洗时段进行清洗,可以避免清洗频次过高导致的收益下降,且清洗效果好,可以有效提高光伏电站的发电量。
在实际执行中,可以根据光伏电站的实际情况将目标清洗时段的时间进行调整,并且可以通过目标计算时段的设置在光伏电站的运行过程中任意时段进行优化计算,为光伏电站的运维人员提供直接的清洗指导方案。
根据本发明实施例提供的光伏电站清洗策略的确定方法,通过历史发电数据和历史环境数据,构建混合整数规划模型,对未来时间的最佳清洗方案进行求解,计算出具体的清洗时段及清洗的收益,为电站运维人员提供清洗效果好且收益大的清洗指导方案。
下面介绍一个具体的实施例。
如图2所示,步骤210、准备输入数据。
可以理解的是,输入数据包括历史发电数据和历史环境数据。
步骤220、设置目标计算时段。
以目标计算时段为计算起点,对目标计算时段之后的计算时段进行分析,确定目标计算时段之后的哪些计算时段进行清洗最为合适。
步骤230、计算发电时长。
步骤240、计算灰尘遮挡系数变化量。
计算目标计算时段之后的各个计算时段所对应的发电时长和灰尘遮挡系数变化量。
步骤250、求解混合整数规划模型。
步骤260、输出最优清洗方案。
最优清洗方案包括目标未来周期内的目标清洗时段以及目标清洗时段对应的目标清洗收益。
上述光伏电站清洗策略的确定方法的混合整数规划模型可以通过如下步骤建立:
确定多个第一计算时段对应的多个决策变量;
基于多个决策变量,确定混合整数规划模型的约束条件;
基于多个决策变量,确定混合整数规划模型的目标函数。
其中,多个第一计算时段对应多个计算时段中目标计算时段之后的计算时段,决策变量包括布尔变量和连续变量,布尔变量用于表征第一计算时段对应的清洗状态,连续变量基于第一计算时段对应的灰尘遮挡系数变化量和目标灰尘遮挡系数确定。
可以理解的是,第一计算时段为目标未来周期内目标计算时段之后的计算时段,也即第一计算时段为需要进行分析确定出合适的进行清洗的计算时段,目标清洗时段为目标未来周期的第一计算时段中的一个或多个。
在该实施例中,使用决策变量、约束条件以及目标函数可以将选择那些第一计算时段进行清洗最为合适的问题完整描述出来。
在实际执行中,可以基于多个决策变量,确定多个第一计算时段对应的多个清洗收益,第一计算时段与清洗收益一一对应;
以清洗收益最大为目标建立目标函数。
可以理解的是,第一计算时段所对应的清洗收益包括:清洗成本、清洗前的发电收益和清洗后的发电收益。
以清洗收益最大为目标建立目标函数,求解混合整数规划模型,得到目标清洗时段,光伏电站在目标清洗时段进行清洗的清洗效果好且收益佳,可以有效提高光伏电站的发电量。
在实际执行中,目标函数可以为:
需要说明的是,清洗成本属于光伏电站的支出,清洗后的发电收益和清洗前的发电收益属于光伏电站的收入。
下面介绍对布尔变量和连续变量进行约束的约束条件。
布尔变量是有真假逻辑状态的变量,布尔变量的取值范围为{0,1},当某个第一计算时段的布尔变量为0时,代表该第一计算时段没有进行清洗,当某个第一计算时段的布尔变量为1时,代表该第一计算时段进行了清洗。
下面介绍目标函数的清洗成本、清洗前的发电收益和清洗后的发电收益的计算公式。
其一、应用公式
确定清洗成本。
其二、应用公式
确定清洗前的发电收益。
其中,为清洗前的发电收益(元),为光伏电站的光伏额定发电功率
(kW),为光伏电站的上网电价(元/kWh),目标未来周期包括个计算时段,第个计算
时段为目标计算时段,第个及之后的计算时段为第一计算时段,,、及取整,下标表示第个计算时段,为计算时段的发电时长,为目标灰
尘遮挡系数,为灰尘遮挡系数变化量。
在计算时段进行清洗的情况下,应用公式
确定计算时段的灰尘遮挡系数;
在计算时段未进行清洗的情况下,应用公式
确定计算时段对应的灰尘遮挡系数;
其三、应用公式
确定清洗后的发电收益。
其中,为清洗后的发电收益(元),为光伏电站的光伏额定发电功率(kW),为光伏电站的上网电价(元/kWh),为连续变量,为发电时长,下标目标未来周期
包括个计算时段,第个计算时段为目标计算时段,第个及之后的计算时段为第一
计算时段,,、及取整,下标表示第个计算时段。
可以理解的是,确定决策变量、约束条件和目标函数,建立混合整数规划模型后,将目标未来周期内的多个发电时长、多个灰尘遮挡系数变化量、目标计算时段和目标灰尘遮挡系数输入至混合整数规划模型进行求解寻优,确定清洗收益大且效果好的目标清洗时段以及该目标清洗时段对应的目标清洗收益,制定光伏电站清洗策略。
下面对本发明实施例提供的光伏电站清洗策略的确定装置进行描述,下文描述的光伏电站清洗策略的确定装置与上文描述的光伏电站清洗策略的确定方法可相互对应参照。
如图3所示,本发明实施例的光伏电站清洗策略的确定装置包括:
获取模块310,用于获取光伏电站至少一个历史周期的历史发电数据和历史环境数据;
第一处理模块320,用于基于历史发电数据,确定光伏电站在目标未来周期内多个计算时段对应的多个发电时长,计算时段和发电时长一一对应;
第二处理模块330,用于基于历史环境数据,确定多个计算时段对应的多个灰尘遮挡系数变化量,灰尘遮挡系数变化量与计算时段一一对应;
第三处理模块340,用于基于多个发电时长、多个灰尘遮挡系数变化量、目标计算时段和目标计算时段对应的目标灰尘遮挡系数,求解混合整数规划模型,得到光伏电站在目标未来周期内的目标清洗时段,目标计算时段为多个计算时段中的一个,目标灰尘遮挡系数基于目标计算时段对应的灰尘遮挡系数变化量确定,目标清洗时段位于目标计算时段之后。
