CN116703210A - 可再生能源利用方法、装置、设备及存储介质 - Google Patents

可再生能源利用方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116703210A
CN116703210A CN202310622040.9A CN202310622040A CN116703210A CN 116703210 A CN116703210 A CN 116703210A CN 202310622040 A CN202310622040 A CN 202310622040A CN 116703210 A CN116703210 A CN 116703210A
Authority
CN
China
Prior art keywords
power generation
wind speed
target area
renewable energy
historical
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.)
Granted
Application number
CN202310622040.9A
Other languages
English (en)
Other versions
CN116703210B (zh
Inventor
孙韵琳
符应典
周兵
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.)
Guangdong Huaju Detection Technology Co ltd
Guangdong Yongguang New Energy Technology Co ltd
Guangdong Yongguang New Energy Design Consulting Co ltd
Original Assignee
Guangdong Huaju Detection Technology Co ltd
Guangdong Yongguang New Energy Technology Co ltd
Guangdong Yongguang New Energy Design Consulting 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 Guangdong Huaju Detection Technology Co ltd, Guangdong Yongguang New Energy Technology Co ltd, Guangdong Yongguang New Energy Design Consulting Co ltd filed Critical Guangdong Huaju Detection Technology Co ltd
Priority to CN202310622040.9A priority Critical patent/CN116703210B/zh
Publication of CN116703210A publication Critical patent/CN116703210A/zh
Application granted granted Critical
Publication of CN116703210B publication Critical patent/CN116703210B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—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
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Water Supply & Treatment (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)

Abstract

本申请涉及一种可再生能源利用方法、装置、设备及存储介质，应用在可再生能源利用领域，其中方法包括：获取目标区域所在地理位置；根据所述地理位置确定环境检测项目集，所述环境检测项目集中包括若干环境检测项目，不同的环境检测项目对应不同的可再生能源发电指标；按照所述环境检测项目集获取目标区域的历史环境参数；对所述历史环境参数进行分析，判断目标区域在不同可再生能源发电指标下的发电可行等级；根据目标区域在不同可再生能源发电指标下的发电可行等级生成可再生能源利用报告。本申请具有的技术效果是：提升可再生能源的利用程度。

Description

可再生能源利用方法、装置、设备及存储介质
技术领域
本申请涉及可再生能源利用的技术领域，尤其是涉及一种可再生能源利用方法、装置、设备及存储介质。
背景技术
随着能源需求的持续增加以及环境保护的不断要求，可再生能源逐渐受到人们的广泛关注，作为新能源的代表，光伏发电、风力发电也越来越多的出现在人们面前。
根据中国风能资源数据可知，在我国10米高度层的风能资源总储量为32.26亿千瓦，其中实际可开发利用的风能资源储量为2.53亿千瓦。而且由于我国幅员辽阔，中西部地区海拔高、面积大，光能资源也较为丰富。因此，我国的可再生能源发电前景较好，近些年来，市场上出现了大批可再生能源发电企业。
在可再生能源发电企业新建可再生能源发电工厂时，首先要对工厂所在区域的可再生能源情况进行调研，在调研过程中，如何尽可能的提升工厂所在区域的可再生能源的利用程度是当前可再生能源发电企业需要解决的问题。
发明内容
为了提升可再生能源的利用程度，本申请提供的一种可再生能源利用方法、装置、设备及存储介质。
第一方面，本申请提供一种可再生能源利用方法，采用如下的技术方案：所述方法包括：获取目标区域所在地理位置；
根据所述地理位置确定环境检测项目集，所述环境检测项目集中包括若干环境检测项目，不同的环境检测项目对应不同的可再生能源发电指标；
按照所述环境检测项目集获取目标区域的历史环境参数；
对所述历史环境参数进行分析，判断目标区域在不同可再生能源发电指标下的发电可行等级；
根据目标区域在不同可再生能源发电指标下的发电可行等级生成可再生能源利用报告。
通过上述技术方案，可再生能源利用系统根据目标区域的历史环境参数对该区域的可再生能源的发电可行性进行预估，为电力公司可再生能源发电电厂的选址提供数据支持，进而减少可再生能源发电电厂选址不合理的情况，提升了目标区域的可再生能源的利用程度。
在一个具体的可实施方案中，所述根据所述地理位置确定环境检测项目集，具体包括：
初始化环境检测项目集，所述环境检测项目集中至少包括风能检测项目、光能检测项目；
判断目标区域所在地理位置是否临海；
若临海，则向所述环境检测项目集中添加潮海洋能检测项目。
通过上述技术方案，可再生能源利用系统在原有的环境检测项目的基础之上，会根据目标区域是否临近海洋这一要素来判断是否将海洋能检测项目添加至目标区域对应的环境检测项目集中，进而提升目标区域中可再生能源的利用率。
在一个具体的可实施方案中，所述历史环境参数至少包括以下之一：历史风速数据、历史光照强度数据。
通过上述技术方案，可再生能源利用系统获取目标区域的历史风速数据、历史光照强度数据、历史空气含尘量数据，以便于较好的衡量该目标区域的风能发电以及光能发电的可行性，充分的对目标区域可再生能源的利用进行评估。
在一个具体的可实施方案中，所述对所述历史环境参数进行分析，判断目标区域在不同可再生能源发电指标下的发电可行等级，具体包括：
确定目标区域对应的历史风速数据，所述历史风速数据为所述目标区域过去一年内的风速数据；
计算历史风速数据对应的平均值，并记为平均风速数据；
将所述平均风速数据与预设的最低风速阈值进行比较；
若所述平均风速数据未达到所述最低风速阈值，则判定目标区域风能发电指标对应的发电可行等级为低。
通过上述技术方案，可再生能源利用系统利用目标区域过去一年内的风速数据计算该目标区域的年平均风速，由于风能发电与发电厂所在区域的风速有着紧密联系，因此，若是目标区域的年平均风速较小，那么可以说明目标区域的风能蕴含量较低，不适合进行风能发电，可再生能源利用系统会将目标区域风能发电指标对应的发电可行等级设置为低，降低可再生能源发电电厂的选址的风险程度。
在一个具体的可实施方案中，在所述将所述平均风速数据与预设的最低风速阈值进行比较之后，还包括：
若所述平均风速数据超过所述最低风速阈值，则按照预设的风速分类等级对所述历史风速数据进行分类，所述风速分类等级包括低风速等级、中风速等级、高风速等级；
统计不同风速分类等级对应的发生频率；
将所述高风速等级对应的发生频率与预设的高风速频率阈值进行对比；
若所述高风速等级对应的发生频率高于所述高风速频率阈值，则将目标区域风能发电指标对应的发电可行等级设为低。
通过上述技术方案，在目标区域的年平均风速达到风能发电条件的情况下，可再生能源利用系统还会对目标区域的历史风速数据按照一定的分类标准进行分类，统计目标区域处于高风速等级的天数占全年总天数的比例。风速过大时，会增加风力发电机组的故障可能性，并且风力发电机组难以维持正常发电等级，所以如果目标区域处于高风速等级的天数占全年总天数的比例较高，那么目标区域并不适合进行风能发电，可再生能源利用系统将目标区域风能发电指标对应的发电可行等级设置为低，进一步降低可再生能源发电电厂的选址的风险程度。
在一个具体的可实施方案中，在所述将所述高风速等级对应的发生频率与预设的高风速频率阈值进行对比之后，还包括：
若所述高风速等级对应的发生频率低于所述高风速频率阈值，则统计目标区域的历史风速数据处于中风速等级的总时长，并记为发电总时长；
将所述发电总时长与预设的发电时长阈值进行对比；
若所述发电总时长未达到预设的发电时长阈值，则将目标区域风能发电指标对应的发电可行等级设为低。
通过上述技术方案，可再生能源利用系统统计目标区域的历史风速数据处于中风速等级的总时长可以侧面得到该区域的发电时长，并对发电时长进行衡量，有助于更好的评判目标区域的风能资源。
在一个具体的可实施方案中，可再生能源发电指标包括光能发电指标，所述对所述历史环境参数进行分析，判断目标区域在不同可再生能源发电指标下的发电可行等级，具体包括：
确定目标区域对应的历史光照强度数据，所述历史光照强度数据为所述目标区域过去一年内的光照强度数据；
根据所述历史光照强度统计目标区域过去一年内的阴天天数；
若所述阴天天数达到预设的阴天天数阈值，则目标区域光能发电指标对应的发电可行等级设为低。
通过上述技术方案，可再生能源利用系统根据目标区域的历史光照强度数据统计该区域过去一年内的阴天数量，对于光能发电机组来说，光照强度是影响其发电效率的重要因素，因此，当目标区域的阴天数量过多时，在该区域建设光能发电厂所能产生的电能并不理想，将该目标区域光能发电指标对应的可行等级设置为低，进一步降低可再生能源发电电厂的选址的风险程度。
第二方面，本申请提供一种可再生能源利用装置，采用如下技术方案：所述装置包括：
地理位置获取模块，用于获取目标区域所在地理位置；
环境检测项目生成模块，用于根据所述地理位置确定环境检测项目集，所述环境检测项目集中包括若干环境检测项目，不同的环境检测项目对应不同的可再生能源发电指标；
历史环境参数采集模块，用于按照所述环境检测项目集获取目标区域的历史环境参数；
发电可行等级分析模块，用于对所述历史环境参数进行分析，判断目标区域在不同可再生能源发电指标下的发电可行等级；
可再生能源利用报告生成模块，用于根据目标区域在不同可再生能源发电指标下的发电可行等级生成可再生能源利用报告。
第三方面，本申请提供一种计算机设备，采用如下技术方案：包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如上述任一种可再生能源利用方法的计算机程序。
第四方面，本申请提供一种计算机可读存储介质，采用如下技术方案：存储有能够被处理器加载并执行上述任一种可再生能源利用方法的计算机程序。
综上所述，本申请包括以下至少一种有益技术效果：
1.可再生能源利用系统利用目标区域过去一年内的风速数据计算该目标区域的年平均风速，由于风能发电与发电厂所在区域的风速有着紧密联系，因此，若是目标区域的年平均风速较小，那么可以说明目标区域的风能蕴含量较低，不适合进行风能发电，可再生能源利用系统会将目标区域风能发电指标对应的发电可行等级设置为低，降低可再生能源发电电厂的选址的风险程度；
2.在目标区域的年平均风速达到风能发电条件的情况下，可再生能源利用系统还会对目标区域的历史风速数据按照一定的分类标准进行分类，统计目标区域处于高风速等级的天数占全年总天数的比例。风速过大时，会增加风力发电机组的故障可能性，并且风力发电机组难以维持正常发电等级，所以如果目标区域处于高风速等级的天数占全年总天数的比例较高，那么目标区域并不适合进行风能发电，可再生能源利用系统将目标区域风能发电指标对应的发电可行等级设置为低，进一步降低可再生能源发电电厂的选址的风险程度。
附图说明
图1是本申请实施例中可再生能源利用方法的流程图。
图2是本申请实施例中可再生能源利用装置的结构框图。
附图标记：301、地理位置获取模块；302、环境检测项目生成模块；303、历史环境参数采集模块；304、发电可行等级分析模块；305、可再生能源利用报告生成模块。
具体实施方式
以下结合附图1-2对本申请作进一步详细说明。
本申请实施例公开一种可再生能源利用方法。该方法应用于可再生能源利用系统，本方法对应的程序代码被预先存储在可再生能源利用系统的控制中心内。
如图1所示，该方法包括以下步骤：
S10，获取目标区域所在地理位置。
具体来说，电力公司在新建发电工厂之前，首先会对发电工厂进行选址，本申请中，电力公司预先选定多个目标区域作为被选区域，并对这些被选区域中的可再生能源储量进行勘测、分析，以便于帮助电力公司判断在该区域新建可再生能源发电工厂是否合理。电力公司在选定多个目标区域后，可再生能源利用系统会根据目标区域的名称在地图应用软件上查询该目标区域所在地理位置信息，其中，地理位置信息包括目标区域的经纬度、目标区域内的水资源情况等。
S20，根据地理位置确定环境检测项目集。
具体来说，依赖于当前科学技术的进步，目前，自然界中可以被人类利用用于发电的可再生能源的数量不唯一，例如，太阳能、风能、水能、地热能、海洋能、生物质能等。可再生能源利用系统根据目标区域的地理位置信息判断该区域可能可以被利用的可再生能源，并对应生成环境检测项目，本实施例中，环境检测项目是用于对目标区域中不同可再生能源的实际情况进行测定，以此来判断该种可再生能源被用来发电的可行性，若干环境检测项目构成环境检测项目集。
S30，按照环境检测项目集获取目标区域的历史环境参数。
具体来说，由于环境检测项目集中存在多个环境检测项目，每个环境检测项目对应不同的可再生能源种类，这里所说的可再生能源种类即为可再生能源发电指标，不同目标区域对应的环境检测项目集中的环境检测项目可能会存在差别，因此，可再生能源利用系统会根据目标区域对应的环境检测项目确定需要获取的历史环境参数，为了保证获取到的历史环境参数对于分析目标区域中可再生能源情况的参考价值，本实施例中，历史环境参数为目标区域距当前时间点最近一年的环境参数。因为在我国风能发电以及光能发电是当前主要的新能源发电项目，可再生能源利用系统对目标区域中的可再生能源实际情况进行勘测时，极有可能会考察目标区域风能发电、光能发电的可行性，因此，本实施例中，历史环境参数可以为历史风速数据、历史光照强度数据等，以便于可再生能源利用系统考察目标区域风能发电、光能发电的可行性。
S40，对历史环境参数进行分析，判断目标区域在不同可再生能源发电指标下的发电可行等级。
具体来说，可再生能源利用系统通过对历史环境参数进行数据分析，并根据分析结果衡量该目标区域的不同可再生能源发电指标下的发电可行等级，本实施例中，发电可行等级可以为高、低，当目标区域的某个可再生能源发电指标的发电可行等级为低，那么说明目标区域不适合发展该可再生能源发电指标对应的发电类型。
S50，根据目标区域在不同可再生能源发电指标下的发电可行等级生成可再生能源利用报告。
具体来说，可再生能源利用系统将目标区域具有的可再生能源的实际情况进行分析，并预估发电可行性之后，会生成该目标区域对应的专属可再生能源利用报告，例如，目标区域A：风能发电指标发电可行性为高；光能发电指标发电可行性为低；使得目标区域可利用的再生能源情况一目了然，为电力公司可再生能源发电电厂的选址提供数据支持，进而降低可再生能源发电电厂选址不合理的可能。
在一个实施例中，为了更好的实现对目标区域具有的可再生能源的利用，根据地理位置确定环境检测项目集，具体可以执行为以下步骤：
可再生能源利用系统首先初始化环境检测项目集，因为风能发电与光能发电是我国主要的可再生能源发电项目，在评判目标区域中可再生能源利用价值时，可再生能源利用系统一定会对目标区域内的风能资源与光能资源进行检测，因此初始化后的环境检测项目集中至少包括风能检测项目、光能检测项目。然后，可再生能源利用系统根据获取到的目标区域对应的经纬度判断该区域是否临近海洋，若临海，那么可再生能源利用系统会环境检测项目集中添加潮海洋能检测项目。海洋能是指依附在海水中的可再生能源，海洋通过各种物理过程接收、储存和散发能量，这些能量以潮汐能、波浪能、温差能、盐差能、海流能等形式存在于海洋之中，也是可再生能源发电的一大开拓领域。海洋中蕴藏的能量极为丰富并且这种能量较为稳定，不会轻易随着外界的变化而改变，因此，利用海洋能发电能够为人类带来巨大的电能收益，当目标区域临海时，对目标区域所临海洋中的各种种类的能量进行检测，判断是否满足发电条件，有利于充分开发、利用目标区域的可再生能源。
在一个实施例中，为了较为准确的衡量目标区域可再生能源的利用风险，对历史环境参数进行分析，判断目标区域在不同可再生能源发电指标下的发电可行等级，具体可以执行为以下步骤：
可再生能源利用系统首先确定目标区域的最近一年内的历史风速数据，然后计算历史风速数据对应的平均值，并将计算得到的平均值记为平均风速数据，一般来说，风力发电机组的启动风速为3-4m/s，也就是说，当风力发电机组所在区域的风速达到3-4m/s时，风力发电机组即可成功发电，向电网输送电能，因此，本实施例中，可再生能源利用系统预先设置有最低风速阈值，且最低风速阈值设定为4m/s，可再生能源利用系统将目标区域的平均风速数据与预设的最低风速阈值进行比较，若是平均风速数据未达到最低风速阈值，那么说明该目标区域的风能储藏量较低，无法进行风能发电项目，因此可再生能源利用系统判定目标区域风能发电指标对应的发电可行等级为低，进而有助于降低可再生能源发电电厂的选址的风险程度。
在一个实施例中，为了进一步降低可再生能源发电电厂的选址的风险程度，在将平均风速数据与预设的最低风速阈值进行比较之后，还可以执行以下步骤：
在可再生能源利用系统将目标区域的平均风速数据与预设的最低风速阈值进行比较时，如果目标区域的平均风速数据超过了最低风速阈值，表示该目标区域蕴藏的风能总能量是可观的，然后，可再生能源利用系统会按照预设的风速分类等级对历史风速数据进行分类；本实施例中，预设的风速分类等级包括低风速等级、中风速等级、高风速等级，其中，低风速等级对应的风速范围为0-3m/s，中风速等级对应的风速范围为3-13m/s，当风速位于13m/s及以上时，会增加风力发电机组的故障可能性，因此，高风速等级对应的风速范围为13m/s及以上。
可再生能源利用系统利用历史风速数据统计目标区域过去一年内不同风速分类等级对应的发生频率，发生频率是指该风速分类等级对应的风速范围出现的天数占全年总天数的比例值，继而将高风速等级对应的发生频率与预设的高风速频率阈值进行对比，以此来判目标区域是否经常出现风速达到13m/s及以上的大风，需要说明的是，这里设定的高风速频率阈值是工作人员充分考虑若是在该目标区域建设风力发电机组的情况下，去除风力发电机组由于高风速而停机的时长，剩下的全年中风速可供发电的时长是否能够为电力公司带来经济收益，并且满足当地的供电需求所设置的。
若是高风速等级对应的发生频率高于高风速频率阈值，那么表示一年中目标区域出现高风速天气的天数过多，在该区域安装风力发电机组，风力发电机组出现故障的可能性较大，进而，可再生能源利用系统目标区域风能发电指标对应的发电可行等级设为低，进一步降低可再生能源发电电厂的选址的风险程度。
除此之外，可再生能源利用系统还会统计目标区域的历史风速数据处于中风速等级的总时长，将总时长记为发电总时长，因为当实际风速处于中风速等级时，风力发电机组的发电效率是最佳的，实际风速处于低风速等级时，风力发电机组无法进行发电；实际风速处于高风速等级时，工作人员可能会出于对风力发电机组的保护，暂停风力发电机组的运行，因此，可再生能源利用系统将统计到的发电总时长与预设的发电时长阈值进行比较来判断该目标区域是否适合进行风力发电，若某个区域的发电总时长达到预设的发电时长阈值，说明该区域风力发电的前景较好，反之，若发电总时长未达到预设的发电时长阈值，那么可再生能源利用系统会将该目标区域风能发电指标对应的发电可行等级设为低，有利于更加全面的衡量目标区域的风能资源。
在一个实施例中，为了增加目标区域可再生能源的利用程度，对历史环境参数进行分析，判断目标区域在不同可再生能源发电指标下的发电可行等级，具体可以执行为以下步骤：
可再生能源利用系统在衡量目标区域光能发电可行性时，首先确定目标区域对应的历史光照强度数据，根据历史光照强度统计目标区域过去一年内的阴天天数，一般来说，当室外的光照强度为50-500lux时，可以判定此时室外为阴天，当室外环境为阴天时，光能发电的情况不理想。因此，可再生能源利用系统会将目标区域过去一年内的阴天天数与预设的阴天天数阈值进行比较，倘若阴天天数达到预设的阴天天数阈值，即表明该目标区域的光能资源不多，并不适合实施光能发电项目，可再生能源利用系统会将目标区域光能发电指标对应的发电可行等级设为低。值得一提的是，这里设定的阴天天数阈值是工作人员充分考虑若是在该目标区域建设光能发电机组的情况下，光能发电机组全年依靠于光能所能发电量是否能够为电力公司带来经济收益，并且满足当地的供电需求所设置的，当目标区域的光能储量不高时，将目标区域光能发电指标对应的发电可行等级设为低，有助于进一步降低可再生能源发电电厂的选址的风险程度。
图1为一个实施例中可再生能源利用方法的流程示意图。应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行；除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行；并且图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
基于上述方法，本申请实施例还公开一种可再生能源利用装置。
如图2所示，该装置包括以下模块：
地理位置获取模块301，用于获取目标区域所在地理位置；
环境检测项目生成模块302，用于根据地理位置确定环境检测项目集，环境检测项目集中包括若干环境检测项目，不同的环境检测项目对应不同的可再生能源发电指标；
历史环境参数采集模块303，用于按照环境检测项目集获取目标区域的历史环境参数；
发电可行等级分析模块304，用于对历史环境参数进行分析，判断目标区域在不同可再生能源发电指标下的发电可行等级；
可再生能源利用报告生成模块305，用于根据目标区域在不同可再生能源发电指标下的发电可行等级生成可再生能源利用报告。
在一个实施例中，环境检测项目生成模块302，还用于初始化环境检测项目集，环境检测项目集中至少包括风能检测项目、光能检测项目；
判断目标区域所在地理位置是否临海；
若临海，则向环境检测项目集中添加潮海洋能检测项目。
在一个实施例中，历史环境参数采集模块303，还用于历史环境参数至少包括以下之一：历史风速数据、历史光照强度数据。
在一个实施例中，发电可行等级分析模块304，还用于确定目标区域对应的历史风速数据，历史风速数据为目标区域过去一年内的风速数据；
计算历史风速数据对应的平均值，并记为平均风速数据；
将平均风速数据与预设的最低风速阈值进行比较；
若平均风速数据未达到最低风速阈值，则判定目标区域风能发电指标对应的发电可行等级为低。
在一个实施例中，发电可行等级分析模块304，还用于若平均风速数据超过最低风速阈值，则按照预设的风速分类等级对历史风速数据进行分类，风速分类等级包括低风速等级、中风速等级、高风速等级；
统计不同风速分类等级对应的发生频率；
将高风速等级对应的发生频率与预设的高风速频率阈值进行对比；
若高风速等级对应的发生频率高于高风速频率阈值，则将目标区域风能发电指标对应的发电可行等级设为低。
在一个实施例中，发电可行等级分析模块304，还用于若高风速等级对应的发生频率低于高风速频率阈值，则统计目标区域的历史风速数据处于中风速等级的总时长，并记为发电总时长；
将发电总时长与预设的发电时长阈值进行对比；
若发电总时长未达到预设的发电时长阈值，则将目标区域风能发电指标对应的发电可行等级设为低。
在一个实施例中，发电可行等级分析模块304，还用于确定目标区域对应的历史光照强度数据，历史光照强度数据为目标区域过去一年内的光照强度数据；
根据历史光照强度统计目标区域过去一年内的阴天天数；
若阴天天数达到预设的阴天天数阈值，则目标区域光能发电指标对应的发电可行等级设为低。
本申请实施例还公开一种计算机设备。
具体来说，该计算机设备包括存储器和处理器，存储器上存储有能够被处理器加载并执行上述可再生能源利用方法的计算机程序。
本申请实施例还公开一种计算机可读存储介质。
具体来说，该计算机可读存储介质，其存储有能够被处理器加载并执行如上述可再生能源利用方法的计算机程序，该计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

Claims (10)

1.一种可再生能源利用方法，其特征在于，所述方法包括：
获取目标区域所在地理位置；
根据所述地理位置确定环境检测项目集，所述环境检测项目集中包括若干环境检测项目，不同的环境检测项目对应不同的可再生能源发电指标；
按照所述环境检测项目集获取目标区域的历史环境参数；
对所述历史环境参数进行分析，判断目标区域在不同可再生能源发电指标下的发电可行等级；
根据目标区域在不同可再生能源发电指标下的发电可行等级生成可再生能源利用报告。
2.根据权利要求1所述的方法，其特征在于，所述根据所述地理位置确定环境检测项目集，具体包括：
初始化环境检测项目集，所述环境检测项目集中至少包括风能检测项目、光能检测项目；
判断目标区域所在地理位置是否临海；
若临海，则向所述环境检测项目集中添加潮海洋能检测项目。
3.根据权利要求1所述的方法，其特征在于，所述历史环境参数至少包括以下之一：历史风速数据、历史光照强度数据。
4.根据权利要求1所述的方法，其特征在于，可再生能源发电指标包括风能发电指标，所述对所述历史环境参数进行分析，判断目标区域在不同可再生能源发电指标下的发电可行等级，具体包括：
确定目标区域对应的历史风速数据，所述历史风速数据为所述目标区域过去一年内的风速数据；
计算历史风速数据对应的平均值，并记为平均风速数据；
将所述平均风速数据与预设的最低风速阈值进行比较；
若所述平均风速数据未达到所述最低风速阈值，则判定目标区域风能发电指标对应的发电可行等级为低。
5.根据权利要求4所述的方法，其特征在于，在所述将所述平均风速数据与预设的最低风速阈值进行比较之后，还包括：
若所述平均风速数据超过所述最低风速阈值，则按照预设的风速分类等级对所述历史风速数据进行分类，所述风速分类等级包括低风速等级、中风速等级、高风速等级；
统计不同风速分类等级对应的发生频率；
将所述高风速等级对应的发生频率与预设的高风速频率阈值进行对比；
若所述高风速等级对应的发生频率高于所述高风速频率阈值，则将目标区域风能发电指标对应的发电可行等级设为低。
6.根据权利要求5所述的方法，其特征在于，在所述将所述高风速等级对应的发生频率与预设的高风速频率阈值进行对比之后，还包括：
若所述高风速等级对应的发生频率低于所述高风速频率阈值，则统计目标区域的历史风速数据处于中风速等级的总时长，并记为发电总时长；
将所述发电总时长与预设的发电时长阈值进行对比；
若所述发电总时长未达到预设的发电时长阈值，则将目标区域风能发电指标对应的发电可行等级设为低。
7.根据权利要求1所述的方法，其特征在于，可再生能源发电指标包括光能发电指标，所述对所述历史环境参数进行分析，判断目标区域在不同可再生能源发电指标下的发电可行等级，具体包括：
确定目标区域对应的历史光照强度数据，所述历史光照强度数据为所述目标区域过去一年内的光照强度数据；
根据所述历史光照强度统计目标区域过去一年内的阴天天数；
若所述阴天天数达到预设的阴天天数阈值，则目标区域光能发电指标对应的发电可行等级设为低。
8.一种可再生能源利用装置，其特征在于，所述装置包括：
地理位置获取模块(301)，用于获取目标区域所在地理位置；
环境检测项目生成模块(302)，用于根据所述地理位置确定环境检测项目集，所述环境检测项目集中包括若干环境检测项目，不同的环境检测项目对应不同的可再生能源发电指标；
历史环境参数采集模块(303)，用于按照所述环境检测项目集获取目标区域的历史环境参数；
发电可行等级分析模块(304)，用于对所述历史环境参数进行分析，判断目标区域在不同可再生能源发电指标下的发电可行等级；
可再生能源利用报告生成模块(305)，用于根据目标区域在不同可再生能源发电指标下的发电可行等级生成可再生能源利用报告。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
10.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
CN202310622040.9A 2023-05-29 2023-05-29 可再生能源利用方法、装置、设备及存储介质 Active CN116703210B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310622040.9A CN116703210B (zh) 2023-05-29 2023-05-29 可再生能源利用方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310622040.9A CN116703210B (zh) 2023-05-29 2023-05-29 可再生能源利用方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN116703210A true CN116703210A (zh) 2023-09-05
CN116703210B CN116703210B (zh) 2024-05-28

Family

ID=87823146

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310622040.9A Active CN116703210B (zh) 2023-05-29 2023-05-29 可再生能源利用方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116703210B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117077978A (zh) * 2023-10-11 2023-11-17 浙江浙能能源服务有限公司 一种跨区域新能源蓄能方法及系统
CN117077978B (zh) * 2023-10-11 2024-06-04 浙江浙能能源服务有限公司 一种跨区域新能源蓄能方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110061295A1 (en) * 2009-02-17 2011-03-17 Mcalister Technologies, Llc Sustainable economic development through integrated production of renewable energy, materials resources, and nutrient regimes
CN112487643A (zh) * 2020-11-30 2021-03-12 中国科学院地理科学与资源研究所 一种面向岛礁资源环境承载力多目标优化的空间规划方法
CN114386866A (zh) * 2022-01-17 2022-04-22 浙江容大电力工程有限公司 一种基于智慧用能的风光储一体化监管系统
CN114819756A (zh) * 2022-06-24 2022-07-29 深圳众城卓越科技有限公司 基于分类模型的风电机组智能选址方法、装置及设备
CN115759345A (zh) * 2022-10-21 2023-03-07 深圳市生态环境智能管控中心 智慧环保平台大气环境管理系统的质量预测模块及方法
CN116085853A (zh) * 2023-02-11 2023-05-09 广东永光新能源设计咨询有限公司 一种可再生能源的供热方法及系统
CN116109031A (zh) * 2022-12-08 2023-05-12 江苏省环境工程技术有限公司 一种考虑生态服务价值的可再生能源选址方法
CN116128376A (zh) * 2023-04-04 2023-05-16 北京迅巢科技有限公司 一种分布式能源系统的在线监测能效评估系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110061295A1 (en) * 2009-02-17 2011-03-17 Mcalister Technologies, Llc Sustainable economic development through integrated production of renewable energy, materials resources, and nutrient regimes
CN112487643A (zh) * 2020-11-30 2021-03-12 中国科学院地理科学与资源研究所 一种面向岛礁资源环境承载力多目标优化的空间规划方法
CN114386866A (zh) * 2022-01-17 2022-04-22 浙江容大电力工程有限公司 一种基于智慧用能的风光储一体化监管系统
CN114819756A (zh) * 2022-06-24 2022-07-29 深圳众城卓越科技有限公司 基于分类模型的风电机组智能选址方法、装置及设备
CN115759345A (zh) * 2022-10-21 2023-03-07 深圳市生态环境智能管控中心 智慧环保平台大气环境管理系统的质量预测模块及方法
CN116109031A (zh) * 2022-12-08 2023-05-12 江苏省环境工程技术有限公司 一种考虑生态服务价值的可再生能源选址方法
CN116085853A (zh) * 2023-02-11 2023-05-09 广东永光新能源设计咨询有限公司 一种可再生能源的供热方法及系统
CN116128376A (zh) * 2023-04-04 2023-05-16 北京迅巢科技有限公司 一种分布式能源系统的在线监测能效评估系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
NEMATOLLAHI, O 等: "Energy demands and renewable energy resources in the Middle East", 《RENEWABLE & SUSTAINABLE ENERGY REVIEWS》, vol. 54, 27 January 2016 (2016-01-27), pages 1172 - 1181, XP029326344, DOI: 10.1016/j.rser.2015.10.058 *
周鹏飞 等: "沿海地区可再生能源开发利用结构优化研究", 《可再生能源》, vol. 33, no. 6, 20 June 2015 (2015-06-20), pages 807 - 813 *
左广宇: "极区独立可再生能源供电系统关键技术研究", 《中国博士学位论文全文数据库工程科技Ⅱ辑》, no. 7, 15 July 2021 (2021-07-15), pages 042 - 12 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117077978A (zh) * 2023-10-11 2023-11-17 浙江浙能能源服务有限公司 一种跨区域新能源蓄能方法及系统
CN117077978B (zh) * 2023-10-11 2024-06-04 浙江浙能能源服务有限公司 一种跨区域新能源蓄能方法及系统

Also Published As

Publication number Publication date
CN116703210B (zh) 2024-05-28

Similar Documents

Publication Publication Date Title
Khahro et al. Evaluation of wind power production prospective and Weibull parameter estimation methods for Babaurband, Sindh Pakistan
US7228235B2 (en) System and method for enhanced measure-correlate-predict for a wind farm location
Bludszuweit et al. Statistical analysis of wind power forecast error
Maatallah et al. Wind power assessment and evaluation of electricity generation in the Gulf of Tunis, Tunisia
Zaharim et al. Analyzing Malaysian wind speed data using statistical distribution
Li et al. A model-based climatology analysis of wind power resources at 100-m height over the Bohai Sea and the Yellow Sea
CN110362045B (zh) 一种考虑海洋气象因素的海上双馈风电机组故障判别方法
Shahriari et al. Using the analog ensemble method as a proxy measurement for wind power predictability
Wang et al. New estimation method of wind power density with three‐parameter Weibull distribution: A case on Central Inner Mongolia suburbs
CN116703210B (zh) 可再生能源利用方法、装置、设备及存储介质
Rasham et al. Performance of wind turbines at three sites in Iraq
Pani et al. A hybrid machine learning approach to wave energy forecasting
Oprea et al. Key technical performance indicators for power plants
El-Bshah et al. Resource assessment of wind energy potential of Mokha in Yemen with Weibull speed
Hasan et al. Assessment of Promising Wind Energy Production Sites in Bangladesh using Energy Pattern Factor Method
Foley et al. Offshore wind resource estimation using wave buoy data
Okada et al. Development of a wind power ramp forecast system by astatistical and meteorological approach
Mantri et al. Solar Power Generation Prediction for Better Energy Efficiency using Machine Learning
Yitayew et al. Wind Energy Data Analysis and Resource Mapping of Dangla, Gojjam, Ethiopia
CN109670645A (zh) 预测风速模型的建立方法及装置
Ganea et al. Turbines evaluation in the nearshore and offshore of the Black Sea
Kumar et al. Wind energy potential estimation with prediction of wind speed distribution
Mathew et al. Performance modelling of renewable energy systems using kNN algorithm for smart grid applications
CN113496319B (zh) 一种可再生能源发电系统脆弱性的评估方法
Amoura et al. A Statistical Estimation of Wind Data Generation in the Municipality of Bragança, Portugal.

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