CN116070335B - 一体化光伏建筑设计方法 - Google Patents
一体化光伏建筑设计方法 Download PDFInfo
- Publication number
- CN116070335B CN116070335B CN202310346359.3A CN202310346359A CN116070335B CN 116070335 B CN116070335 B CN 116070335B CN 202310346359 A CN202310346359 A CN 202310346359A CN 116070335 B CN116070335 B CN 116070335B
- Authority
- CN
- China
- Prior art keywords
- building
- grid
- photovoltaic
- sunlight
- effective
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Biomedical Technology (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Architecture (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一体化光伏建筑设计方法,涉及光伏建筑一体化技术领域,解决了现有技术没有考虑光伏组件的布置和更换成本,导致光伏建筑的设计成本增加的技术问题;本发明模拟计算各网格的有效日照量,联合光伏建筑所处区域的气候数据和电量预测模型预测发电量;在组件成本的基础上计算发电收益率,根据发电收益率判断网格处设置光伏组件是否合适;本发明以收益为基础确定是否设置光伏成本,能够降低光伏组件的布置成本;本发明判断光伏建筑外表面各网格是否合格之后,将合格且相邻的网格联合起来生成组件设置区域,再根据外部规则轮廓判进一步扩展组件设置区域;本发明能够保证组件设置区域的规则性,降低光伏组件的设计和安装成本。
Description
技术领域
本发明属于光伏建筑一体化领域,涉及光伏建筑的光伏组件设计布置技术,具体是一体化光伏建筑设计方法。
背景技术
光伏建筑一体化是通过安装在建筑外表面的光伏组件来获取电力资源的一种技术,该技术不仅能够满足建筑美学、建筑采光以及安全性能要求,而且能够避免光伏组件占用土地资源。因此,光伏建筑一体化的技术要求非常有必要。
目前光伏建筑的外表面一般都是定性设置,在建筑外表面能够接收到太阳光的地方均设置光伏组件,以便对太阳光进行充分利用。公开号CN106845027A的发明专利公开了一种光伏建筑一体化布置设计方法,对光伏建筑进行日照数值模拟分析,比较建筑外表面不同部位的有效日照量,优化选择光伏组件的位置和尺寸,提高太阳能的利用率。现有技术通过粗略计算建筑外表面各网格的有效日照量来布置光伏组件,虽然对太阳能进行了尽可能地利用,但是没有综合考虑光伏组件的布置和更换成本,导致光伏建筑的设计成本增加;因此,亟须一种一体化光伏建筑设计方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出了一体化光伏建筑设计方法,用于解决现有技术在进行光伏建筑设计时,没有考虑光伏组件的布置和更换成本,导致光伏建筑的设计成本增加的技术问题。
为实现上述目的,本发明的第一方面提供了一体化光伏建筑设计方法,包括:
获取设计规划数据,结合模拟软件建立光伏建筑以及周边建筑的建筑模型,按照设计规划数据将建筑模型中的光伏建筑划分为若干网格;其中,设计规划信息包括光伏建筑以及周边建筑的建筑规划参数;模拟计算光伏建筑的日照强度,结合日照折减系数计算各网格的有效日照量;获取光伏建筑所处区域的气候数据,结合有效日照量生成电量预测序列,结合电量预测模型预测发电量;其中,电量预测模型基于人工智能模型构建,有效日照量包括日有效日照量、月有效日照量或者年有效日照量;获取光伏组件的组件成本,结合预测的发电量计算网格的发电收益率;结合发电收益率判断网格是否符合条件;是,联合相邻符合条件的网格确定组件设置区域;否,则分析是否将该网格纳入到最近的组件设置区域中。
优选的,所述获取设计规划数据,结合模拟软件建立光伏建筑以及周边建筑的建筑模型,包括:提取设计规划数据中的建筑规划参数;其中,建筑规划参数包括建筑规模、建筑外形、建筑朝向或者建筑间距;在建筑规划参数的基础上,结合模拟软件建立光伏建筑以及周边建筑的建筑模型;其中,模拟软件具体为Autodesk Ecotect Analysis。
