CN116128167B - 一种基于云计算实时监测的分布式光伏发电分析方法 - Google Patents

一种基于云计算实时监测的分布式光伏发电分析方法 Download PDF

Info

Publication number
CN116128167B
CN116128167B CN202310404814.0A CN202310404814A CN116128167B CN 116128167 B CN116128167 B CN 116128167B CN 202310404814 A CN202310404814 A CN 202310404814A CN 116128167 B CN116128167 B CN 116128167B
Authority
CN
China
Prior art keywords
photovoltaic power
target area
power station
historical
year
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
Application number
CN202310404814.0A
Other languages
English (en)
Other versions
CN116128167A (zh
Inventor
李宁宁
安丹丹
李兴
柏林君
刘洁
董凯超
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.)
Jiangsu Tunan Digital Technology Co ltd
Original Assignee
Jiangsu Tunan Digital 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 Jiangsu Tunan Digital Technology Co ltd filed Critical Jiangsu Tunan Digital Technology Co ltd
Priority to CN202310404814.0A priority Critical patent/CN116128167B/zh
Publication of CN116128167A publication Critical patent/CN116128167A/zh
Application granted granted Critical
Publication of CN116128167B publication Critical patent/CN116128167B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及分布式光伏发电分析领域，具体公开一种基于云计算实时监测的分布式光伏发电分析方法，本发明通过获取历史周期内各历史年份目标区域内各光伏发电站的期望收益和实际收益，分析目标区域内各光伏发电站运行的经济效益评价指数和目标区域光伏发电总体经济效益评价指数，对光伏发电站的运行状况和性能进行可靠性评估；获取目标区域内各光伏发电站的收入趋势预测函数和支出趋势预测函数，分析目标区域内各光伏发电站的净收益趋势预测函数，进一步获取目标区域内各光伏发电站的剩余盈利周期，评估光伏发电站的投资回报率和经济可行性，为投资者提供重要参考信息，进而及时调整投资战略和经营策略。