在一些实施例中,混合整数规划模型通过如下步骤建立:
确定多个第一计算时段对应的多个决策变量,多个第一计算时段对应多个计算时段中目标计算时段之后的计算时段,决策变量包括布尔变量和连续变量,布尔变量用于表征第一计算时段对应的清洗状态,连续变量基于第一计算时段对应的灰尘遮挡系数变化量和目标灰尘遮挡系数确定;
基于多个决策变量,确定混合整数规划模型的约束条件;
基于多个决策变量,确定混合整数规划模型的目标函数。
在一些实施例中,第三处理模块340用于基于多个决策变量,确定多个第一计算时段对应的多个清洗收益;
以清洗收益最大为目标建立目标函数。
在一些实施例中,清洗收益包括清洗成本、清洗前的发电收益和清洗后的发电收益,目标函数为:
应用公式
确定清洗成本;
应用公式
确定清洗前的发电收益;
应用公式
确定清洗后的发电收益;
在一些实施例中,约束条件包括:
在一些实施例中,第二处理模块330还用于应用公式
确定计算时段对应的灰尘遮挡系数;
在一些实施例中,第二处理模块330用于基于历史环境数据,确定光伏电站的历史降雨数据和灰尘累计速度;
基于历史降雨数据和灰尘累计速度,确定多个灰尘遮挡系数变化量。
在一些实施例中,第二处理模块330用于应用公式
确定灰尘遮挡系数变化量;
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行光伏电站清洗策略的确定方法,该方法包括:获取光伏电站至少一个历史周期的历史发电数据和历史环境数据;基于历史发电数据,确定光伏电站在目标未来周期内多个计算时段对应的多个发电时长,计算时段和发电时长一一对应;基于历史环境数据,确定多个计算时段对应的多个灰尘遮挡系数变化量,计算时段和灰尘遮挡系数变化量一一对应;基于多个发电时长、多个灰尘遮挡系数变化量、目标计算时段和目标计算时段对应的目标灰尘遮挡系数,求解混合整数规划模型,得到光伏电站在目标未来周期内的目标清洗时段,目标计算时段为多个计算时段中的一个,目标灰尘遮挡系数基于目标计算时段对应的灰尘遮挡系数变化量确定,目标清洗时段位于目标计算时段之后。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的光伏电站清洗策略的确定方法,该方法包括:获取光伏电站至少一个历史周期的历史发电数据和历史环境数据;基于历史发电数据,确定光伏电站在目标未来周期内多个计算时段对应的多个发电时长,计算时段和发电时长一一对应;基于历史环境数据,确定多个计算时段对应的多个灰尘遮挡系数变化量,计算时段和灰尘遮挡系数变化量一一对应;基于多个发电时长、多个灰尘遮挡系数变化量、目标计算时段和目标计算时段对应的目标灰尘遮挡系数,求解混合整数规划模型,得到光伏电站在目标未来周期内的目标清洗时段,目标计算时段为多个计算时段中的一个,目标灰尘遮挡系数基于目标计算时段对应的灰尘遮挡系数变化量确定,目标清洗时段位于目标计算时段之后。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的光伏电站清洗策略的确定方法,该方法包括:获取光伏电站至少一个历史周期的历史发电数据和历史环境数据;基于历史发电数据,确定光伏电站在目标未来周期内多个计算时段对应的多个发电时长,计算时段和发电时长一一对应;基于历史环境数据,确定多个计算时段对应的多个灰尘遮挡系数变化量,计算时段和灰尘遮挡系数变化量一一对应;基于多个发电时长、多个灰尘遮挡系数变化量、目标计算时段和目标计算时段对应的目标灰尘遮挡系数,求解混合整数规划模型,得到光伏电站在目标未来周期内的目标清洗时段,目标计算时段为多个计算时段中的一个,目标灰尘遮挡系数基于目标计算时段对应的灰尘遮挡系数变化量确定,目标清洗时段位于目标计算时段之后。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
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各实施方式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。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (12)
1.一种光伏电站清洗策略的确定方法,其特征在于,包括:
获取光伏电站至少一个历史周期的历史发电数据和历史环境数据;
基于所述历史发电数据,确定所述光伏电站在目标未来周期内多个计算时段对应的多个发电时长,所述计算时段和所述发电时长一一对应;
基于所述历史环境数据,确定所述多个计算时段对应的多个灰尘遮挡系数变化量,所述计算时段和所述灰尘遮挡系数变化量一一对应;
基于所述多个发电时长、所述多个灰尘遮挡系数变化量、目标计算时段和所述目标计算时段对应的目标灰尘遮挡系数,求解混合整数规划模型,得到所述光伏电站在所述目标未来周期内的目标清洗时段,所述目标计算时段为所述多个计算时段中的一个,所述目标灰尘遮挡系数基于所述目标计算时段对应的所述灰尘遮挡系数变化量确定,所述目标清洗时段位于所述目标计算时段之后。