设计规划数据不仅包括光伏建筑本身,而且包括了光伏建筑周边的其他建筑。这里的周边建筑包括已经建成的建筑和规划了但还未建成的建筑。在构建建筑模型时,需要考虑光伏建筑以及周边建筑的形状、朝向、间距等,尽可能保证构建的建筑模型符合实际情况,这样才能够确保后续光伏组件的配置能够符合规划要求。Autodesk Ecotect Analysis软件模拟计算光伏建筑中各网格的日有效日照量,当然也可以获取月有效日照量以及年有效日照量。
优选的,所述按照设计规划数据将建筑模型中的光伏建筑划分为若干网格,包括:获取光伏建筑外表面参考点对应的最大日有效日照量,标记为DRL;通过公式WBC=√[α×(BFD/DRL)]获取计算获取网格边长WBC;其中,BFD为根据经验设定的标准发电度数;α为比例系数,与光伏组件的发电效率有关;基于网格边长确定正方形区域作为网格,将光伏建筑外边面能够接收太阳光的位置均划分为若干网格。
将光伏建筑外表面划分为若干网格的理论基础是网格要尽可能小,但还要考虑光伏组件的实际安装。本发明从光伏建筑中某点的最大日有效日照量以及预先设定的发电量,在考虑发电效率的情况下,根据预先设定的发电量和最大日有效日照量可以计算出需要的发电区域,将该发电区域看作一个正方形区域即可确定网格。当然,也可以根据最大月有效日照量或者最大年有效日照量来获取网格大小,计算过程中预先设定的发电量也不相同。需要说明的是,划分网格用到的最大日有效日照量直接用模拟获取的光伏建筑对应的最大日有效日照量即可,可以不考虑其他如照射角度、朝向等因素。
确定网格大小之后,将光伏建筑外边能够接收到太阳光的位置均划分为若干网格。这里面所指能够接收到太阳光的位置,包括太阳光直接照射的位置和间接照射的位置;间接照射的位置如光伏建筑非向阳面可以接收到周边建筑反射的太阳光,本发明对这一部分太阳光也会进行充分利用。
优选的,所述模拟计算光伏建筑的日照强度,结合日照折减系数计算各网格的有效日照量,包括:确定模拟时间间隔,基于模拟时间间隔模拟获取光伏建筑的日照强度,以及对应时间点各网格的日照折减系数;其中,日照折减系数用于将光伏建筑的日照强度转化为各网格对应的日照强度;根据光伏建筑的日照强度和各网格的日照折减系数计算各网格对应的有效日照强度;联合各时间点的有效日照强度计算对应网格的有效日照量。
模拟时间间隔用来确定间隔多久进行一次模拟,每次模拟太阳角度的都会发生变化。将光伏建筑作为一个整体,获取光伏建筑在模拟时刻对应的日照强度;而日照折减系数可以是指光伏建筑中各网格实际的日照强度与光伏建筑日照强度的之间的比值,主要是通过日照折减系数转换获取各网格的日照强度,根据经验数据可以获取。可以理解的是,光伏建筑的日常强度也可以用光伏建筑中的某参考点的日照强度来代替,则日照折减系数用于各网格与该参考点之间的日照强度转换。
优选的,所述联合各时间点的有效日照强度计算对应网格的有效日照量,包括:以时间点为自变量,以对应的有效日照强度为因变量,建立日照强度曲线,并标记为F(t);其中,t为时间点;通过公式YRL=∫F(t)计算网格的日有效日照量YRL;其中,∫为积分符号,其积分范围为时间点t对应的范围。
根据模拟时间间隔将每天划分为多个时间点,每个时间点各网格均对应一个有效日照强度。本发明将网格每天的有效日照强度汇总作为日有效日照量,根据网格的日有效日照量计算出每天的发电量。可以理解的是,将天作为自变量,将网格每天的有效日照强度作为因变量,同样利用积分方式可以计算出该网格的月有效日照量以及年有效日照量。
优选的,所述获取光伏建筑所处区域的气候数据,结合有效日照量生成电量预测序列,结合电量预测模型预测发电量,包括:根据有效日照量的时间跨度整合提取光伏建筑所处区域的气候数据,将整合之后的气候数据与其时间跨度一致的有效日照量拼接成电量预测序列;提取电量预测模型,将电量预测序列输入至电量预测模型中获取预测发电量;其中,电量预测模型通过标准训练数据训练人工智能模型获取。
有效日照量包括日有效日照量、月有效日照量和年有效日照量;参考前述内容,月有效日照量和年有效日照量均可通过日有效日照量来获取。日有效日照量、月有效日照量和年有效日照量对应的时间跨度分别为日、月、年,根据时间跨度整合提取气候数据也就是按照日、月或者年来提取气候数据,这里的气候数据是指影响光伏组件发电效率的因素,如温度、湿度等。