Description

一种基于云计算实时监测的分布式光伏发电分析方法
技术领域
本发明涉及分布式光伏发电分析领域，涉及到一种基于云计算实时监测的分布式光伏发电分析方法。
背景技术
光伏发电是通过将太阳光转化为电，再将电供给用户使用的一种有效利用太阳能的方式。在光电转换过程中，需要配置相应的设备和装置，这就涉及到投入、产出、经济上的投资回报以及社会效益等问题。随着光伏产业规模的不断发展、扩大，这些问题需要得到合理的解决以确保光伏产业良好的经济性和可持续发展。
因此，对光伏发电进行分析，特别是光伏发电收益方面的分析，十分重要，光伏发电站的效益分析是评估投资回报率和经济可行性的重要工具，有利于企业或机构及时调整投资战略和经营策略，以确保光伏发电站的盈利能力和长期稳定运营。
对光伏发电的效益分析一般从两个点切入，一是对光伏发电站历史收益情况进行分析，并与期望收益进行比对，进而评估光伏发电站的运行状况和性能，二是对光伏发电站未来收益进行预测，分析光伏发电何时出现亏损，进而为企业或机构的决策提供重要参考信息，及时调整投资战略和经营策略。
现有的光伏发电分析方法存在一些不足：一方面，现有方法在对光伏发电历史收益进行分析时，通常将历史周期的平均收益或者历史周期内各数据采集时间点对应的收益与设定的某个收益基准值进行点与点式比对，进而评估光伏发电的运行状况和性能，没有考虑历史周期内各数据采集时间点对应收益之间的关联性和动态变化，进而分析光伏发电的收益趋势和与理想收益趋势之间的线性吻合度，从而使得现有分析方法评估结果的准确性不高。
另一方面，现有方法在对光伏发电未来收益进行预测时，往往通过选取的几个时间点对应的收益进而预测收益趋势，该方式过于简单化，不够灵活，没有对光伏发电的收入和支出分别进行预测分析进而评估收益，随着时间的增长，光伏发电的发电效率和转化效率均会有一定程度的下降，进而影响光伏发电的收入，同时，随着时间的增长，设备不可避免地出现老化损坏，维修需求和维修成本逐年上升，进而影响光伏发电的支出，从而使得现有方法对于光伏发电亏损节点和盈利能力的分析误差较大，可靠性不高。
发明内容
针对上述问题，本发明提出了一种基于云计算实时监测的分布式光伏发电分析方法，具体技术方案如下：一种基于云计算实时监测的分布式光伏发电分析方法，包括如下步骤：步骤一、光伏发电站历史运营信息获取：获取历史周期内各历史年份目标区域内各光伏发电站的历史运营信息，其中历史运营信息包括发电总量、自用电量、电费单价、固定成本和维护成本。
步骤二、光伏发电站历史运营信息分析：根据历史周期内各历史年份目标区域内各光伏发电站的历史运营信息，分析历史周期内各历史年份目标区域内各光伏发电站的实际收益。
步骤三、光伏发电站运行经济效益评估：获取历史周期内各历史年份目标区域内各光伏发电站的期望收益，根据历史周期内各历史年份目标区域内各光伏发电站的期望收益和实际收益，分析目标区域内各光伏发电站运行的经济效益评价指数和目标区域光伏发电总体经济效益评价指数，并将结果反馈至目标区域光伏发电的投资管理方。
步骤四、光伏发电站运营趋势预测：根据历史周期内各历史年份目标区域内各光伏发电站的历史运营信息，获取目标区域内各光伏发电站的收入趋势预测函数和支出趋势预测函数，进一步分析目标区域内各光伏发电站的净收益趋势预测函数。
步骤五、光伏发电站剩余盈利周期评估：根据目标区域内各光伏发电站的净收益趋势预测函数，获取目标区域内各光伏发电站的剩余盈利周期，并进行相应处理。
在上述实施例的基础上，所述步骤一的具体分析过程为：
Figure SMS_1
:提取数据库中存储的历史周期内各历史年份目标区域内各光伏发电站的发电总量，将其记为/>
Figure SMS_5
，/>
Figure SMS_7
表示第/>
Figure SMS_2
个历史年份的编号，/>
Figure SMS_4
，/>
Figure SMS_6
表示第/>
Figure SMS_8
个光伏发电站的编号，/>
Figure SMS_3
。
Figure SMS_9
:提取数据库中存储的历史周期内各历史年份目标区域内各光伏发电站的自用率，将其记为/>
Figure SMS_10
，通过分析公式/>
Figure SMS_11
得到历史周期内各历史年份目标区域内各光伏发电站的自用电量/>
Figure SMS_12
，其中/>
Figure SMS_13
表示预设的光伏发电站自用电量的修正量。
Figure SMS_14
:提取数据库中存储的历史周期内各历史年份目标区域的用电低谷段平均电费单价、用电平段平均电费单价和用电高峰段平均电费单价，将其分别记为/>
Figure SMS_15
，通过分析公式/>
Figure SMS_16
得到历史周期内各历史年份目标区域内的电费单价/>
Figure SMS_17
，其中/>
Figure SMS_18
分别表示预设的用电低谷段平均电费单价、用电平段平均电费单价和用电高峰段平均电费单价的权值，/>
Figure SMS_19
，进一步得到历史周期内各历史年份目标区域内各光伏发电站的电费单价，并表示为/>
Figure SMS_20
。
Figure SMS_21
：提取数据库中存储的目标区域内各光伏发电站的固定投入总成本和期望生命周期，将其分别记为/>
Figure SMS_22
和/>
Figure SMS_23
，通过分析公式/>
Figure SMS_24
得到目标区域内各光伏发电站的年度固定投入成本/>
Figure SMS_25
，其中/>
Figure SMS_26
表示预设的年度固定投入成本修正因子，进一步得到历史周期内各历史年份目标区域内各光伏发电站的固定成本，并表示为/>
Figure SMS_27
。
Figure SMS_28
：提取数据库中存储的历史周期内各历史年份目标区域内各光伏发电站的维护成本，将其记为/>
Figure SMS_29
。
