CN115953148A - 光伏组件积灰损失计算和清洗时间估算方法及相关装置 - Google Patents
光伏组件积灰损失计算和清洗时间估算方法及相关装置 Download PDFInfo
- Publication number
- CN115953148A CN115953148A CN202211626999.1A CN202211626999A CN115953148A CN 115953148 A CN115953148 A CN 115953148A CN 202211626999 A CN202211626999 A CN 202211626999A CN 115953148 A CN115953148 A CN 115953148A
- Authority
- CN
- China
- Prior art keywords
- cleaning
- group
- time
- electric quantity
- day
- 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
Images
Classifications
-
- 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
Landscapes
- Photovoltaic Devices (AREA)
Abstract
光伏组件积灰损失计算和清洗时间估算方法及相关装置,包括:选择样本集;将样本集分为三组;拟合每日清洁组件、本次清洗组件两组的输出功率的线性关系,得到线性拟合系数;计算本次清洗组件的灰尘遮蔽率和积灰损失电量;计算得到本次清洗组件的清洗后累计提升电量;根据本次清洗组件的灰尘遮蔽率、积灰损失电量、本次清洗组件的清洗后累计提升电量、清洗失效周期以及确定可清洗日,进行清洗时间判断。能够利用数据相关性综合分析的手段,计算组件积灰损失和下次清洗时间,清洗前积灰损失电量和清洗后提升效益可定量化。指导光伏场站有效清洗,避免盲目清洗决策。
Description
技术领域
本发明属于光伏组件清洗技术领域,特别涉及光伏组件积灰损失计算和清洗时间估算方法及相关装置。
背景技术
光伏组件积灰一方面通过降低光线的透射率而减少组件表面接收到的辐射量,造成光伏电站发电量严重损失;一方面在光伏组件表面形成局部阴影,引起光伏组件热斑效应,加快组件衰减,同时增加组件发生火灾的风险。所以必须对光伏组件进行清洗,然而清洗过于频繁,将会增加总成本,降低电站的整体运营效益。
目前常见的光伏电站组件清洗有两种方式,一种是人工清洗,这种方式多数光伏电站组件清洗时间都是拍脑袋决定的,通常是一年固定若干次,如一年两次或者一年四次,不清楚清洗多少次可以达到电站收益最优;另一种是安装了清洗机器人,可以根据设定频繁清洗,能够提高发电量,但是购买和安装清洗机器人的一次性投入成本太高。
发明内容
本发明的目的在于提供光伏组件积灰损失计算和清洗时间估算方法及相关装置,以解决现有技术投入成本太高,不清楚清洗多少次可以达到电站收益最优的问题。
为实现上述目的,本发明采用以下技术方案:
光伏组件积灰损失计算和清洗时间估算方法,包括:
选择逆变器瞬时功率时间序列相关性强的组串式逆变器作为样本集;
将样本集分为三组:每日清洁组件、本次不清洗组件和本次清洗组件;
拟合每日清洁组件、本次清洗组件两组的输出功率的线性关系,得到线性拟合系数;
根据每日清洁组件的日发电量和线性拟合系数,计算本次清洗组件的灰尘遮蔽率和积灰损失电量;
根据本次不清洗组件的日发电量和线性拟合系数,计算得到本次清洗组件的清洗后累计提升电量;
确定光伏电站的清洗失效周期,以及确定可清洗日;
根据本次清洗组件的灰尘遮蔽率、积灰损失电量、本次清洗组件的清洗后累计提升电量、清洗失效周期以及确定可清洗日,进行清洗时间判断。
进一步的,采用相关矩阵法,选择逆变器瞬时功率时间序列相关性强的组串式逆变器作为样本集:
设有N个逆变器,其历史功率时间序列分别为P1,P2,P3,…,PN;每台逆变器都有m个实测功率值;
计算逆变器时间序列数据间相关矩阵R:
其中rij(i=1,2,…N;j=1,2,…N)是第i台逆变器功率Pi与第j台逆变器功率Pj之间的相关性系数;
计算相关系数时,逆变器功率样本应满足以下条件:
(1)两台逆变器时间一致,不能错位,时间段选取为中午11:00到下午1:00,且辐射强度大于700;
(2)逆变器功率>0;
(3)不能为越限值、死值、空值;
(4)逆变器状态为正常发电状态;故障停机、故障运行、限电等状态下的样本不参与计算;
将相关系数大于0.9的逆变器作为发电单元样本集。
进一步的,将样本集分为三组:
A组发电单元为每日清洁组件:若干台,连接的组件每日清洗一次,用于计算清洁时逆变器日发电量;
B组发电单元为本次不清洗组件,用于清洗后收益对比;
C组发电单元为本次清洗组件:占样本集的比例最大,本次进行组件清洗。
进一步的,线性拟合系数:
拟合A,B输出功率的线性关系
用A组逆变器日发电量和C组逆变器日发电量的历史数据进行线性拟合,拟合得出线性关系式PC=a1*PA+b1;
C组日发电量=A组日发电量*a1+b1
设A组逆变器日发电量和C组逆变器日发电量的历史数据分别为PA=(PA1,PA2,…PAm),PC=(PC1,PC2,…PCm),设PA=a1*PC+b1
采用回归系数的最小二乘方法估计:
最终拟合的回归系数a1、b1:
进一步的,C组清洁状态日理论发电量=A组日发电量*a1+b1
灰尘遮蔽率=(C组清洁状态日理论发电量/C组日实际发电量-1)*100%
C组日损失电量=C组清洁状态日理论发电量-C组日实际发电量=C组日实际发电量*灰尘遮蔽率;其中a 1、b1为线性拟合系数;
C组日本次若不清洗理论发电量=B组日发电量*a2+b2
清洗后累计提升电量=∑C组日实际发电量-C组日本次若不清洗理论发电量;其中a2、b2为线性拟合系数。
进一步的,清洗失效周期计算:
定义清洗失效周期T2:即在假定没有降水的情况下,清洗后的N天,如果清洗效果收益达到临界点,后续不再有因为清洗而导致电量提升,则认为清洗失效周期为N天,T2=N;
在没有较强降水的时间段,进行清洗试验,分析C组清洗后累计提升电量趋势,不再增加时或者增加趋势放缓时;确定光伏电站的大概清洗失效周期T2。
组件清洗日计算:
可清洗日T1的定义:从本次清洗次日开始计算,C组清洗后,累计清洗电量提升获利的百分比大于单次清洗成本时,定当日为可清洗日T1,即认为清洗后由于提升电量所获得的收益能够符合业主预期要求;
清洗电量提升获利Q(t)=清洗后累计提升电量(t)*电价
清洗成本=装机容量(MW)*清洗成本单价(元/kw)。
进一步的,清洗时间判断原则:
(1)尚未满足业主预期获利要求前有效降雨
这种情况用遮蔽率指标进行判断,灰尘遮蔽率>阈值,所在日期认为是下次清洗日;
(2)清洗后累计提升电量获利Q(t)*比例系数d>=单次清洗成本时,当日为可清洗日T1;
(3)T1>T2时,即如果本次清洗尚未满足业主预期获利要求时,本次清洗效果已经失效,用遮蔽率指标判断下次清洗时间;
(4)如果满足业主预期获利要求的情况下,未来七天降雨量大于设定的阈值,时间往后推,后续清洗时间通过用遮蔽率指标进行判断;
(5)清洗时间安排在可清洗日以后,清洗失效日之前。
进一步的,光伏组件积灰损失计算和清洗时间估算系统,包括:
样本选择模块,用于选择逆变器瞬时功率时间序列相关性强的组串式逆变器作为样本集;
分组模块,用于将样本集分为三组:每日清洁组件、不清洗组件和本次清洗组件;
线性拟合系数获取模块,用于拟合每日清洁组件、不清洗组件两组的输出功率的线性关系,得到线性拟合系数;
计算模块,用于根据每日清洁组件的日发电量和线性拟合系数,计算本次清洗组件的灰尘遮蔽率和积灰损失电量;根据不清洗组件的日发电量和线性拟合系数,计算得到本次清洗组件的清洗后累计提升电量;
判断模块,用于确定光伏电站的清洗失效周期,以及确定可清洗日;根据本次清洗组件的灰尘遮蔽率、积灰损失电量、本次清洗组件的清洗后累计提升电量、清洗失效周期以及确定可清洗日,进行清洗时间判断。
进一步的,一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现光伏组件积灰损失计算和清洗时间估算方法的步骤。
进一步的,一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现光伏组件积灰损失计算和清洗时间估算方法的步骤。
与现有技术相比,本发明有以下技术效果:
本发明提供一种基于相关矩阵分析的光伏组件积灰损失计算和清洗时间估算方法。为光伏电站组件清洗提供参考。通过相关性矩阵法,筛选出运行相似性程度高的组串式逆变器作为样本集,将样本集分为A、B、C三组,分别为每天清洗、不进行清洗、正常清洗,通过三组样本集历史数据建立回归模型,根据回归模型估算光伏组件积灰损失电量;对三组逆变器所连接的发电单元进行清洗试验,利用试验数据估算光伏电站清洗失效时间,结合数值天气预报数据,判断下次清洗时间。能够利用数据相关性综合分析的手段,计算组件积灰损失和下次清洗时间,清洗前积灰损失电量和清洗后提升效益可定量化。指导光伏场站有效清洗,避免盲目清洗决策。
通过数据分析的手段,估算组件积灰损失和下次清洗时间,清洗前积灰损失电量和清洗后提升效益可量化。本发明结合数值天气预报降水量预测结果,以避免清洗后不久便降水的情况。
附图说明
图1光伏组件积灰损失和组件清洗时间计算流程.
具体实施方式
以下结合附图对本发明进一步说明:
请参阅图1,本发明适用于安装组串式逆变器的光伏电站。组串式逆变器及其所连接的光伏组件构成一个发电单元。图1为光伏组件积灰损失和组件清洗时间计算流程,每次清洗后,开始执行该流程。
1)样本集筛选
采用相关矩阵法,选择逆变器瞬时功率时间序列相关性强的组串式逆变器作为样本集。
设有N个逆变器,其历史功率时间序列分别为P1,P2,P3,…,PN。每台逆变器都有m个实测功率值。
计算逆变器时间序列数据间相关矩阵R:
其中rij(i=1,2,…N;j=1,2,…N)是第i台逆变器功率Pi与第j台逆变器功率Pj之间的相关性系数。
注:
计算相关系数时,逆变器功率样本应满足以下条件:
(1)两台逆变器时间一致,不能错位,时间段选取为中午11:00到下午1:00,且辐射强度大于700。
(2)逆变器功率>0。
(3)不能为异常值,如越限值、死值、空值等。
(4)逆变器状态为正常发电状态。故障停机、故障运行、限电等状态下的样本不参与计算。
将相关系数大于0.9的逆变器作为发电单元样本集。
2)样本集分组
将样本集分为三组。
A组发电单元(清洁组件):若干台,连接的组件每日清洗一次,用于计算清洁时逆变器日发电量。
B组发电单元(本次不清洗组件):除了A组外的发电单位分为B组和C组,B组是每次预留的本次不进行组件清洗的若干个发电单元,用于清洗后收益对比。
C组发电单元:占样本集的比例最大,本次进行组件清洗。
注意:这里的B组和C组在下次清洗前重新分组,原B组发电单元在下次进行清洗,以保证B组始终具有参比性,同时减少组件衰减对发电、计算结果的影响。
3)组件灰尘遮蔽率和积灰损失电量计算
C组清洁状态日理论发电量=A组日发电量*a1+b1
灰尘遮蔽率=(C组清洁状态日理论发电量/C组日实际发电量-1)*100%
C组日损失电量=C组清洁状态日理论发电量-C组日实际发电量=C组日实际发电量*灰尘遮蔽率
其中a 1、b1为线性拟合系数。
4)组件清洗后累计提升电量计算
C组日本次若不清洗理论发电量=B组日发电量*a2+b2
清洗后累计提升电量=∑C组日实际发电量-C组日本次若不清洗理论发电量
其中a2、b2为线性拟合系数。
线性拟合算法:
(a)拟合A,B输出功率的线性关系
用A组逆变器日发电量总和和C组逆变器日发电量总和的历史数据进行线性拟合,拟合得出线性关系式PC=a1*PA+b1。
C组日发电量=A组日发电量*a1+b1
设A组逆变器日发电量总和和C组逆变器日发电量总和的历史数据分别为PA=(PA1,PA2,…PAm),PC=(PC1,PC2,…PCm),设PA=a1*PC+b1
采用回归系数的最小二乘方法估计:
最终拟合的回归系数a1、b1:
5)清洗失效周期计算
定义清洗失效周期T2:即在假定没有降水的情况下,清洗后的N天,如果清洗效果收益达到临界点,后续不再有因为清洗而导致电量提升,则认为清洗失效周期为N天(T2=N)。
在没有较强降水的时间段,进行上述分组方法,进行清洗试验,分析C组清洗后累计提升电量趋势,不再增加时或者增加趋势放缓时。确定光伏电站的大概清洗失效周期T2。
6)组件清洗日计算
可清洗日T1的定义:从本次清洗次日开始计算,C组清洗后,累计清洗电量提升获利的百分比大于单次清洗成本时,定当日为可清洗日T1,即认为清洗后由于提升电量所获得的收益能够符合业主预期要求。该日以后可以根据需要选择是否进行清洗。
清洗电量提升获利Q(t)=清洗后累计提升电量(t)*电价清洗成本=装机容量(MW)*清洗成本单价(元/kw)
清洗时间判断原则:
(1)尚未满足业主预期获利要求前有效降雨
这种情况用遮蔽率指标进行判断,遮蔽率达到阈值时(即灰尘遮蔽率>阈值)所在日期认为是下次清洗日。
(2)清洗后累计提升电量获利Q(t)*比例系数d>=单次清洗成本时,当日为可清洗日T1
(3)T1>T2时,即如果本次清洗尚未满足业主预期获利要求时,本次清洗效果已经失效,用遮蔽率指标判断下次清洗时间。在上次清洗失效日前能够满足业主预期获利要求
(4)如果满足业主预期获利要求的情况下,未来七天降雨量大于设定的阈值,时间往后推,后续清洗时间通过用遮蔽率指标进行判断。
(5)清洗时间建议安排在可清洗日以后,清洗失效日之前。
本发明再一实施例中,提供一种光伏组件积灰损失计算和清洗时间估算系统,能够用于实现上述的光伏组件积灰损失计算和清洗时间估算方法,具体的,该系统包括:
样本选择模块,用于选择逆变器瞬时功率时间序列相关性强的组串式逆变器作为样本集;
分组模块,用于将样本集分为三组:每日清洁组件、不清洗组件和本次清洗组件;
线性拟合系数获取模块,用于拟合每日清洁组件、不清洗组件两组的输出功率的线性关系,得到线性拟合系数;
计算模块,用于根据每日清洁组件的日发电量和线性拟合系数,计算本次清洗组件的灰尘遮蔽率和积灰损失电量;根据不清洗组件的日发电量和线性拟合系数,计算得到本次清洗组件的清洗后累计提升电量;
判断模块,用于确定光伏电站的清洗失效周期,以及确定可清洗日;根据本次清洗组件的灰尘遮蔽率、积灰损失电量、本次清洗组件的清洗后累计提升电量、清洗失效周期以及确定可清洗日,进行清洗时间判断。
本发明实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,另外,在本发明各个实施例中的各功能模块可以集成在一个处理器中,也可以是单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
本发明再一个实施例中,提供了一种计算机设备,该计算机设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能;本发明实施例所述的处理器可以用于光伏组件积灰损失计算和清洗时间估算方法的操作。
本发明再一个实施例中,本发明还提供了一种存储介质,具体为计算机可读存储介质(Memory),所述计算机可读存储介质是计算机设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质,当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了终端的操作系统。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令,以实现上述实施例中有关光伏组件积灰损失计算和清洗时间估算方法的相应步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.光伏组件积灰损失计算和清洗时间估算方法,其特征在于,包括以下步骤:
选择逆变器瞬时功率时间序列相关性强的组串式逆变器作为样本集;
将样本集分为三组:每日清洁组件、本次不清洗组件和本次清洗组件;这里的本次不清洗组件和本次清洗组件在下次清洗前重新分组,本次不清洗组件发电单元在下次进行清洗;
拟合每日清洁组件、本次清洗组件两组的输出功率的线性关系,得到线性拟合系数;
根据每日清洁组件的日发电量和线性拟合系数,计算本次清洗组件清洗后随着时间的推移,其灰尘遮蔽率和积灰损失电量;
根据本次不清洗组件的日发电量和线性拟合系数,计算得到本次清洗组件的清洗后随着时间的推移,其累计提升电量;
确定光伏电站的清洗失效周期,以及确定可清洗日;
根据本次清洗组件的灰尘遮蔽率、积灰损失电量、本次清洗组件的清洗后累计提升电量、清洗失效周期以及确定可清洗日,进行清洗时间判断。
2.根据权利要求1所述的光伏组件积灰损失计算和清洗时间估算方法,其特征在于,采用相关矩阵法,选择逆变器瞬时功率时间序列相关性强的组串式逆变器作为样本集:
设有N个逆变器,其历史功率时间序列分别为P1,P2,P3,…,PN;每台逆变器都有m个实测功率值;
计算逆变器时间序列数据间相关矩阵R:
其中,rij(i=1,2,…N;j=1,2,…N)是第i台逆变器功率Pi与第j台逆变器功率Pj之间的相关性系数;
计算相关系数时,逆变器功率样本满足以下条件:
(1)两台逆变器时间一致,不能错位,时间段选取为中午11:00到下午1:00,且辐射强度大于700;
(2)逆变器功率>0;
(3)不能为越限值、死值、空值;
(4)逆变器状态为正常发电状态;故障停机、故障运行、限电等状态下的样本不参与计算;
将相关系数大于0.9的逆变器作为发电单元样本集。
3.根据权利要求1所述的光伏组件积灰损失计算和清洗时间估算方法,其特征在于,将样本集分为三组:
A组发电单元为每日清洁组件:若干台,连接的组件每日清洗一次,用于计算清洁时逆变器日发电量;
B组发电单元为本次不清洗组件,用于清洗后收益对比;
C组发电单元为本次清洗组件:占样本集的比例最大,本次进行组件清洗;
B组和C组在下次清洗前重新分组,原B组发电单元在下次进行清洗。
5.根据权利要求1所述的光伏组件积灰损失计算和清洗时间估算方法,其特征在于,C组清洁状态日理论发电量=A组日发电量*a1+b1;
灰尘遮蔽率=(C组清洁状态日理论发电量/C组日实际发电量-1)*100%;
C组日损失电量=C组清洁状态日理论发电量-C组日实际发电量=C组日实际发电量*灰尘遮蔽率;其中a1、b1为线性拟合系数;
C组日本次若不清洗理论发电量=B组日发电量*a2+b2;
清洗后累计提升电量=∑C组日实际发电量-C组日本次若不清洗理论发电量;a2、b2为线性拟合系数。
6.根据权利要求1所述的光伏组件积灰损失计算和清洗时间估算方法,其特征在于,清洗失效周期计算如下:
定义清洗失效周期T2:即在假定没有降水的情况下,清洗后的N天,如果清洗效果收益达到临界点,后续不再有因为清洗而导致电量提升,则认为清洗失效周期为N天,T2=N;
在没有较强降水的时间段,进行清洗试验,分析C组清洗后累计提升电量趋势,不再增加时或者增加趋势放缓时;确定光伏电站的大概清洗失效周期T2;
组件清洗日计算:
可清洗日T1的定义:从本次清洗次日开始计算,C组清洗后,累计清洗电量提升获利的百分比大于单次清洗成本时,定当日为可清洗日T1,即认为清洗后由于提升电量所获得的收益能够符合业主预期要求;
清洗电量提升获利Q(t)=清洗后累计提升电量(t)*电价
清洗成本=装机容量(MW)*清洗成本单价(元/kw)。
7.根据权利要求1所述的光伏组件积灰损失计算和清洗时间估算方法,其特征在于,清洗时间判断原则:
(1)尚未满足业主预期获利要求前有效降雨;
用遮蔽率指标进行判断,灰尘遮蔽率>阈值,所在日期认为是下次清洗日;
(2)清洗后累计提升电量获利Q(t)*比例系数d>=单次清洗成本时,当日为可清洗日T1;
(3)T1>T2时,即如果本次清洗尚未满足业主预期获利要求时,本次清洗效果已经失效,用遮蔽率指标判断下次清洗时间;
(4)如果满足业主预期获利要求的情况下,未来七天降雨量大于设定的阈值,时间往后推,后续清洗时间通过用遮蔽率指标进行判断;
(5)清洗时间安排在可清洗日以后,清洗失效日之前。
8.光伏组件积灰损失计算和清洗时间估算系统,其特征在于,包括:
样本选择模块,用于选择逆变器瞬时功率时间序列相关性强的组串式逆变器作为样本集;
分组模块,用于将样本集分为三组:每日清洁组件、不清洗组件和本次清洗组件;
线性拟合系数获取模块,用于拟合每日清洁组件、不清洗组件两组的输出功率的线性关系,得到线性拟合系数;
计算模块,用于根据每日清洁组件的日发电量和线性拟合系数,计算本次清洗组件的灰尘遮蔽率和积灰损失电量;根据本次不清洗组件的日发电量和线性拟合系数,计算得到本次清洗组件的清洗后累计提升电量;
判断模块,用于确定光伏电站的清洗失效周期,以及确定可清洗日;根据本次清洗组件的灰尘遮蔽率、积灰损失电量、本次清洗组件的清洗后累计提升电量、清洗失效周期以及确定可清洗日,进行清洗时间判断。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如权利要求1至7任一项所述光伏组件积灰损失计算和清洗时间估算方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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7任一项所述光伏组件积灰损失计算和清洗时间估算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211626999.1A CN115953148A (zh) | 2022-12-16 | 2022-12-16 | 光伏组件积灰损失计算和清洗时间估算方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211626999.1A CN115953148A (zh) | 2022-12-16 | 2022-12-16 | 光伏组件积灰损失计算和清洗时间估算方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115953148A true CN115953148A (zh) | 2023-04-11 |
Family
ID=87281879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211626999.1A Pending CN115953148A (zh) | 2022-12-16 | 2022-12-16 | 光伏组件积灰损失计算和清洗时间估算方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115953148A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629644A (zh) * | 2023-07-26 | 2023-08-22 | 国家电投集团综合智慧能源科技有限公司 | 一种基于ai模型训练的光伏电站灰尘损失电量预测方法 |
-
2022
- 2022-12-16 CN CN202211626999.1A patent/CN115953148A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629644A (zh) * | 2023-07-26 | 2023-08-22 | 国家电投集团综合智慧能源科技有限公司 | 一种基于ai模型训练的光伏电站灰尘损失电量预测方法 |
CN116629644B (zh) * | 2023-07-26 | 2023-10-31 | 国家电投集团综合智慧能源科技有限公司 | 一种基于ai模型训练的光伏电站灰尘损失电量预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113780776B (zh) | 基于需求侧的电力系统碳运行调度方法、装置及设备 | |
CN115953148A (zh) | 光伏组件积灰损失计算和清洗时间估算方法及相关装置 | |
CN110135064A (zh) | 一种发电机后轴承温度故障预测方法、系统及控制器 | |
CN111738519A (zh) | 一种配电网规划方法、系统及设备 | |
CN116303391A (zh) | 一种智能电表远传电能时间序列数据的处理方法 | |
CN112487609A (zh) | 一种光伏组件清洗时刻确定方法及装置 | |
CN112508279A (zh) | 基于空间相关性的区域分布式光伏预测方法及系统 | |
CN111090926A (zh) | 光伏功率曲线建模方法、装置、计算机设备及存储介质 | |
CN112016260B (zh) | 基于光伏组件i-v曲线的热斑电池片温度估算方法、装置及存储介质 | |
CN113078677A (zh) | 一种考虑可再生能源不确定性的能源消耗量风险排除方法 | |
CN112884200B (zh) | 光伏电站组件清洗运维时间预测方法及装置 | |
CN114021838A (zh) | 一种光伏发电站灰尘覆盖度预测方法 | |
CN114492946A (zh) | 基于lstm对园区电器能耗精细化管理的方法、装置及设备 | |
CN106845823B (zh) | 一种防覆冰舞动技改项目效益评价方法和系统 | |
CN112288285B (zh) | 一种基于广义极值分布的光伏发电站组串衰减率评估方法 | |
CN111563235B (zh) | 一种智能配用电系统运行场景辨识与生成方法 | |
CN114070198B (zh) | 分布式光伏发电系统的故障诊断方法、装置和电子设备 | |
CN117937478B (zh) | 光伏功率预测方法、装置、计算机设备及存储介质 | |
CN116129617A (zh) | 一种基于时序数据画像的低效发电预警方法及系统 | |
CN113642937B (zh) | 风机集群的运维排程方法、装置、电子设备及存储介质 | |
Shen et al. | Degradation modelling and maintenance optimisation of PV panels affected by dust accumulation | |
Lu et al. | A novel hybrid data-driven PV output prediction method based on error correction | |
Li et al. | Two-stage Optimal Sizing of Hybrid Energy Storage System for Wind Energy Integration in Microgrid | |
Huang et al. | Elman neural network considering dynamic time delay estimation for short-term forecasting of offshore wind power | |
CN116245249A (zh) | 一种基于深度学习的电网在线时空预测方法 |
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 |