将时间跨度一致的气候数据和有效日照量整合成电量预测序列,即可通过电量预测模型获取对应时间跨度的预测发电量。电量预测模型是在BP神经网络模型或者RBF神经网络模型的基础上构建获取的,标准训练数据包括与电量预测序列内容属性一致的标准输入数据,以及与预测发电量内容属性一致的标准输出数据。在通过电量预测模型获取预测发电量时,需要保证标准输入数据与电量预测序列的时间跨度一致。
优选的,所述获取光伏组件的组件成本,结合预测的发电量计算网格的发电收益率,包括:获取光伏组件的组件成本;其中,组件成本根据组件面积和使用寿命确定;计算网格预测发电量的价值作为收益,将收益与该网格的组件成本的比值作为发电收益率;其中,预测发电量的价值按照市场电价进行评估。
发电收益率用于表示在网格设置光伏组件是否能够产生价值,发电量价值大于组件成本即可认为能够产生价值,不过在实际分析中需要判断能够产生多大价值,也就是将发电收益率与预设值进行比较判断是否能够达到要求。
优选的,所述分析是否将该网格纳入到最近的组件设置区域中,包括:当发电收益率小于发电收益阈值,且大于1时,则将该网格标记为目标网格;其中,发电收益阈值根据经验设定;获取与目标网格最近的组件设置区域,获取组件设置区域的外部规则轮廓;当目标网格在外部规则轮廓内部时,则将目标网格纳入到该组件设置区域中;其中,外部规则轮廓包括矩形或者正方形。
比较发电收益率与发电收益阈值来选定符合条件的网格,然后将符合条件且相邻的网格联合起来生成更大的组件设置区域,则可以根据组件设置区域来配置光伏组件。但是,为了更好地安装光伏组件,需要考虑目标网格是否处于相邻组件设置区域的外部规则轮廓内,这样获取的组件设置区域更加有利于光伏组件的设置。
与现有技术相比,本发明的有益效果是:
1.本发明模拟计算各网格的有效日照量,联合光伏建筑所处区域的气候数据和电量预测模型预测发电量;在组件成本的基础上计算发电收益率,根据发电收益率判断网格处设置光伏组件是否合适;本发明以收益为基础确定是否设置光伏成本,能够降低光伏组件的布置成本。
2.本发明判断光伏建筑外表面各网格是否合格之后,将合格且相邻的网格联合起来生成组件设置区域,再根据组件设置区域的外部规则轮廓判断是否将发电收益率大于1小于发电收益阈值的网格纳入进去;本发明能够保证组件设置区域的规则性,降低光伏组件的设计和安装成本。
附图说明
为了更清楚地说明本发明实施例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简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明的方法步骤示意图;
图2为本发明的有效日照量获取示意图;
图3为本发明的组件设置区域生成示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,本发明第一方面实施例提供了一体化光伏建筑设计方法,一体化光伏建筑设计的最大难点是确定在光伏建筑外表面的那一部分区域设置光伏组件,本发明主要从有效日照量以及发电收益率两个方面来确定组件设置区域。本发明的总体思路是根据设计规划数据建立光伏建筑以及周边建筑的模型,然后在考虑各方面因素的情况下模拟光伏建筑受到的太阳光,计算光伏建筑各网格的有效日照量。
本实施例的第一步是构建建筑模型:获取与光伏建筑有关的设计规划信息,如光伏建筑的建造位置、气候数据及其周边建筑信息。在Autodesk Ecotect Analysis模拟软件的加持下模拟出光伏建筑建造完成之后的实际状态,这样才能保证接下来日照量模拟计算的准确性。关于建筑模型的构建可参考公开号为CN106845027A的发明专利,该发明专利公开了一种光伏建筑一体化布置设计方法,其中涉及到建筑模型的构建流程。
本实施例的第二步是将光伏建筑的外表面划分为若干网格:网格的大小会影响光伏组件的设置以及模拟分析。网格过大会导致日照强度、有效日照量等数据模拟分析不准确,网格较小则会对光伏组件的尺寸和安全提高要求。
在光伏建筑外表面选择一个参考点,该参考点的选取标准是每天接收的太阳光时长相对较长(相对外表面其他位置)以及与太阳光线角度尽可能相对接近90°,以坐北朝南的设计的光伏建筑为例,其南侧面上边的中心可作为参考点。先模拟获取该参考点的日有效日照量,日有效日照量结合一定面积的光伏组件即可进行发电,假设标准发电度数为0.1,日有效日照量为1,α为0.1,则可以计算出网格边长为0.1。主要注意的是,本实施中的参考点并不是一个点,而是一个面积很小的区域,而且计算网格边长需要假设该参考点周围点(也是面积很小的区域)的日有效日照量相差较小。可以理解的是,网格边长计算公式中α/DRL可以作为单位面积的最大发电量,因此在另外一些优选的实施例中可以根据经验直接获取单位面积的最大发电量。