2.根据权利要求1所述的光伏电站清洗策略的确定方法,其特征在于,所述混合整数规划模型通过如下步骤建立:
确定多个第一计算时段对应的多个决策变量,所述多个第一计算时段对应所述多个计算时段中所述目标计算时段之后的计算时段,所述决策变量包括布尔变量和连续变量,所述布尔变量用于表征所述第一计算时段对应的清洗状态,所述连续变量基于所述第一计算时段对应的所述灰尘遮挡系数变化量和所述目标灰尘遮挡系数确定;
基于所述多个决策变量,确定所述混合整数规划模型的约束条件;
基于所述多个决策变量,确定所述混合整数规划模型的目标函数。
3.根据权利要求2所述的光伏电站清洗策略的确定方法,其特征在于,所述基于所述多个决策变量,确定所述混合整数规划模型的目标函数,包括:
基于所述多个决策变量,确定所述多个第一计算时段对应的多个清洗收益;
以所述清洗收益最大为目标建立所述目标函数。
8.根据权利要求1-6中任一项所述的光伏电站清洗策略的确定方法,其特征在于,所述基于所述历史环境数据,确定所述多个计算时段对应的多个灰尘遮挡系数变化量,包括:
基于所述历史环境数据,确定所述光伏电站的历史降雨数据和灰尘累计速度;
基于所述历史降雨数据和所述灰尘累计速度,确定所述多个灰尘遮挡系数变化量。
10.一种光伏电站清洗策略的确定装置,其特征在于,
获取模块,用于获取光伏电站至少一个历史周期的历史发电数据和历史环境数据;
第一处理模块,用于基于所述历史发电数据,确定所述光伏电站在目标未来周期内多个计算时段对应的多个发电时长,所述计算时段和所述发电时长一一对应;
第二处理模块,用于基于所述历史环境数据,确定所述多个计算时段对应的多个灰尘遮挡系数变化量,所述计算时段和所述灰尘遮挡系数变化量一一对应;
第三处理模块,用于基于所述多个发电时长、所述多个灰尘遮挡系数变化量、目标计算时段和所述目标计算时段对应的目标灰尘遮挡系数,求解混合整数规划模型,得到所述光伏电站在所述目标未来周期内的目标清洗时段,所述目标计算时段为所述多个计算时段中的一个,所述目标灰尘遮挡系数基于所述目标计算时段对应的所述灰尘遮挡系数变化量确定,所述目标清洗时段位于所述目标计算时段之后。
11.一种电子设备,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计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至9任一项所述光伏电站清洗策略的确定方法的步骤。
12.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至9任一项所述光伏电站清洗策略的确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211023358.7A CN115099541A (zh) | 2022-08-25 | 2022-08-25 | 光伏电站清洗策略的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211023358.7A CN115099541A (zh) | 2022-08-25 | 2022-08-25 | 光伏电站清洗策略的确定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115099541A true CN115099541A (zh) | 2022-09-23 |
Family
ID=83300881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211023358.7A Pending CN115099541A (zh) | 2022-08-25 | 2022-08-25 | 光伏电站清洗策略的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115099541A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115688490A (zh) * | 2022-12-30 | 2023-02-03 | 北京志翔科技股份有限公司 | 光伏组串异常定量确定方法、装置、电子设备及存储介质 |
-
2022
- 2022-08-25 CN CN202211023358.7A patent/CN115099541A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115688490A (zh) * | 2022-12-30 | 2023-02-03 | 北京志翔科技股份有限公司 | 光伏组串异常定量确定方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Merten et al. | Bidding strategy for battery storage systems in the secondary control reserve market | |
Bozorgavari et al. | Two-stage hybrid stochastic/robust optimal coordination of distributed battery storage planning and flexible energy management in smart distribution network | |
Chen et al. | Stochastic optimization of wind turbine power factor using stochastic model of wind power | |
CN109447510B (zh) | 基于scuc的中长期电量安全校核方法、装置及系统 | |
Eldali et al. | Employing ARIMA models to improve wind power forecasts: A case study in ERCOT | |
CN109345046B (zh) | 光伏功率的预测方法及装置 | |
Hansen et al. | Bus. py: A GridLAB-D communication interface for Smart distribution Grid simulations | |
CN107370157B (zh) | 一种基于潮流熵的电网可用输电能力风险效益决策方法 | |
CN109687447B (zh) | 一种电力能耗预测方法及装置 | |
Liu et al. | Rapid assessment of maximum distributed generation output based on security distance for interconnected distribution networks | |
Golmohamadi et al. | A bi-level robust optimization model to determine retail electricity price in presence of a significant number of invisible solar sites | |
Bui et al. | Forecasting energy output of a solar power plant in curtailment condition based on LSTM using P/GHI coefficient and validation in training process, a case study in Vietnam | |
CN115099541A (zh) | 光伏电站清洗策略的确定方法及装置 | |
CN116090730A (zh) | 基于激励需求响应的虚拟电厂负荷优化调度方法和系统 | |
CN117040027B (zh) | 一种农村虚拟电厂的协调优化方法和装置 | |
Nordström et al. | Estimating the future need of balancing power based on long-term power system market simulations | |
CN114519470A (zh) | 一种风电中长期发电量预测方法及装置 | |
CN112803401B (zh) | 虚拟分布式能源集群的调控方法、装置及终端设备 | |
Dumas et al. | Stochastic and deterministic formulations for capacity firming nominations | |
CN114638727A (zh) | 计及生产不确定性的流程工业灵活性可调鲁棒监测方法 | |
CN114493143A (zh) | 面向并网型微电网的虚拟电厂多目标优化调度系统及方法 | |
Patel et al. | Multi-agent-based forecast update methods for profit enhancement of intermittent distributed generators in a smart microgrid | |
US10985561B2 (en) | Method for monitoring and controlling an electrical network | |
Partovi et al. | An approach for daily assessment of active power reserve capacity and spinning reserve allocation in a power system | |
Parastegari et al. | Coordinated scheduling of renewable energy sources in the unit commitment problem: a review of recent literature |
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: 20220923 |
|
RJ01 | Rejection of invention patent application after publication |