在上述实施例的基础上，所述步骤二的具体分析过程为：将历史周期内各历史年份目标区域内各光伏发电站的发电总量
Figure SMS_32
、自用电量/>
Figure SMS_34
、电费单价/>
Figure SMS_35
、固定成本/>
Figure SMS_31
和维护成本/>
Figure SMS_33
代入公式/>
Figure SMS_36
得到历史周期内各历史年份目标区域内各光伏发电站的实际收益/>
Figure SMS_37
，其中/>
Figure SMS_30
表示预设的光伏发电站的实际收益修正因子。
在上述实施例的基础上，所述步骤三的具体分析过程包括：提取数据库中存储的目标区域内各光伏发电站的期望收益曲线，进一步获取历史周期内各历史年份目标区域内各光伏发电站的期望收益，将其记为
Figure SMS_38
。
将历史周期内各历史年份目标区域内各光伏发电站的期望收益
Figure SMS_41
和实际收益/>
Figure SMS_43
代入公式/>
Figure SMS_45
得到目标区域内各光伏发电站运行的经济效益评价指数
Figure SMS_39
，其中/>
Figure SMS_42
表示预设的光伏发电站运行的经济效益评价指数修正因子，/>
Figure SMS_44
表示自然常数，/>
Figure SMS_46
表示历史年份数量，/>
Figure SMS_40
表示预设的光伏发电站期望收益与实际收益之间偏差的阈值。
在上述实施例的基础上，所述步骤三的具体过程还包括：将历史周期内各历史年份目标区域内各光伏发电站的实际收益进行累加，得到历史周期内各历史年份目标区域光伏发电总体实际收益，将其记为
Figure SMS_47
，同理，根据历史周期内各历史年份目标区域光伏发电总体实际收益的分析方法，获取历史周期内各历史年份目标区域光伏发电总体期望收益，将其记为/>
Figure SMS_48
。
通过分析公式
Figure SMS_49
得到目标区域光伏发电总体经济效益评价指数/>
Figure SMS_50
，其中/>
Figure SMS_51
表示预设的光伏发电总体经济效益评价指数修正因子，/>
Figure SMS_52
表示历史周期内第/>
Figure SMS_53
个历史年份目标区域光伏发电总体实际收益，/>
Figure SMS_54
表示历史周期内第/>
Figure SMS_55
个历史年份目标区域光伏发电总体期望收益。
在上述实施例的基础上，所述步骤四的具体过程包括：获取历史周期内各历史年份目标区域内各光伏发电站的收入，将其记为
Figure SMS_56
。
根据历史周期内各历史年份目标区域内各光伏发电站的收入，以历史周期内各历史年份为自变量，以光伏发电站收入为因变量，绘制目标区域内各光伏发电站的收入趋势曲线图，利用数学模型分析方法，获取目标区域内各光伏发电站的收入趋势曲线图对应的函数，将其记为目标区域内各光伏发电站的收入趋势参考函数。
获取历史周期内各历史年份目标区域内各光伏发电站的系统综合效率，将其记为
Figure SMS_57
，通过分析公式/>
Figure SMS_58
得到目标区域内各光伏发电站的收入趋势影响系数/>
Figure SMS_59
，其中/>
Figure SMS_60
表示预设的收入趋势影响系数修正因子，/>
Figure SMS_61
表示历史周期内第/>
Figure SMS_62
个历史年份目标区域内第/>
Figure SMS_63
个光伏发电站的系统综合效率。
将目标区域内各光伏发电站的收入趋势参考函数乘以其光伏发电站对应的收入趋势影响系数，得到目标区域内各光伏发电站的收入趋势预测函数，并表示为
Figure SMS_64
。
在上述实施例的基础上，所述步骤四的具体过程还包括：获取历史周期内各历史年份目标区域内各光伏发电站的支出，将其记为
Figure SMS_65
。
根据历史周期内各历史年份目标区域内各光伏发电站的支出，获取目标区域内各光伏发电站的支出趋势参考函数。
获取历史周期内各历史年份目标区域内各光伏发电站的组件功率，分析得到目标区域内各光伏发电站的支出趋势影响系数。
将目标区域内各光伏发电站的支出趋势参考函数乘以其光伏发电站对应的支出趋势影响系数，得到目标区域内各光伏发电站的支出趋势预测函数，并表示为
Figure SMS_66
。
将目标区域内各光伏发电站的收入趋势预测函数
Figure SMS_67
和支出趋势预测函数
Figure SMS_68
代入公式/>
Figure SMS_69
得到目标区域内各光伏发电站的净收益趋势预测函数/>
Figure SMS_70
，其中/>
Figure SMS_71
表示预设的光伏发电站净收益校正量。
在上述实施例的基础上，所述步骤五的具体分析过程为：根据目标区域内各光伏发电站的净收益趋势预测函数，获取目标区域内各光伏发电站的净收益达到预设的净收益预警值时对应的时间点，将其记为目标区域内各光伏发电站的预警时间点，获取当前时间与目标区域内各光伏发电站预警时间点之间的时长，将其记为目标区域内各光伏发电站的剩余盈利周期，并将结果发送至目标区域光伏发电的投资管理方。
相对于现有技术，本发明所述的一种基于云计算实时监测的分布式光伏发电分析方法以下有益效果：1、本发明通过获取历史周期内各历史年份目标区域内各光伏发电站的期望收益和实际收益，分析目标区域内各光伏发电站运行的经济效益评价指数和目标区域光伏发电总体经济效益评价指数，结合数据之间的关联性和动态变化进行线性分析，提高现有分析方法的准确性，从而对光伏发电站的运行状况和性能进行可靠性评估。
2、本发明通过获取目标区域内各光伏发电站的收入趋势预测函数和支出趋势预测函数，分析目标区域内各光伏发电站的净收益趋势预测函数，获取目标区域内各光伏发电站的剩余盈利周期，结合影响因素对光伏发电的收入和支出分别分析进而预测收益，提高现有方法的可靠性，从而评估光伏发电站的投资回报率和经济可行性，为投资者提供重要参考信息，及时调整投资战略和经营策略。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为本发明的方法流程示意图。