本实施例的第三步是模拟计算光伏建筑的日照强度,结合日照折减系数计算各网格的有效日照量。在第二步中确定各网格的网格边长之后,将光伏建筑外边面划分为若干网格,划分网格暂时不需要考虑是否能够接收到太阳光。通过模拟软件模拟光伏建筑在周边建筑的影响下各网格日照强度,本实施例设置了模拟时间间隔,根据模拟时间间隔获取光伏建筑在一天中对应的若干日照强度,与日照折减系数相乘得到有效日照强度。
模拟时间间隔灵活设置,如设置为10分钟,则每隔10分钟会提取网格对应的日照强度,结合日照折减系数也就计算出了对应时间点的有效日照轻度。太阳光照射到网格节点并不是所有太阳能都会被吸收利用,受到角度等影响会有一定折减。因此通过日照折减系数来进行转换,日照折减系数也可以参考公开号为CN106845027A的发明专利,该发明专利公开了一种光伏建筑一体化布置设计方法,其中涉及到日照折减系数的定义。
请参阅图2,这样结合模拟时间间隔就获取了各网格在一天的模拟过程中对应的若干有效日照强度,接下来根据若干有效日照强度计算网格的有效日照量。根据模拟时间间隔可以确定模拟时刻,如[t1,t2,…,tn],各模拟时刻对应的有效日常强度为[YRQ1,YRQ2,…,YRQn],n根据模拟时间间隔确定。
以[t1,t2,…,tn]为自变量,以[YRQ1,YRQ2,…,YRQn]为因变量则可以模拟获取日照强度曲线,将日照强度曲线F(t)在[t1,t2,…,tn]范围内积分可以获取日有效日照量,理论上根据日有效日照量以及网格的大小能够预测出每天的发电量。可以理解的是,当日照强度曲线的自变量从一天延长至一个月甚至一年时,则可以对应获取月有效日照量或者年有效日照量。
本实施例的第四步是获取光伏建筑所处区域的气候数据,结合有效日照量生成电量预测序列,结合电量预测模型预测发电量。光伏组件在工作过程中容易受到工作环境影响,因此可以利用光伏建筑所在区域的历史气象数据来作为参考,与有效日照量结合生成发电预测序列。
本实施例以月有效日照量为例,假设网格的日有效日照量为YRL,光伏组件可工作时段的平均温度和湿度分别为[TPW,TPS],则发电预测序列为[PW,TPS,YRL],结合电量预测模型计算出该发电预测序列对应的全天发电量。当以年有效日照量为例时,则气候数据以全年为时间跨度。获取各网格的预测发电量时为了判断在该网格设置光伏组件是否能够带来收益。
请参阅图3,本实施例第五步是获取光伏组件的组件成本,结合预测的发电量计算网格的发电收益率;结合发电收益率判断网格是否符合条件;是,联合相邻符合条件的网格确定组件设置区域;否,则分析是否将该网格纳入到最近的组件设置区域中。
光伏组件的组件成本可以理解为在某网格设置光伏组件设计的固件成本、安装费用以及维护费用等。假设光伏组件的使用寿命为5年,则根据预测发电量可以计算5年中光伏组件带来的发电价值,也就是收益。收益与组件成本的比值作为发电收益率;发电收益率小于等于1说明该网格没有安装光伏组件的必要,大于等于发电收益阈值则判定该网格是符合条件的,也就是适合安装光伏组件的,而发电收益率大于1且小于发电收益阈值的网格则需要进一步分析。需要注意的是,这里符合条件的网格不仅包括能够直接接收太阳能的网格,还包括间接接收太阳能的网格,如通过周围建筑反射的太阳光。
当网格符合条件时,则识别其相邻网格是否符合条件,若存在则将两个网格合并,继续判断相邻网格是否符合条件,这样会获取组件设置区域,可以根据组件设置区域来确定光伏组件的尺寸和安装方式。如图3,白色为符合条件的网格,灰色为不符合条件的网格,黑色为待确定的网格;白色网格与相邻的白色网格整合生成组件设置区域,组件设置区域的外部规则轮廓(粗实线)形成的矩形区域将黑色网格纳入进去了,因此将黑色网格也纳入到组件设置区域。
上述公式中的部分数据均是去除量纲取其数值计算,公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式;公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (7)
1.一体化光伏建筑设计方法,其特征在于,包括:
