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 PDF

Info

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
Application number
CN202211023358.7A
Other languages
English (en)
Inventor
赵永凯
李庆乐
王健
张拓木
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.)
Beijing Zhixiang Technology Co Ltd
Original Assignee
Beijing Zhixiang 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 Beijing Zhixiang Technology Co Ltd filed Critical Beijing Zhixiang Technology Co Ltd
Priority to CN202211023358.7A priority Critical patent/CN115099541A/zh
Publication of CN115099541A publication Critical patent/CN115099541A/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
    • 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

光伏电站清洗策略的确定方法及装置
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：
Figure 351189DEST_PATH_IMAGE001
其中，
Figure 996934DEST_PATH_IMAGE002
为清洗后的发电收益，
Figure 308967DEST_PATH_IMAGE003
为清洗前的发电收益，
Figure 356558DEST_PATH_IMAGE004
为清洗成 本。
根据本发明提供的一种光伏电站清洗策略的确定方法，所述目标未来周期包括
Figure 400737DEST_PATH_IMAGE005
个计算时段，第
Figure 533778DEST_PATH_IMAGE006
个计算时段为所述目标计算时段，第
Figure 383922DEST_PATH_IMAGE007
个及之后的计算时段为所述第 一计算时段，
Figure 286019DEST_PATH_IMAGE008
，
Figure 826066DEST_PATH_IMAGE009
、
Figure 180824DEST_PATH_IMAGE010
及
Figure 100239DEST_PATH_IMAGE011
取整；
应用公式
Figure 856842DEST_PATH_IMAGE012
确定所述清洗成本；
应用公式
Figure 367458DEST_PATH_IMAGE013
确定所述清洗前的发电收益；
应用公式
Figure 475091DEST_PATH_IMAGE014
确定所述清洗后的发电收益；
其中，
Figure 932617DEST_PATH_IMAGE015
为单次清洗费用，
Figure 278148DEST_PATH_IMAGE016
为所述布尔变量，
Figure 431436DEST_PATH_IMAGE017
为所述光伏电站的光伏额定 发电功率，
Figure 760787DEST_PATH_IMAGE018
为所述光伏电站的上网电价，
Figure 694108DEST_PATH_IMAGE019
为所述发电时长，
Figure 159724DEST_PATH_IMAGE020
为所述目标灰尘 遮挡系数，
Figure 480984DEST_PATH_IMAGE021
为所述灰尘遮挡系数变化量，
Figure 32051DEST_PATH_IMAGE022
为所述连续变量。
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：
Figure 831380DEST_PATH_IMAGE023
Figure 213819DEST_PATH_IMAGE024
Figure 705981DEST_PATH_IMAGE025
Figure 475835DEST_PATH_IMAGE026
其中，
Figure 78855DEST_PATH_IMAGE027
为所述连续变量，
Figure 456746DEST_PATH_IMAGE028
为所述布尔变量，
Figure 854230DEST_PATH_IMAGE029
为清洗后的灰尘遮挡系 数，
Figure 645468DEST_PATH_IMAGE030
为所述灰尘遮挡系数变化量，下标
Figure 521020DEST_PATH_IMAGE031
表示第
Figure 81315DEST_PATH_IMAGE032
个计算时段。
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
Figure 649699DEST_PATH_IMAGE033
确定所述计算时段对应的灰尘遮挡系数；
其中，
Figure 724971DEST_PATH_IMAGE034
为所述灰尘遮挡系数，
Figure 672723DEST_PATH_IMAGE035
为清洗后的灰尘遮挡系数，
Figure 87524DEST_PATH_IMAGE036
为所述灰尘 遮挡系数变化量，下标
Figure 92389DEST_PATH_IMAGE031
表示第
Figure 592641DEST_PATH_IMAGE037
个计算时段。
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
Figure 75575DEST_PATH_IMAGE038
确定所述灰尘遮挡系数变化量；
其中，
Figure 610461DEST_PATH_IMAGE030
为所述灰尘遮挡系数变化量，下标
Figure 255069DEST_PATH_IMAGE032
表示第
Figure 242617DEST_PATH_IMAGE031
个计算时段，
Figure 201345DEST_PATH_IMAGE039
为 第
Figure 587809DEST_PATH_IMAGE040
个计算时段中第
Figure 668897DEST_PATH_IMAGE041
个子时段的降水量，
Figure 143741DEST_PATH_IMAGE042
基于所述历史降雨数据确定，每个计算 时段包括
Figure 765215DEST_PATH_IMAGE043
个子时段，
Figure 9115DEST_PATH_IMAGE044
、
Figure 261104DEST_PATH_IMAGE045
及
Figure 223244DEST_PATH_IMAGE032
取整；
Figure 523776DEST_PATH_IMAGE046
为第一拟合参数，
Figure 356602DEST_PATH_IMAGE047
为第二拟合参数，
Figure 48002DEST_PATH_IMAGE048
为第三拟合参数，
Figure 294176DEST_PATH_IMAGE049
为第四拟 合参数，
Figure 460715DEST_PATH_IMAGE050
、
Figure 679207DEST_PATH_IMAGE051
、
Figure 538578DEST_PATH_IMAGE052
及
Figure 944152DEST_PATH_IMAGE053
基于所述历史降雨数据和所述灰尘累计速度确定，
Figure 179961DEST_PATH_IMAGE054
为降水量阈值。
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。
例如，目标未来周期为未来一年的时间，设置每个计算时段的时间长度为
Figure 252959DEST_PATH_IMAGE055
天，也 即每个计算时段包括
Figure 955336DEST_PATH_IMAGE056
个子时段，一年当中总共的计算时段个数为
Figure 446793DEST_PATH_IMAGE057
，按照每 个月上、中、下旬进行划分，一年有
Figure 689555DEST_PATH_IMAGE058
个计算时段。
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
Figure 882639DEST_PATH_IMAGE059
确定发电时长。
其中，
Figure 880551DEST_PATH_IMAGE060
为发电时长，
Figure 526296DEST_PATH_IMAGE017
为光伏电站的光伏额定发电功率（kW），下标
Figure 572750DEST_PATH_IMAGE061
表示第
Figure 620340DEST_PATH_IMAGE037
个计算时段，
Figure 664519DEST_PATH_IMAGE062
为第
Figure 797561DEST_PATH_IMAGE063
个计算时段第
Figure 916214DEST_PATH_IMAGE064
个子时段的发电量（kWh），每个计算时段包括
Figure 552731DEST_PATH_IMAGE044
个子时段，
Figure 892446DEST_PATH_IMAGE065
、
Figure 247204DEST_PATH_IMAGE045
及
Figure 901039DEST_PATH_IMAGE031
取整。
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
Figure 657643DEST_PATH_IMAGE066
确定灰尘遮挡系数变化量；
其中，
Figure 371521DEST_PATH_IMAGE067
为灰尘遮挡系数变化量，下标
Figure 151258DEST_PATH_IMAGE037
表示第
Figure 343205DEST_PATH_IMAGE037
个计算时段，
Figure 951385DEST_PATH_IMAGE068
为第
Figure 898481DEST_PATH_IMAGE069
个计算时段中第
Figure 227831DEST_PATH_IMAGE070
个子时段的降水量，
Figure 223469DEST_PATH_IMAGE039
基于历史降雨数据确定，每个计算时段包括
Figure 689086DEST_PATH_IMAGE071
个子时段，
Figure 682449DEST_PATH_IMAGE044
、
Figure 233517DEST_PATH_IMAGE070
及
Figure 298424DEST_PATH_IMAGE072
取整。
在该实施例中，
Figure 618547DEST_PATH_IMAGE073
为第一拟合参数，
Figure 644797DEST_PATH_IMAGE074
为第二拟合参数，
Figure 948739DEST_PATH_IMAGE075
为第三拟合参数，
Figure 286180DEST_PATH_IMAGE076
为第四拟合参数，
Figure 726388DEST_PATH_IMAGE077
、
Figure 389451DEST_PATH_IMAGE078
、
Figure 587214DEST_PATH_IMAGE079
及
Figure 993924DEST_PATH_IMAGE080
基于历史降雨数据和灰尘累计速度确定，
Figure 288639DEST_PATH_IMAGE054
为降水量阈值。
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。
在实际执行中，设置计算日期，目标未来周期可以包括
Figure 653762DEST_PATH_IMAGE081
个计算时段，计算日期 处于第
Figure 929367DEST_PATH_IMAGE082
个计算时段，也即第
Figure 874189DEST_PATH_IMAGE082
个计算时段为目标计算时段，
Figure 23410DEST_PATH_IMAGE083
，
Figure 762696DEST_PATH_IMAGE084
及
Figure 935052DEST_PATH_IMAGE085
取整。
可以理解的是，确定目标计算时段后，问题转化为在剩余的
Figure 417986DEST_PATH_IMAGE086
个计算时段 中，选择那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：
Figure 687293DEST_PATH_IMAGE087
其中，
Figure 659797DEST_PATH_IMAGE088
为清洗后的发电收益，
Figure 647345DEST_PATH_IMAGE089
为清洗前的发电收益，
Figure 671320DEST_PATH_IMAGE090
为清洗成 本。
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。
目标未来周期包括
Figure 60713DEST_PATH_IMAGE011
个计算时段，第
Figure 79485DEST_PATH_IMAGE091
个计算时段为目标计算时段，第
Figure 616645DEST_PATH_IMAGE092
个及之 后的计算时段为第一计算时段，
Figure 379065DEST_PATH_IMAGE093
，
Figure 622964DEST_PATH_IMAGE091
、
Figure 140533DEST_PATH_IMAGE094
及
Figure 837094DEST_PATH_IMAGE095
取整。
当第
Figure 262259DEST_PATH_IMAGE096
个计算时段的布尔变量
Figure 357735DEST_PATH_IMAGE097
时，第
Figure 46206DEST_PATH_IMAGE092
个计算时段的连续变量
Figure 964483DEST_PATH_IMAGE098
具有 等式约束
Figure 396601DEST_PATH_IMAGE099
，当
Figure 615093DEST_PATH_IMAGE100
时，
Figure 146569DEST_PATH_IMAGE101
具有等式约束
Figure 817721DEST_PATH_IMAGE102
。
Figure 787951DEST_PATH_IMAGE103
是第
Figure 595370DEST_PATH_IMAGE104
个计算时段的连续变量，
Figure 628573DEST_PATH_IMAGE105
是第
Figure 583760DEST_PATH_IMAGE106
个计算时段的灰尘遮挡 系数变化量，
Figure 92101DEST_PATH_IMAGE107
为清洗后的灰尘遮挡系数。
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，清洗后的灰尘遮挡系数
Figure 285185DEST_PATH_IMAGE108
的值接近1。
对于连续变量来说，这是一个分段约束，具有非线性特征，在该实施例中，引入大M 约束，设置
Figure 158463DEST_PATH_IMAGE109
，将该分段约束线性化表示如下：
Figure 538629DEST_PATH_IMAGE110
Figure 850662DEST_PATH_IMAGE111
Figure 898252DEST_PATH_IMAGE112
Figure 67065DEST_PATH_IMAGE113
其中，
Figure 955035DEST_PATH_IMAGE114
为连续变量，
Figure 805179DEST_PATH_IMAGE115
为布尔变量，
Figure 707276DEST_PATH_IMAGE116
为清洗后的灰尘遮挡系数，
Figure 922357DEST_PATH_IMAGE117
为灰 尘遮挡系数变化量，下标
Figure 542694DEST_PATH_IMAGE069
表示第
Figure 930950DEST_PATH_IMAGE032
个计算时段。
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
Figure 953133DEST_PATH_IMAGE118
确定清洗成本。
其中，
Figure 463749DEST_PATH_IMAGE119
为清洗成本（元），
Figure 305803DEST_PATH_IMAGE120
为单次清洗费用（元），目标未来周期包括
Figure 500679DEST_PATH_IMAGE005
个 计算时段，第
Figure 377368DEST_PATH_IMAGE121
个计算时段为目标计算时段，第
Figure 934252DEST_PATH_IMAGE010
个及之后的计算时段为第一计算时段，
Figure 263602DEST_PATH_IMAGE122
，
Figure 259240DEST_PATH_IMAGE123
、
Figure 990435DEST_PATH_IMAGE124
及
Figure 842854DEST_PATH_IMAGE125
取整，下标
Figure 659500DEST_PATH_IMAGE124
表示第
Figure 458829DEST_PATH_IMAGE096
个计算时段，
Figure 41601DEST_PATH_IMAGE126
为布尔变量。
其二、应用公式
Figure 940287DEST_PATH_IMAGE127
确定清洗前的发电收益。
其中，
Figure 244229DEST_PATH_IMAGE128
为清洗前的发电收益（元），
Figure 581670DEST_PATH_IMAGE129
为光伏电站的光伏额定发电功率 （kW），
Figure 21878DEST_PATH_IMAGE130
为光伏电站的上网电价（元/kWh），目标未来周期包括
Figure 481679DEST_PATH_IMAGE011
个计算时段，第
Figure 7338DEST_PATH_IMAGE084
个计算 时段为目标计算时段，第
Figure 148469DEST_PATH_IMAGE092
个及之后的计算时段为第一计算时段，
Figure 443184DEST_PATH_IMAGE131
，
Figure 949252DEST_PATH_IMAGE091
、
Figure 965137DEST_PATH_IMAGE094
及
Figure 644380DEST_PATH_IMAGE132
取整，下标
Figure 59181DEST_PATH_IMAGE133
表示第
Figure 860784DEST_PATH_IMAGE134
个计算时段，
Figure 361035DEST_PATH_IMAGE135
为计算时段的发电时长，
Figure 843969DEST_PATH_IMAGE136
为目标灰 尘遮挡系数，
Figure 113276DEST_PATH_IMAGE137
为灰尘遮挡系数变化量。
某一计算时段发生了清洗，则该计算时段的灰尘遮挡系数变为最大值
Figure 961147DEST_PATH_IMAGE138
。
在计算时段进行清洗的情况下，应用公式
Figure 948694DEST_PATH_IMAGE139
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
Figure 966810DEST_PATH_IMAGE140
确定计算时段对应的灰尘遮挡系数；
其中，
Figure 356203DEST_PATH_IMAGE141
为灰尘遮挡系数，
Figure 234029DEST_PATH_IMAGE142
为清洗后的灰尘遮挡系数，
Figure 708873DEST_PATH_IMAGE067
为灰尘遮挡系数 变化量，下标
Figure 533610DEST_PATH_IMAGE143
表示第
Figure 777509DEST_PATH_IMAGE144
个计算时段。
其三、应用公式
Figure 295078DEST_PATH_IMAGE145
确定清洗后的发电收益。
其中，
Figure 663743DEST_PATH_IMAGE146
为清洗后的发电收益（元），
Figure 292170DEST_PATH_IMAGE129
为光伏电站的光伏额定发电功率（kW），
Figure 393506DEST_PATH_IMAGE147
为光伏电站的上网电价（元/kWh），
Figure 878714DEST_PATH_IMAGE148
为连续变量，
Figure 62570DEST_PATH_IMAGE149
为发电时长，下标目标未来周期 包括
Figure 494689DEST_PATH_IMAGE150
个计算时段，第
Figure 713180DEST_PATH_IMAGE151
个计算时段为目标计算时段，第
Figure 306973DEST_PATH_IMAGE106
个及之后的计算时段为第一 计算时段，
Figure 978126DEST_PATH_IMAGE152
，
Figure 620460DEST_PATH_IMAGE006
、
Figure 693458DEST_PATH_IMAGE124
及
Figure 720801DEST_PATH_IMAGE095
取整，下标
Figure 613671DEST_PATH_IMAGE153
表示第
Figure 184329DEST_PATH_IMAGE106
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：
Figure 111834DEST_PATH_IMAGE154
其中，
Figure 313008DEST_PATH_IMAGE146
为清洗后的发电收益，
Figure 693174DEST_PATH_IMAGE155
为清洗前的发电收益，
Figure 270786DEST_PATH_IMAGE156
为清洗成 本。
在一些实施例中，目标未来周期包括
Figure 724901DEST_PATH_IMAGE157
个计算时段，第
Figure 96976DEST_PATH_IMAGE006
个计算时段为目标计算 时段，第
Figure 967368DEST_PATH_IMAGE092
个及之后的计算时段为第一计算时段，
Figure 83091DEST_PATH_IMAGE158
，
Figure 781926DEST_PATH_IMAGE084
、
Figure 324903DEST_PATH_IMAGE094
及
Figure 679661DEST_PATH_IMAGE159
取整；
应用公式
Figure 333496DEST_PATH_IMAGE160
确定清洗成本；
应用公式
Figure 762203DEST_PATH_IMAGE161
确定清洗前的发电收益；
应用公式
Figure 741661DEST_PATH_IMAGE162
确定清洗后的发电收益；
其中，
Figure 318136DEST_PATH_IMAGE163
为单次清洗费用，
Figure 796170DEST_PATH_IMAGE164
为布尔变量，
Figure 469596DEST_PATH_IMAGE165
为光伏电站的光伏额定发电功率，
Figure 354376DEST_PATH_IMAGE166
为光伏电站的上网电价，
Figure 683726DEST_PATH_IMAGE167
为发电时长，
Figure 679364DEST_PATH_IMAGE168
为目标灰尘遮挡系数，
Figure 82663DEST_PATH_IMAGE067
为灰尘遮挡系 数变化量，
Figure 138344DEST_PATH_IMAGE169
为连续变量。
在一些实施例中，约束条件包括：
Figure 689411DEST_PATH_IMAGE170
Figure 488740DEST_PATH_IMAGE171
Figure 874109DEST_PATH_IMAGE172
Figure 366270DEST_PATH_IMAGE173
其中，
Figure 404634DEST_PATH_IMAGE148
为连续变量，
Figure 742074DEST_PATH_IMAGE174
为布尔变量，
Figure 447862DEST_PATH_IMAGE108
为清洗后的灰尘遮挡系数，
Figure 517449DEST_PATH_IMAGE036
为灰 尘遮挡系数变化量，下标
Figure 43108DEST_PATH_IMAGE175
表示第
Figure 184240DEST_PATH_IMAGE037
个计算时段。
在一些实施例中，第二处理模块330还用于应用公式
Figure 541272DEST_PATH_IMAGE176
确定计算时段对应的灰尘遮挡系数；
其中，
Figure 372306DEST_PATH_IMAGE177
为灰尘遮挡系数，
Figure 119682DEST_PATH_IMAGE178
为清洗后的灰尘遮挡系数，
Figure 64504DEST_PATH_IMAGE067
为灰尘遮挡系数 变化量，下标
Figure 479305DEST_PATH_IMAGE069
表示第
Figure 156274DEST_PATH_IMAGE031
个计算时段。
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
Figure 390946DEST_PATH_IMAGE179
确定灰尘遮挡系数变化量；
其中，
Figure 873880DEST_PATH_IMAGE021
为灰尘遮挡系数变化量，下标
Figure 408767DEST_PATH_IMAGE180
表示第
Figure 381271DEST_PATH_IMAGE180
个计算时段，
Figure 371748DEST_PATH_IMAGE181
为第
Figure 392794DEST_PATH_IMAGE069
个计算时段中第
Figure 516607DEST_PATH_IMAGE182
个子时段的降水量，
Figure 535379DEST_PATH_IMAGE068
基于历史降雨数据确定，每个计算时段 包括
Figure 10223DEST_PATH_IMAGE043
个子时段，
Figure 834959DEST_PATH_IMAGE183
、
Figure 875596DEST_PATH_IMAGE064
及
Figure 127586DEST_PATH_IMAGE069
取整；
Figure 824147DEST_PATH_IMAGE184
为第一拟合参数，
Figure 449645DEST_PATH_IMAGE185
为第二拟合参数，
Figure 813630DEST_PATH_IMAGE186
为第三拟合参数，
Figure 908625DEST_PATH_IMAGE187
为第四拟 合参数，
Figure 358061DEST_PATH_IMAGE077
、
Figure 790179DEST_PATH_IMAGE185
、
Figure 743092DEST_PATH_IMAGE188
及
Figure 336884DEST_PATH_IMAGE189
基于历史降雨数据和灰尘累计速度确定，
Figure 8037DEST_PATH_IMAGE190
为降 水量阈值。
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。
4.根据权利要求3所述的光伏电站清洗策略的确定方法，其特征在于，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：
Figure 777064DEST_PATH_IMAGE001
其中，
Figure 850063DEST_PATH_IMAGE002
为清洗后的发电收益，
Figure 880335DEST_PATH_IMAGE003
为清洗前的发电收益，
Figure 38784DEST_PATH_IMAGE004
为清洗成本。
5.根据权利要求4所述的光伏电站清洗策略的确定方法，其特征在于，所述目标未来周 期包括
Figure 809776DEST_PATH_IMAGE005
个计算时段，第
Figure 471701DEST_PATH_IMAGE006
个计算时段为所述目标计算时段，第
Figure 672875DEST_PATH_IMAGE007
个及之后的计算时段为 所述第一计算时段，
Figure 115358DEST_PATH_IMAGE008
，
Figure 427391DEST_PATH_IMAGE006
、
Figure 209402DEST_PATH_IMAGE009
及
Figure 581477DEST_PATH_IMAGE010
取整；
应用公式
Figure 714518DEST_PATH_IMAGE011
确定所述清洗成本；
应用公式
Figure 502346DEST_PATH_IMAGE012
确定所述清洗前的发电收益；
应用公式
Figure 407372DEST_PATH_IMAGE013
确定所述清洗后的发电收益；
其中，
Figure 684770DEST_PATH_IMAGE014
为单次清洗费用，
Figure 39528DEST_PATH_IMAGE015
为所述布尔变量，
Figure 958942DEST_PATH_IMAGE016
为所述光伏电站的光伏额定发电功 率，
Figure 512284DEST_PATH_IMAGE017
为所述光伏电站的上网电价，
Figure 226162DEST_PATH_IMAGE018
为所述发电时长，
Figure 68216DEST_PATH_IMAGE019
为所述目标灰尘遮挡系数，
Figure 525742DEST_PATH_IMAGE020
为所述灰尘遮挡系数变化量，
Figure 808956DEST_PATH_IMAGE021
为所述连续变量。
6.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，所述约束条件包括：
Figure 979822DEST_PATH_IMAGE022
Figure 43593DEST_PATH_IMAGE023
Figure 304810DEST_PATH_IMAGE024
Figure 567164DEST_PATH_IMAGE025
其中，
Figure 888424DEST_PATH_IMAGE026
为所述连续变量，
Figure 705070DEST_PATH_IMAGE027
为所述布尔变量，
Figure 238820DEST_PATH_IMAGE028
为清洗后的灰尘遮挡系数，
Figure 824522DEST_PATH_IMAGE029
为 所述灰尘遮挡系数变化量，下标
Figure 988787DEST_PATH_IMAGE030
表示第
Figure 30080DEST_PATH_IMAGE031
个计算时段。
7.根据权利要求1-6任一项所述的光伏电站清洗策略的确定方法，其特征在于，应用公式
Figure 367520DEST_PATH_IMAGE032
确定所述计算时段对应的灰尘遮挡系数；
其中，
Figure 73308DEST_PATH_IMAGE033
为所述灰尘遮挡系数，
Figure 267529DEST_PATH_IMAGE034
为清洗后的灰尘遮挡系数，
Figure 58768DEST_PATH_IMAGE035
为所述灰尘遮挡系 数变化量，下标
Figure 934320DEST_PATH_IMAGE036
表示第
Figure 494614DEST_PATH_IMAGE036
个计算时段。
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。
9.根据权利要求8所述的光伏电站清洗策略的确定方法，其特征在于，应用公式
Figure 735103DEST_PATH_IMAGE037
确定所述灰尘遮挡系数变化量；
其中，
Figure 13637DEST_PATH_IMAGE038
为所述灰尘遮挡系数变化量，下标
Figure 689950DEST_PATH_IMAGE039
表示第
Figure 104751DEST_PATH_IMAGE036
个计算时段，
Figure 906354DEST_PATH_IMAGE040
为第
Figure 406606DEST_PATH_IMAGE039
个 计算时段中第
Figure 623960DEST_PATH_IMAGE041
个子时段的降水量，
Figure 158847DEST_PATH_IMAGE042
基于所述历史降雨数据确定，每个计算时段包 括
Figure 741138DEST_PATH_IMAGE043
个子时段，
Figure 728685DEST_PATH_IMAGE043
、
Figure 749731DEST_PATH_IMAGE044
及
Figure 142054DEST_PATH_IMAGE045
取整；
Figure 285459DEST_PATH_IMAGE046
为第一拟合参数，
Figure 760303DEST_PATH_IMAGE047
为第二拟合参数，
Figure 319460DEST_PATH_IMAGE048
为第三拟合参数，
Figure 563360DEST_PATH_IMAGE049
为第四拟合参 数，
Figure 753033DEST_PATH_IMAGE050
、
Figure 715172DEST_PATH_IMAGE051
、
Figure 78021DEST_PATH_IMAGE052
及
Figure 176427DEST_PATH_IMAGE053
基于所述历史降雨数据和所述灰尘累计速度确定，
Figure 658705DEST_PATH_IMAGE054
为 降水量阈值。
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。
CN202211023358.7A 2022-08-25 2022-08-25 光伏电站清洗策略的确定方法及装置 Pending CN115099541A (zh)

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)

* Cited by examiner, † Cited by third party
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

Cited By (1)

* Cited by examiner, † Cited by third party
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