图2为本发明的光伏发电站净收益趋势预测函数示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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作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所示，本发明提供的一种基于云计算实时监测的分布式光伏发电分析方法，包括如下步骤：步骤一、光伏发电站历史运营信息获取：获取历史周期内各历史年份目标区域内各光伏发电站的历史运营信息，其中历史运营信息包括发电总量、自用电量、电费单价、固定成本和维护成本。
作为一种优选方案，所述步骤一的具体分析过程为：
Figure SMS_73
:提取数据库中存储的历史周期内各历史年份目标区域内各光伏发电站的发电总量，将其记为/>
Figure SMS_75
，/>
Figure SMS_77
表示第/>
Figure SMS_74
个历史年份的编号，/>
Figure SMS_76
，/>
Figure SMS_78
表示第/>
Figure SMS_79
个光伏发电站的编号，/>
Figure SMS_72
。
需要说明的是，所述历史周期指光伏发电站从开始投入使用到当前之间的时间段。
需要说明的是，所述各历史年份目标区域内各光伏发电站的发电总量指各历史年份目标区域内各光伏发电站的年度发电总量。
Figure SMS_80
:提取数据库中存储的历史周期内各历史年份目标区域内各光伏发电站的自用率，将其记为/>
Figure SMS_81
，通过分析公式/>
Figure SMS_82
得到历史周期内各历史年份目标区域内各光伏发电站的自用电量/>
Figure SMS_83
，其中/>
Figure SMS_84
表示预设的光伏发电站自用电量的修正量。
Figure SMS_85
:提取数据库中存储的历史周期内各历史年份目标区域的用电低谷段平均电费单价、用电平段平均电费单价和用电高峰段平均电费单价，将其分别记为/>
Figure SMS_86
，通过分析公式/>
Figure SMS_87
得到历史周期内各历史年份目标区域内的电费单价/>
Figure SMS_88
，其中/>
Figure SMS_89
分别表示预设的用电低谷段平均电费单价、用电平段平均电费单价和用电高峰段平均电费单价的权值，/>
Figure SMS_90
，进一步得到历史周期内各历史年份目标区域内各光伏发电站的电费单价，并表示为/>
Figure SMS_91
。
需要说明的是，同一区域内光伏发电站的电费单价相同，历史周期内各历史年份目标区域内的电费单价即为历史周期内各历史年份目标区域内各光伏发电站的电费单价。
Figure SMS_92
：提取数据库中存储的目标区域内各光伏发电站的固定投入总成本和期望生命周期，将其分别记为/>
Figure SMS_93
和/>
Figure SMS_94
，通过分析公式/>
Figure SMS_95
得到目标区域内各光伏发电站的年度固定投入成本/>
Figure SMS_96
，其中/>
Figure SMS_97
表示预设的年度固定投入成本修正因子，进一步得到历史周期内各历史年份目标区域内各光伏发电站的固定成本，并表示为/>
Figure SMS_98
。
需要说明的是，所述光伏发电站的固定投入总成本包括设备采购费用、安装费用、人工费用和保险费用等。
需要说明的是，所述光伏发电站的期望生命周期指理想状态下，光伏发电站可以运行的年数。
需要说明的是，各历史年份光伏发电站的固定成本相同，目标区域内各光伏发电站的年度固定投入成本即为历史周期内各历史年份目标区域内各光伏发电站的固定成本。
Figure SMS_99
：提取数据库中存储的历史周期内各历史年份目标区域内各光伏发电站的维护成本，将其记为/>
Figure SMS_100
。
步骤二、光伏发电站历史运营信息分析：根据历史周期内各历史年份目标区域内各光伏发电站的历史运营信息，分析历史周期内各历史年份目标区域内各光伏发电站的实际收益。
作为一种优选方案，所述步骤二的具体分析过程为：将历史周期内各历史年份目标区域内各光伏发电站的发电总量
Figure SMS_102
、自用电量/>
Figure SMS_104
、电费单价/>
Figure SMS_106
、固定成本/>
Figure SMS_103
和维护成本/>
Figure SMS_105
代入公式/>
Figure SMS_107
得到历史周期内各历史年份目标区域内各光伏发电站的实际收益/>
Figure SMS_108
，其中/>
Figure SMS_101
表示预设的光伏发电站的实际收益修正因子。
需要说明的是，若光伏发电站的收益为正数，表明光伏发电站获得利润，若光伏发电站的收益为负数，表明光伏发电站产生亏损。
步骤三、光伏发电站运行经济效益评估：获取历史周期内各历史年份目标区域内各光伏发电站的期望收益，根据历史周期内各历史年份目标区域内各光伏发电站的期望收益和实际收益，分析目标区域内各光伏发电站运行的经济效益评价指数和目标区域光伏发电总体经济效益评价指数，并将结果反馈至目标区域光伏发电的投资管理方。
作为一种优选方案，所述步骤三的具体分析过程包括：提取数据库中存储的目标区域内各光伏发电站的期望收益曲线，进一步获取历史周期内各历史年份目标区域内各光伏发电站的期望收益，将其记为
Figure SMS_109
。
将历史周期内各历史年份目标区域内各光伏发电站的期望收益
Figure SMS_111
和实际收益/>
Figure SMS_113
代入公式/>
Figure SMS_115
得到目标区域内各光伏发电站运行的经济效益评价指数/>
Figure SMS_112
，其中/>
Figure SMS_114
表示预设的光伏发电站运行的经济效益评价指数修正因子，/>
Figure SMS_116
表示自然常数，/>
Figure SMS_117
表示历史年份数量，/>
Figure SMS_110
表示预设的光伏发电站期望收益与实际收益之间偏差的阈值。
作为一种优选方案，所述步骤三的具体过程还包括：将历史周期内各历史年份目标区域内各光伏发电站的实际收益进行累加，得到历史周期内各历史年份目标区域光伏发电总体实际收益，将其记为
Figure SMS_118
，同理，根据历史周期内各历史年份目标区域光伏发电总体实际收益的分析方法，获取历史周期内各历史年份目标区域光伏发电总体期望收益，将其记为/>
Figure SMS_119
。
通过分析公式
Figure SMS_120
得到目标区域光伏发电总体经济效益评价指数/>
Figure SMS_121
，其中/>
Figure SMS_122
表示预设的光伏发电总体经济效益评价指数修正因子，/>
Figure SMS_123
表示历史周期内第/>
Figure SMS_124
个历史年份目标区域光伏发电总体实际收益，/>
Figure SMS_125
表示历史周期内第/>
Figure SMS_126
个历史年份目标区域光伏发电总体期望收益。
在本实施例中，本发明通过获取历史周期内各历史年份目标区域内各光伏发电站的期望收益和实际收益，分析目标区域内各光伏发电站运行的经济效益评价指数和目标区域光伏发电总体经济效益评价指数，结合数据之间的关联性和动态变化进行线性分析，提高现有分析方法的准确性，从而对光伏发电站的运行状况和性能进行可靠性评估。
步骤四、光伏发电站运营趋势预测：根据历史周期内各历史年份目标区域内各光伏发电站的历史运营信息，获取目标区域内各光伏发电站的收入趋势预测函数和支出趋势预测函数，进一步分析目标区域内各光伏发电站的净收益趋势预测函数。
作为一种优选方案，所述步骤四的具体过程包括：获取历史周期内各历史年份目标区域内各光伏发电站的收入，将其记为
Figure SMS_127
。
需要说明的是，所述历史周期内各历史年份目标区域内各光伏发电站的收入，获取方法为：将历史周期内各历史年份目标区域内各光伏发电站的发电总量
Figure SMS_128
和电费单价
Figure SMS_129
代入公式/>
Figure SMS_130
得到历史周期内各历史年份目标区域内各光伏发电站的收入/>
Figure SMS_131
，其中/>
Figure SMS_132
表示预设的光伏发电站收入的补偿因子。
根据历史周期内各历史年份目标区域内各光伏发电站的收入，以历史周期内各历史年份为自变量，以光伏发电站收入为因变量，绘制目标区域内各光伏发电站的收入趋势曲线图，利用数学模型分析方法，获取目标区域内各光伏发电站的收入趋势曲线图对应的函数，将其记为目标区域内各光伏发电站的收入趋势参考函数。
获取历史周期内各历史年份目标区域内各光伏发电站的系统综合效率，将其记为
Figure SMS_133
，通过分析公式/>
Figure SMS_134
得到目标区域内各光伏发电站的收入趋势影响系数/>
Figure SMS_135
，其中/>
Figure SMS_136
表示预设的收入趋势影响系数修正因子，/>
Figure SMS_137
表示历史周期内第/>
Figure SMS_138
个历史年份目标区域内第/>
Figure SMS_139
个光伏发电站的系统综合效率。
将目标区域内各光伏发电站的收入趋势参考函数乘以其光伏发电站对应的收入趋势影响系数，得到目标区域内各光伏发电站的收入趋势预测函数，并表示为
Figure SMS_140
。
作为一种优选方案，所述步骤四的具体过程还包括：获取历史周期内各历史年份目标区域内各光伏发电站的支出，将其记为
Figure SMS_141
。
需要说明的是，所述历史周期内各历史年份目标区域内各光伏发电站的支出，获取方法为：将历史周期内各历史年份目标区域内各光伏发电站的自用电量
Figure SMS_142
、电费单价
Figure SMS_143
、固定成本/>
Figure SMS_144
和维护成本/>
Figure SMS_145
代入公式/>
Figure SMS_146
得到历史周期内各历史年份目标区域内各光伏发电站的支出/>
Figure SMS_147
，其中/>
Figure SMS_148
表示预设的光伏发电站支出的补偿因子。
根据历史周期内各历史年份目标区域内各光伏发电站的支出，获取目标区域内各光伏发电站的支出趋势参考函数。
需要说明的是，所述目标区域内各光伏发电站的支出趋势参考函数的获取方法与目标区域内各光伏发电站的收入趋势参考函数获取方法，原理相同。
获取历史周期内各历史年份目标区域内各光伏发电站的组件功率，分析得到目标区域内各光伏发电站的支出趋势影响系数。
需要说明的是，所述目标区域内各光伏发电站的支出趋势影响系数的分析方法与目标区域内各光伏发电站的收入趋势影响系数的分析方法，原理相同。
将目标区域内各光伏发电站的支出趋势参考函数乘以其光伏发电站对应的支出趋势影响系数，得到目标区域内各光伏发电站的支出趋势预测函数，并表示为
Figure SMS_149
。
将目标区域内各光伏发电站的收入趋势预测函数
Figure SMS_150
和支出趋势预测函数
Figure SMS_151
代入公式/>
Figure SMS_152
得到目标区域内各光伏发电站的净收益趋势预测函数/>
Figure SMS_153
，其中/>
Figure SMS_154
表示预设的光伏发电站净收益校正量。
需要说明的是，所述光伏发电站净收益校正量为设定的常数。
步骤五、光伏发电站剩余盈利周期评估：根据目标区域内各光伏发电站的净收益趋势预测函数，获取目标区域内各光伏发电站的剩余盈利周期，并进行相应处理。
参阅图2所示，所述步骤五的具体分析过程为：根据目标区域内各光伏发电站的净收益趋势预测函数，获取目标区域内各光伏发电站的净收益达到预设的净收益预警值时对应的时间点，将其记为目标区域内各光伏发电站的预警时间点，获取当前时间与目标区域内各光伏发电站预警时间点之间的时长，将其记为目标区域内各光伏发电站的剩余盈利周期，并将结果发送至目标区域光伏发电的投资管理方。
需要说明的是，若净收益达到预设的净收益预警值时，净收益趋势预测函数有两个对应的时间点，则取时间靠后的时间点。
在本实施例中，本发明通过获取目标区域内各光伏发电站的收入趋势预测函数和支出趋势预测函数，分析目标区域内各光伏发电站的净收益趋势预测函数，获取目标区域内各光伏发电站的剩余盈利周期，结合影响因素对光伏发电的收入和支出分别分析进而预测收益，提高现有方法的可靠性，从而评估光伏发电站的投资回报率和经济可行性，为投资者提供重要参考信息，及时调整投资战略和经营策略。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种基于云计算实时监测的分布式光伏发电分析方法，其特征在于，包括如下步骤：
步骤一、光伏发电站历史运营信息获取：获取历史周期内各历史年份目标区域内各光伏发电站的历史运营信息，其中历史运营信息包括发电总量、自用电量、电费单价、固定成本和维护成本；
步骤二、光伏发电站历史运营信息分析：根据历史周期内各历史年份目标区域内各光伏发电站的历史运营信息，分析历史周期内各历史年份目标区域内各光伏发电站的实际收益；
步骤三、光伏发电站运行经济效益评估：获取历史周期内各历史年份目标区域内各光伏发电站的期望收益，根据历史周期内各历史年份目标区域内各光伏发电站的期望收益和实际收益，分析目标区域内各光伏发电站运行的经济效益评价指数和目标区域光伏发电总体经济效益评价指数，并将结果反馈至目标区域光伏发电的投资管理方；
步骤四、光伏发电站运营趋势预测：根据历史周期内各历史年份目标区域内各光伏发电站的历史运营信息，获取目标区域内各光伏发电站的收入趋势预测函数和支出趋势预测函数，进一步分析目标区域内各光伏发电站的净收益趋势预测函数；
步骤五、光伏发电站剩余盈利周期评估：根据目标区域内各光伏发电站的净收益趋势预测函数，获取目标区域内各光伏发电站的剩余盈利周期，并进行相应处理。
2.根据权利要求1所述的一种基于云计算实时监测的分布式光伏发电分析方法，其特征在于：所述步骤一的具体分析过程为：
Figure QLYQS_2
:提取数据库中存储的历史周期内各历史年份目标区域内各光伏发电站的发电总量，将其记为/>
Figure QLYQS_4
，/>
Figure QLYQS_7
表示第/>
Figure QLYQS_3
个历史年份的编号，/>
Figure QLYQS_5
，/>
Figure QLYQS_6
表示第/>
Figure QLYQS_8
个光伏发电站的编号，/>
Figure QLYQS_1
；
Figure QLYQS_9
:提取数据库中存储的历史周期内各历史年份目标区域内各光伏发电站的自用率，将其记为/>
Figure QLYQS_10
，通过分析公式/>
Figure QLYQS_11
得到历史周期内各历史年份目标区域内各光伏发电站的自用电量/>
Figure QLYQS_12
，其中/>
Figure QLYQS_13
表示预设的光伏发电站自用电量的修正量；
Figure QLYQS_14
:提取数据库中存储的历史周期内各历史年份目标区域的用电低谷段平均电费单价、用电平段平均电费单价和用电高峰段平均电费单价，将其分别记为/>
Figure QLYQS_15
，通过分析公式/>
Figure QLYQS_16
得到历史周期内各历史年份目标区域内的电费单价/>
Figure QLYQS_17
，其中/>
Figure QLYQS_18
分别表示预设的用电低谷段平均电费单价、用电平段平均电费单价和用电高峰段平均电费单价的权值，/>
Figure QLYQS_19
，进一步得到历史周期内各历史年份目标区域内各光伏发电站的电费单价，并表示为/>
Figure QLYQS_20
；
Figure QLYQS_21
：提取数据库中存储的目标区域内各光伏发电站的固定投入总成本和期望生命周期，将其分别记为/>
Figure QLYQS_22
和/>
Figure QLYQS_23
，通过分析公式/>
Figure QLYQS_24
得到目标区域内各光伏发电站的年度固定投入成本/>
Figure QLYQS_25
，其中/>
Figure QLYQS_26
表示预设的年度固定投入成本修正因子，进一步得到历史周期内各历史年份目标区域内各光伏发电站的固定成本，并表示为/>
Figure QLYQS_27
；
Figure QLYQS_28
：提取数据库中存储的历史周期内各历史年份目标区域内各光伏发电站的维护成本，将其记为/>
Figure QLYQS_29
。
3.根据权利要求2所述的一种基于云计算实时监测的分布式光伏发电分析方法，其特征在于：所述步骤二的具体分析过程为：
将历史周期内各历史年份目标区域内各光伏发电站的发电总量
Figure QLYQS_31
、自用电量/>
Figure QLYQS_34
、电费单价/>
Figure QLYQS_35
、固定成本/>
Figure QLYQS_32
和维护成本/>
Figure QLYQS_33
代入公式
Figure QLYQS_36
得到历史周期内各历史年份目标区域内各光伏发电站的实际收益/>
Figure QLYQS_37
，其中/>
Figure QLYQS_30
表示预设的光伏发电站的实际收益修正因子。
4.根据权利要求3所述的一种基于云计算实时监测的分布式光伏发电分析方法，其特征在于：所述步骤三的具体分析过程包括：
提取数据库中存储的目标区域内各光伏发电站的期望收益曲线，进一步获取历史周期内各历史年份目标区域内各光伏发电站的期望收益，将其记为
Figure QLYQS_38
；
将历史周期内各历史年份目标区域内各光伏发电站的期望收益
Figure QLYQS_40
和实际收益/>
Figure QLYQS_42
代入公式/>
Figure QLYQS_45
得到目标区域内各光伏发电站运行的经济效益评价指数/>
Figure QLYQS_41
，其中/>
Figure QLYQS_43
表示预设的光伏发电站运行的经济效益评价指数修正因子，/>
Figure QLYQS_44
表示自然常数，/>
Figure QLYQS_46
表示历史年份数量，/>
Figure QLYQS_39
表示预设的光伏发电站期望收益与实际收益之间偏差的阈值。
5.根据权利要求4所述的一种基于云计算实时监测的分布式光伏发电分析方法，其特征在于：所述步骤三的具体过程还包括：
将历史周期内各历史年份目标区域内各光伏发电站的实际收益进行累加，得到历史周期内各历史年份目标区域光伏发电总体实际收益，将其记为
Figure QLYQS_47
，同理，根据历史周期内各历史年份目标区域光伏发电总体实际收益的分析方法，获取历史周期内各历史年份目标区域光伏发电总体期望收益，将其记为/>
Figure QLYQS_48
；
通过分析公式
Figure QLYQS_49
得到目标区域光伏发电总体经济效益评价指数/>
Figure QLYQS_50
，其中/>
Figure QLYQS_51
表示预设的光伏发电总体经济效益评价指数修正因子，/>
Figure QLYQS_52
表示历史周期内第/>
Figure QLYQS_53
个历史年份目标区域光伏发电总体实际收益，/>
Figure QLYQS_54
表示历史周期内第/>
Figure QLYQS_55
个历史年份目标区域光伏发电总体期望收益。
6.根据权利要求2所述的一种基于云计算实时监测的分布式光伏发电分析方法，其特征在于：所述步骤四的具体过程包括：
获取历史周期内各历史年份目标区域内各光伏发电站的收入，将其记为
Figure QLYQS_56
；
根据历史周期内各历史年份目标区域内各光伏发电站的收入，以历史周期内各历史年份为自变量，以光伏发电站收入为因变量，绘制目标区域内各光伏发电站的收入趋势曲线图，利用数学模型分析方法，获取目标区域内各光伏发电站的收入趋势曲线图对应的函数，将其记为目标区域内各光伏发电站的收入趋势参考函数；
获取历史周期内各历史年份目标区域内各光伏发电站的系统综合效率，将其记为
Figure QLYQS_57
，通过分析公式/>
Figure QLYQS_58
得到目标区域内各光伏发电站的收入趋势影响系数/>
Figure QLYQS_59
，其中/>
Figure QLYQS_60
表示预设的收入趋势影响系数修正因子，/>
Figure QLYQS_61
表示历史周期内第/>
Figure QLYQS_62
个历史年份目标区域内第/>
Figure QLYQS_63
个光伏发电站的系统综合效率；
将目标区域内各光伏发电站的收入趋势参考函数乘以其光伏发电站对应的收入趋势影响系数，得到目标区域内各光伏发电站的收入趋势预测函数，并表示为
Figure QLYQS_64
。
7.根据权利要求6所述的一种基于云计算实时监测的分布式光伏发电分析方法，其特征在于：所述步骤四的具体过程还包括：
获取历史周期内各历史年份目标区域内各光伏发电站的支出，将其记为
Figure QLYQS_65
；
根据历史周期内各历史年份目标区域内各光伏发电站的支出，获取目标区域内各光伏发电站的支出趋势参考函数；
获取历史周期内各历史年份目标区域内各光伏发电站的组件功率，分析得到目标区域内各光伏发电站的支出趋势影响系数；
将目标区域内各光伏发电站的支出趋势参考函数乘以其光伏发电站对应的支出趋势影响系数，得到目标区域内各光伏发电站的支出趋势预测函数，并表示为
Figure QLYQS_66
；
将目标区域内各光伏发电站的收入趋势预测函数
Figure QLYQS_67
和支出趋势预测函数/>
Figure QLYQS_68
代入公式/>
Figure QLYQS_69
得到目标区域内各光伏发电站的净收益趋势预测函数
Figure QLYQS_70
，其中/>
Figure QLYQS_71
表示预设的光伏发电站净收益校正量。
8.根据权利要求1所述的一种基于云计算实时监测的分布式光伏发电分析方法，其特征在于：所述步骤五的具体分析过程为：
根据目标区域内各光伏发电站的净收益趋势预测函数，获取目标区域内各光伏发电站的净收益达到预设的净收益预警值时对应的时间点，将其记为目标区域内各光伏发电站的预警时间点，获取当前时间与目标区域内各光伏发电站预警时间点之间的时长，将其记为目标区域内各光伏发电站的剩余盈利周期，并将结果发送至目标区域光伏发电的投资管理方。
CN202310404814.0A 2023-04-17 2023-04-17 一种基于云计算实时监测的分布式光伏发电分析方法 Active CN116128167B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310404814.0A CN116128167B (zh) 2023-04-17 2023-04-17 一种基于云计算实时监测的分布式光伏发电分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310404814.0A CN116128167B (zh) 2023-04-17 2023-04-17 一种基于云计算实时监测的分布式光伏发电分析方法

Publications (2)

Publication Number Publication Date
CN116128167A CN116128167A (zh) 2023-05-16
CN116128167B true CN116128167B (zh) 2023-06-16

Family

ID=86299478

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310404814.0A Active CN116128167B (zh) 2023-04-17 2023-04-17 一种基于云计算实时监测的分布式光伏发电分析方法

Country Status (1)

Country Link
CN (1) CN116128167B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116562916B (zh) * 2023-07-12 2023-10-10 国网安徽省电力有限公司经济技术研究院 一种光伏直流配电系统经济效益分析评价系统
CN117748502B (zh) * 2024-02-21 2024-05-14 山东恒迈信息科技有限公司 一种智能识别训练数据分析方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107590747A (zh) * 2017-08-15 2018-01-16 国网天津市电力公司 基于综合能源大数据分析的电网资产周转率计算方法
CN111371091A (zh) * 2020-04-10 2020-07-03 南京润北智能环境研究院有限公司 基于市场效益驱动的光伏发电智能预测系统的计算方法
CN114938071A (zh) * 2022-05-12 2022-08-23 温州墨熵微电子有限公司 一种基于人工智能的新能源运行系统智能监测监控管理系统
CN115293468A (zh) * 2022-10-10 2022-11-04 佰聆数据股份有限公司 电网区域分布式光伏消纳潜力长期预测方法、系统及介质
CN115811135A (zh) * 2022-12-13 2023-03-17 国网安徽省电力有限公司合肥供电公司 一种基于电网调峰调频的充换电设备智能监测调控系统
CN115882455A (zh) * 2023-02-20 2023-03-31 国网山东省电力公司滨州供电公司 一种分布式光伏发电预测方法、系统及终端机
CN115936868A (zh) * 2022-11-16 2023-04-07 国网山东省电力公司电力科学研究院 基于数据分析的分布式光伏发电交易风险评估方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107590747A (zh) * 2017-08-15 2018-01-16 国网天津市电力公司 基于综合能源大数据分析的电网资产周转率计算方法
CN111371091A (zh) * 2020-04-10 2020-07-03 南京润北智能环境研究院有限公司 基于市场效益驱动的光伏发电智能预测系统的计算方法
CN114938071A (zh) * 2022-05-12 2022-08-23 温州墨熵微电子有限公司 一种基于人工智能的新能源运行系统智能监测监控管理系统
CN115293468A (zh) * 2022-10-10 2022-11-04 佰聆数据股份有限公司 电网区域分布式光伏消纳潜力长期预测方法、系统及介质
CN115936868A (zh) * 2022-11-16 2023-04-07 国网山东省电力公司电力科学研究院 基于数据分析的分布式光伏发电交易风险评估方法及系统
CN115811135A (zh) * 2022-12-13 2023-03-17 国网安徽省电力有限公司合肥供电公司 一种基于电网调峰调频的充换电设备智能监测调控系统
CN115882455A (zh) * 2023-02-20 2023-03-31 国网山东省电力公司滨州供电公司 一种分布式光伏发电预测方法、系统及终端机

Also Published As

Publication number Publication date
CN116128167A (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN116128167B (zh) 一种基于云计算实时监测的分布式光伏发电分析方法
CN104268659B (zh) 一种光伏电站发电功率超短期预测方法
CN116683500A (zh) 一种电化学储能电站有功功率调度方法和系统
CN117172625B (zh) 一种对既有建筑进行节能改造的综合化分析方法
CN115765044B (zh) 风光水电系统联合运行及风险分析方法和系统
CN113592507B (zh) 一种电力现货交易月度收益仿真分析方法及装置
CN113505909A (zh) 一种面向短期风电功率趋势预测的误差补偿方法
CN110909916B (zh) 一种基于熵权法的风力发电月度电量区间预测方法
CN109274124B (zh) 基于场景马尔科夫法的风电就地消纳能力预测方法
CN117578534B (zh) 光伏储能系统的调度方法、装置、设备及存储介质
CN117277355B (zh) 一种智慧监测数据的输电方法及系统
CN115358495B (zh) 一种风电功率预测综合偏差率的计算方法
CN109325879B (zh) 推求水电站中长期调度的变化综合出力系数的时空聚合方法
Zhu et al. Impact of renewable power and market price forecasts on the operational profitability of hybrid power plants
CN117353300B (zh) 一种基于大数据的农村用电需求量分析方法
CN117613962B (zh) 一种氢电耦合氢储能能调峰发电系统
CN116845985B (zh) 一种基于数据分析的源网荷储协同调度系统
CN117540521A (zh) 一种电力供需多点评估模型构建、评估方法及系统
CN117833361A (zh) 基于时间序列分析的燃煤电厂深度调峰预测方法及装置
CN117892939A (zh) 基于能源互联网的电厂能耗控制方法及系统
CN117217417A (zh) 居民用电调节潜力评估方法
CN118117752A (zh) 一种新型电力系统负荷控制的辅助决策方法
CN116014812A (zh) 一种水光互补系统弃电率的解析计算方法及系统
CN114240104A (zh) 光伏弃电储能功率和储能容量配置方法和装置
CN117151769A (zh) 一种电力市场环境下风电场投资评价系统及方法

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