获取设计规划数据,结合模拟软件建立光伏建筑以及周边建筑的建筑模型,按照设计规划数据将建筑模型中的光伏建筑划分为若干网格;其中,设计规划信息包括光伏建筑以及周边建筑的建筑规划参数;
模拟计算光伏建筑的日照强度,结合日照折减系数计算各网格的有效日照量;获取光伏建筑所处区域的气候数据,结合有效日照量生成电量预测序列,结合电量预测模型预测发电量;其中,电量预测模型基于人工智能模型构建,有效日照量包括日有效日照量、月有效日照量或者年有效日照量;
获取光伏组件的组件成本,结合预测的发电量计算网格的发电收益率;结合发电收益率判断网格是否符合条件;是,联合相邻符合条件的网格确定组件设置区域;否,则分析是否将该网格纳入到最近的组件设置区域中;
所述按照设计规划数据将建筑模型中的光伏建筑划分为若干网格,包括:
获取光伏建筑外表面参考点对应的最大日有效日照量,标记为DRL;通过公式WBC=√[α×(BFD/DRL)]获取计算获取网格边长WBC;其中,BFD为根据经验设定的标准发电度数;α为比例系数,与光伏组件的发电效率有关;
基于网格边长确定正方形区域作为网格,将光伏建筑外边面能够接收太阳光的位置均划分为若干网格。
2.根据权利要求1所述的一体化光伏建筑设计方法,其特征在于,所述获取设计规划数据,结合模拟软件建立光伏建筑以及周边建筑的建筑模型,包括:
提取设计规划数据中的建筑规划参数;其中,建筑规划参数包括建筑规模、建筑外形、建筑朝向或者建筑间距;
在建筑规划参数的基础上,结合模拟软件建立光伏建筑以及周边建筑的建筑模型;其中,模拟软件具体为Autodesk Ecotect Analysis。
3.根据权利要求1所述的一体化光伏建筑设计方法,其特征在于,所述模拟计算光伏建筑的日照强度,结合日照折减系数计算各网格的有效日照量,包括:
确定模拟时间间隔,基于模拟时间间隔模拟获取光伏建筑的日照强度,以及对应时间点各网格的日照折减系数;其中,日照折减系数用于将光伏建筑的日照强度转化为各网格对应的日照强度;
根据光伏建筑的日照强度和各网格的日照折减系数计算各网格对应的有效日照强度;联合各时间点的有效日照强度计算对应网格的有效日照量。
4.根据权利要求3所述的一体化光伏建筑设计方法,其特征在于,所述联合各时间点的有效日照强度计算对应网格的有效日照量,包括:
以时间点为自变量,以对应的有效日照强度为因变量,建立日照强度曲线,并标记为F(t);其中,t为时间点;
通过公式YRL=∫F(t)计算网格的日有效日照量YRL;其中,∫为积分符号,其积分范围为时间点t对应的范围。
5.根据权利要求1所述的一体化光伏建筑设计方法,其特征在于,所述获取光伏建筑所处区域的气候数据,结合有效日照量生成电量预测序列,结合电量预测模型预测发电量,包括:
根据有效日照量的时间跨度整合提取光伏建筑所处区域的气候数据,将整合之后的气候数据与其时间跨度一致的有效日照量拼接成电量预测序列;
提取电量预测模型,将电量预测序列输入至电量预测模型中获取预测发电量;其中,电量预测模型通过标准训练数据训练人工智能模型获取。
6.根据权利要求1所述的一体化光伏建筑设计方法,其特征在于,所述获取光伏组件的组件成本,结合预测的发电量计算网格的发电收益率,包括:
获取光伏组件的组件成本;其中,组件成本根据组件面积和使用寿命确定;
计算网格预测发电量的价值作为收益,将收益与该网格的组件成本的比值作为发电收益率;其中,预测发电量的价值按照市场电价进行评估。
7.根据权利要求1所述的一体化光伏建筑设计方法,其特征在于,所述分析是否将该网格纳入到最近的组件设置区域中,包括:
当发电收益率小于发电收益阈值,且大于1时,则将该网格标记为目标网格;其中,发电收益阈值根据经验设定;
获取与目标网格最近的组件设置区域,获取组件设置区域的外部规则轮廓;当目标网格在外部规则轮廓内部时,则将目标网格纳入到该组件设置区域中;其中,外部规则轮廓包括矩形或者正方形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310346359.3A CN116070335B (zh) | 2023-04-03 | 2023-04-03 | 一体化光伏建筑设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310346359.3A CN116070335B (zh) | 2023-04-03 | 2023-04-03 | 一体化光伏建筑设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116070335A CN116070335A (zh) | 2023-05-05 |
CN116070335B true CN116070335B (zh) | 2023-06-06 |
Family
ID=86183991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310346359.3A Active CN116070335B (zh) | 2023-04-03 | 2023-04-03 | 一体化光伏建筑设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116070335B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440526A (zh) * | 2013-07-05 | 2013-12-11 | 北京建筑大学 | 一种基于建筑信息模型的发电预测方法和装置 |
CN104778316A (zh) * | 2015-04-01 | 2015-07-15 | 浙江理工大学 | 一种基于建筑信息模型的光伏发电设备辐射分析方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9286646B1 (en) * | 2013-07-05 | 2016-03-15 | Clean Power Research, L.L.C. | Method for managing centralized power generation with the aid of a digital computer |
CN103984991B (zh) * | 2014-05-12 | 2017-03-29 | 武汉东日科技有限公司 | 一种基于微气象数据的分布式太阳能辐射预测方法及系统 |
CN106845027B (zh) * | 2017-03-10 | 2018-05-04 | 陈文杰 | 一种光伏建筑一体化布置设计方法 |
CN108197371B (zh) * | 2017-12-28 | 2024-09-06 | 中南大学 | 基于建筑信息模型的屋顶式光伏优化连线方法 |
CN108462460B (zh) * | 2018-01-29 | 2020-04-07 | 河南理工大学 | 一种光伏发电装置及供电系统 |
CN111738526B (zh) * | 2020-07-01 | 2022-08-23 | 中广核新能源投资(深圳)有限公司 | 一种以系统收益最优为目标的光伏系统优化设计方法 |
JP7410897B2 (ja) * | 2021-02-08 | 2024-01-10 | 株式会社日立製作所 | 発電量管理システム及び発電量管理方法 |
CN113224756B (zh) * | 2021-05-11 | 2023-04-18 | 湖南中大设计院有限公司 | 一种应用于光伏建筑一体化最佳装机容量测算的方法 |
CN114896664B (zh) * | 2022-05-12 | 2023-07-11 | 浙江大学 | 园区建筑光伏一体化围护结构优化方法及系统 |
-
2023
- 2023-04-03 CN CN202310346359.3A patent/CN116070335B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440526A (zh) * | 2013-07-05 | 2013-12-11 | 北京建筑大学 | 一种基于建筑信息模型的发电预测方法和装置 |
CN104778316A (zh) * | 2015-04-01 | 2015-07-15 | 浙江理工大学 | 一种基于建筑信息模型的光伏发电设备辐射分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116070335A (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103440526B (zh) | 一种基于建筑信息模型的发电预测方法和装置 | |
Shi et al. | A parametric method using vernacular urban block typologies for investigating interactions between solar energy use and urban design | |
Belmili et al. | Sizing stand-alone photovoltaic–wind hybrid system: Techno-economic analysis and optimization | |
Rodrigues et al. | Future weather generator for building performance research: An open-source morphing tool and an application | |
US10352973B2 (en) | Method of computer-assisted determination of the usage of electrical energy produced by a power generation plant, particularly a renewable power generation plant | |
CN113496311A (zh) | 光伏电站发电功率预测方法及系统 | |
Li et al. | Improving the energy production of roof-top solar PV systems through roof design | |
CN110309972A (zh) | 一种基于室内人员行为的可再生能源系统及其负荷预测方法 | |
KR102488667B1 (ko) | 머신러닝을 이용한 태양광 발전 예측 시스템 | |
Bushra | A comprehensive analysis of parametric design approaches for solar integration with buildings: A literature review | |
KR20200040448A (ko) | 태양광 에너지 발전량 예측 시뮬레이션 장치 및 방법 | |
KR102497736B1 (ko) | 스마트-팜용 에너지 발전 시스템 및 그 시스템의 구축 방법 | |
CN110598335B (zh) | 一种超短期光伏功率预测的辐照修正方法 | |
KR20230150484A (ko) | 에너지 관리 시스템이 반영된 친환경 건물 설계 방법 | |
Cabezon et al. | Comparison of methods for power curve modelling | |
KR102488668B1 (ko) | 머신러닝을 이용한 태양광 발전 예측 시스템 및 방법 | |
US20200044598A1 (en) | Hybrid electric power system power curve and productivity | |
CN116070335B (zh) | 一体化光伏建筑设计方法 | |
Li et al. | Research on the generation method of missing hourly solar radiation data based on multiple neural network algorithm | |
CN111539055B (zh) | 一种多感知智能光伏屋顶及其设计方法、设计系统 | |
CN117411407A (zh) | 一种光伏板角度测量系统及方法 | |
CN117526270A (zh) | 多元负荷特性分析预测方法、装置及电子设备、存储介质 | |
Belloni et al. | A street lighting based on solar energy: optimization of a neural network for the productivity evaluation in different climate conditions | |
KR20230103984A (ko) | 구름 기상 데이터 기반의 알고리즘이 적용된 태양광 발전 예측 장치 및 그 방법 | |
CN115912334A (zh) | 风电场出力保证率的预测模型创建方法及预测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |