CN117495137B - 一种基于大数据技术的光伏设备装机量预测方法 - Google Patents

一种基于大数据技术的光伏设备装机量预测方法 Download PDF

Info

Publication number
CN117495137B
CN117495137B CN202311509538.0A CN202311509538A CN117495137B CN 117495137 B CN117495137 B CN 117495137B CN 202311509538 A CN202311509538 A CN 202311509538A CN 117495137 B CN117495137 B CN 117495137B
Authority
CN
China
Prior art keywords
photovoltaic
area
built
engineering
environment data
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
CN202311509538.0A
Other languages
English (en)
Other versions
CN117495137A (zh
Inventor
王鹤鸣
张悦
Original Assignee
东北大学
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 东北大学 filed Critical 东北大学
Priority to CN202311509538.0A priority Critical patent/CN117495137B/zh
Publication of CN117495137A publication Critical patent/CN117495137A/zh
Application granted granted Critical
Publication of CN117495137B publication Critical patent/CN117495137B/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
    • G06Q10/0637—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
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)

Abstract

本发明提供一种基于大数据技术的光伏设备装机量预测方法，涉及数据分析技术领域。本发明根据待预测光伏设备装机量国家或地区已建成和/或投建中的光伏工程离线指纹，确定光伏设备建设中对地理环境和气象环境的需求，之后确定适合投建光伏工程的区域，并确定工程占地面积，并根据单台光伏设备占地面积，预测装机量，且确定人口密集区的光伏工程供电缺口，结合该区域的空地，确定填补光伏工程供电缺口光伏工程占地面积，以计算装机量。本发明以已建成和/或投建中的光伏工程数据为基准，在未建设光伏设备的区域确定适合投建光伏设备的地点，之后预测装机量，无需技术人员介入，降低了人为因素的干扰，提高了预测精度。

Description

一种基于大数据技术的光伏设备装机量预测方法
技术领域
本发明涉及数据分析技术领域，尤其涉及一种基于大数据技术的光伏设备装机量预测方法。
背景技术
对于当前的某个国家和地区的光伏设备分析技术来说，主要采用的技术方法是基于该国家和地区的光伏设备装机量的政策进行分析，将其中的各类需求定量化描述，由专业技术人员基于信息预测今后一段时间内的装机量，尤其是对于可装机的地点、密度和未来规划预测总量。另外也可基于能源需求预测该地区的装机量，基于区域的能源缺口建立需求等级表，以行政区域为单位，基于能源缺口，预测光伏设备装机量。
现有技术方案中存在一些问题，首先是仅按照某国家或地区的政策，进行光伏设备装机量的预测工作，虽然会对政策进行量化，但是需要大量的技术人员参与，导致给出的结果主观性因素过大，很容易出现过大的偏差量。其次是对于光伏设备来说，常见的类型有太阳能设备和盐熔设备，每种设备对于自然环境的要求和需求不同，一些情况下会出现某个地区从表面来看适合多种光伏设备，但是实际操作中，盐熔设备和太阳能设备的全寿命周期成本不同，需要进一步筛选，目前的方案中，对这一要素考虑不足。最后是需要考虑的客观信息不完整，以地理环境为基准，光照参数为选定要素，对其他环境因素的考虑不足。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于大数据技术的光伏设备装机量预测方法，解决目前光伏设备装机量预测方法中的主观性过于严重、对于未建设光伏设备地区的分析水平较低和光伏设备预测中的设备选型适当性不足的问题。
为解决上述技术问题，本发明所采取的技术方案是：
一种基于大数据技术的光伏设备装机量预测方法，包括以下步骤：
步骤1：根据待预测光伏设备装机量的国家或地区地形图，确定已建成和/或投建中的光伏工程的地理位置和占地面积；
步骤2：对待预测光伏设备装机量的国家或地区地形图进行覆膜，覆膜能够完全覆盖整张地形图的网格；
步骤3：获取待预测光伏设备装机量的国家或地区中已建成和/或投建中的光伏工程地理环境和气象环境数据监测基站数据，构造离线指纹；
步骤4：取得已建成和/或投建中的光伏工程离线指纹，获取离线指纹中所有地理环境数据和气象环境数据的影响权重方程；
步骤5：将待预测光伏设备装机量的国家或地区中未建设和/或无建设计划区域的网格定义为空白网格，并在空白网格中布置虚拟离线指纹基站，并构建相应的离线指纹；
步骤6：根据已建成和/或投建中的光伏工程离线指纹中所有地理环境数据和气象环境数据的影响权重方程，基于所有空白网格中地理环境和气象环境数据监测基站的离线指纹所携带的地理环境信息和气象环境信息，判断是否符合投建光伏设备标准；
步骤7：根据所携带离线指纹符合投建光伏设备标准的基站，确定所有符合光伏设备建设标准的空白网格，构建空白网格集合，并扫描所有空白网格，确定合格网格集合；
步骤8：确定合格网格集合中真正投入光伏设备投建区域的占地面积；
步骤9：根据已建成和/或投建中光伏工程中真正用于投建光伏设备区域的占地面积和建设的光伏设备数量，计算光伏设备的单台占地面积；
步骤10：根据所述已建成和/或投建中光伏工程区域，计算所述已建成和/或投建中光伏工程区域向人口密集区域的供电量，计算人口密集区域总用电量和所述已建成和/或投建中光伏工程向人口密集区域的供电量差值，得到所述人口密集区域所需的补充性光伏工程供电量；
确定所述人口密集区域的地理环境数据，选定所述人口密集区域的补充性光伏工程占地面积和补充性光伏工程中单台光伏设备的占地面积，计算人口密集区域的光伏设备装机量。
进一步地，所述步骤2的具体方法为：
获取待预测光伏设备装机量的国家或地区地形图，并确定地形图的边界线；将边界线分段，使每一段边界线为直线段，且每一段直线段长度相同；以每一段直线段为底，在地形图内构建等腰直角三角形，并计算等腰直角三角形的直角边长度；以所述等腰直角三角形直角边长度为正方形网格边长，构建完全相同的正方形网格，并覆盖整张地形图。
进一步地，所述步骤3中构造离线指纹具体包括：
获取已建成和/或投建中的光伏工程地理环境和气象环境数据监测基站数据；
对已建成和/或投建中的光伏工程地理环境和气象环境数据监测基站数据编码；
所述光伏工程地理环境包括经纬度、和相邻基站的高度落差、海拔高度、环境类型、地下硬质土层距离地表厚度；
所述气象环境数据包括风力、日照时间、降水量、空气湿度、空气温度；
所述离线指纹还包括已建成和/或投建中光伏工程中投建光伏设备类型；
所述离线指纹还包括该离线指纹所存储于的离线指纹基站与其他离线指纹的间距和高度差。
进一步地，所述步骤4包括以下步骤：
取得已建成和/或投建中光伏工程中所有离线指纹中的地理环境数据和气象环境数据；
将所述离线指纹中的地理环境数据和气象环境数据写入矩阵，并将所述离线指纹中的地理环境数据和气象环境数据的矩阵与权向量相乘；
求取已建成和/或投建中每一类地理环境数据和气象数据均值，并将其写入一个列向量矩阵；
得到特征方程，方程左侧为地理环境和气象环境数据矩阵与权向量相乘，方程右侧为地理环境数据和气象环境数据均值的列向量；
根据特征方程，计算得到权向量中的所有数值，得到权重方程。
进一步地，所述步骤5中构建离线指纹具体包括：
确定已建成和/或投建中光伏工程中每个正方形网格中的离线指纹基站数量；
计算已建成和/或投建中光伏工程中正方形网格中的离线指纹基站数量均值；
在每个空白网格中设置已建成和/或投建中光伏工程中设置虚拟离线指纹基站，虚拟离线指纹基站数量与正方形网格中的离线指纹基站均值相同；
空白网格中虚拟离线指纹基站中存储的离线指纹，输入其所在位置的地理环境信息和气象环境信息，不记录光伏设备类型信息。
进一步地，所述步骤6的具体方法为：
获取虚拟离线指纹基站的离线指纹所携带的地理环境信息和气象环境信息，并带入离线指纹中所有地理环境数据和气象环境数据的影响权重方程；
得到每一项地理环境数据和气象环境数据经过所述离线指纹中所有地理环境数据和气象环境数据的影响权重方程计算后的结果；
计算上述影响权重方程计算后的结果与每一类地理环境数据和气象数据均值的比值，并设置比值阈值；
若空白网格中虚拟离线指纹基站中存储的离线指纹，超过半数落入所述比值阈值，则该空白网格适合投建光伏设备；
计算适合投建光伏设备的空白网格中每个离线指纹地理环境数据和气象环境数据，与已建成和/或投建中光伏工程地理环境数据和气象环境数据均值的比值，根据该比值最小时所对应的地理环境数据和气象环境数据，确定适合投建的光伏设备类型。
进一步地，所述步骤7的具体方法为：
设置一个3×3的空白网格集合，空白网格集合的第一个空白网格和覆膜中的第一个正方形网格重合；
使用空白网格集合对覆膜进行扫描，确定当前被扫描的空白网格集合中符合投建光伏设备标准的空白网格数量和分布，符合投建光伏设备标准的网格数量不少于5个，且连续分布；
利用空白网格集合扫描所有的空白网格，每次扫描步长为1，若网格集合中存在一个非空白网格，则被剔除；
扫描所有空白网格集合，将相邻并且适合投建同一类型光伏设备的空白网格组合，得到合格网格集合。
进一步地，所述步骤8的具体方法为：
确定合格网格集合中的空白网格数量和每个空白网格的占地面积，计算合格网格集合的总占地面积；
确定光伏工程中配套设施的位置和占地面积，若配套设施位于合格网格集合范围内，则计算合格网格集合的总占地面积和光伏工程中配套设施占地面积差值；若配套设施位于合格网格集合范围外，则合格网格集合的总占地面积为投入光伏设备投建区域的占地面积。
进一步地，所述步骤10具体包括：
确定人口密集区域的地理位置，并确定人口密集区域周边空地；
基于已建成和/或投建中的光伏工程供电线路，计算所述人口密集区域的用电缺口；
选定所述人口密集区域周边空地中可投建补充光伏工程区域，所述补充光伏工程区域用于填补人口密集区域的用电缺口；
确定所述人口密集区域周边空地中投建补充光伏工程区域面积，根据所述可投建补充光伏工程区域中的光伏设备单台占地面积，计算光伏设备投建量。
采用上述技术方案所产生的有益效果在于：本发明提供的基于大数据技术的光伏设备装机量预测方法，并不是直接使用现有经验进行预测，而是根据被预测光伏设备装机量国家或地区中，已建成和/或投建中的光伏工程，确定单台设备的占地面积，预测该国家或地区投建的光伏设备装机量，使得光伏设备装机量预测中，完全基于该国家或地区的投建标准计算，降低了误差；利用离线指纹中记录的地理环境信息和气象环境信息，确定被预测光伏设备装机量国家或地区中适合投建光伏设备的区域，并确定这类区域中，实际用于投建光伏设备区域的占地面积，无需由技术人员参与全部的预测工作，减小了主观误差；完全基于被预测光伏设备装机量国家或地区的现有光伏工程数据，进行结果分析，且预测方法中可以加入多种限制因素，提高了预测效率和系统定制化能力；且基于人口密集区域的用电量和光伏工程的供电量，计算人口密集区域的用电缺口，确定补充性光伏工程中的光伏设备投建量，以提高光伏设备装机量的预测精度，并顺应未来很长时间内的发展趋势。
附图说明
图1为本发明实施例提供的基于大数据技术的光伏设备装机量预测方法流程图；
图2为本发明实施例提供的离线指纹中所有地理环境数据和气象环境数据的影响权重方程确定方法流程图；
图3为本发明实施例提供的合格网格集合中真正投入光伏设备投建区域的占地面积确定方法流程图；
图4为本发明实施例提供的光伏设备装机量预测结果计算方法流程图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
在本发明的技术方案中，面向对象为一些国家或地区，不同国家或地区中，对于光伏工程的建设情况都处于四种状态，即：已经竣工的光伏工程、正处于建设中但未竣工的光伏工程、正处于论证阶段还并未正式开工建设的光伏工程、完全未建设光伏工程，且这四种状态可以同时存在。本发明中，对于数据来源集中在已经竣工的光伏工程、正处于建设中但未竣工、正处于论证阶段还并未正式开工建设的工程，为简化叙述，将这类工程统一称为“已建成和/或投建中光伏工程”。
实施例一
本实施例适用于对于光伏设备装机量的整体预测工作，可以由基于大数据技术的光伏设备装机量预测系统执行，以实现一种基于大数据技术的光伏设备装机量预测方法。
如图1所示，本实施例的具体方法如下所述。
步骤1：根据待预测光伏设备装机量的国家或地区地形图，确定已建成和/或投建中的光伏工程的地理位置和占地面积。
该步骤是为了确定被预测国家或地区中，所有可以建设光伏设备的潜在区域，尤其是根据光伏设备和该地区地理环境的适配性，考虑到大型光伏工程占地面积更大，那么在光伏设备的安装区域规划中，还要考虑场地面积，所有这些分析工作，都需要基于地形图进行分析。
其中，获取被预测国家或地区的地形图，确定地形图中的森林、湖泊、山脉、荒漠等环境区域。
对被预测国家或地区的海拔地形图中，确定地形和地势，并进行图像处理，在每个区域内都绘制等高线，以显示被预测国家或地区任意区域的地形情况。
在地形图上划定不同地理环境的范围，比如森林环境，就根据输入森林覆盖区域的经纬度坐标，由地形图自行对经纬度坐标连线，得到封闭曲线，则该封闭曲线区域内即为森林环境。
具体实施中，也可以在地形图上直接由地图绘制人员绘制封闭曲线，该曲线内部即为相应地理环境的范围。
将被预测国家或地区的人文环境也纳入地理环境范畴，比如人口密集区的位置、现有人造工程的位置、人造工程的聚集区、各类禁区等。
在地形图中输入被预测国家或地区的气象环境数据，包括风力、光照强度和时间长度、储水量、区域平整度等。
所有待预测国家或地区的地形图中，对于已建成和/或投建中光伏工程，在地形图中划分光伏工程区域，并显示光伏工程边界。
步骤2：对待预测光伏设备装机量的国家或地区地形图进行覆膜，覆膜能够完全覆盖整张整形图的网格。
该步骤的目的是，对待预测光伏设备装机量的国家或地区覆膜覆盖整张地图后，可以对该国家或地区利用网格描述已建成和/或投建中光伏工程的地理环境和气象环境数据，并对未建设光伏工程的区域进行描述。
利用卫星地图、遥感测量地图等，确定该国家或地区的地图边界，对于边界线，对其按照固定的长度分解成多段等长线段，且将每一段都认为是直线段，以该分解后的线段为底，在地形图内构建等腰直角三角形，并计算等腰直角三角形的直角边长度。
对于覆膜的网格来说，除了国家或地区边界线区域的网格为等腰直角三角形，其余区域的网格都为正方形，每个正方形网格的边长都和等腰直角三角形的直角边相同。
考虑到光伏工程会建设在距离边界线较远距离，在覆膜时，可以将覆膜范围进行调整，只在待预测光伏设备装机量的国家或地区内的一定区域内。
步骤3：获取待预测光伏设备装机量的国家或地区中，已建成和/或投建中的光伏工程地理环境和气象环境数据监测基站数据，构造离线指纹。
该步骤的目的是获取被预测国家或地区中光伏设备建设工程的现有数据，并且将这类工程中的地理环境数据和气象环境数据作为离线指纹编码中必须纳入的数据，并将这类现有数据作为今后预测工作中的基准数值，从而进行更为精准的预测。
确定已建成光伏工程区域，确定该区域内的光伏设备安装密度、数量、区域占地面积等数据，在同一个光伏工程区域内，装机量数据为公用数据，每个离线指纹基站中都要存储，且要保证相同。
确定已建成光伏工程的地理位置，离线指纹基站存储该基站位置地点的经纬度坐标。
离线指纹记录该离线指纹基站所处位置的地理环境信息，包括和相邻基站的高度落差、环境类型(如：河流、森林、沙漠等)、海拔高度、地下硬质土层距离地表厚度等。
离线指纹还记录该离线指纹基站所处位置的气象环境数据，包括日均光照时间、降雨量、风力、空气温度、空气湿度等。
离线指纹中的所有数据都按照相同格式的编码记录，从而让编码能够被计算机读取，比如某编码为：[N：32；O：29440；L：47.6°N；2.3°W；AD：(1)：-1.4，30；(2)：0.8，45；(3)：0.5，28；G；E：288；ST：12.3；RD：723；WS：15；H：0.82；T：23]，其代码含义为：该离线指纹基站所处的光伏工程中存在32台风力发电机组(N)；该离线指纹所处的光伏工程占地面积为29440㎡；该离线指纹所处地点(L)为北纬47.6°，西经2.3°；和周围离线指纹基站高度差(AD)为：和1号离线指纹基站(距离30m)高度差为-1.4m，2号离线指纹基站(距离45m)高度差为0.8m，和3号离线指纹(距离28m)，高度差为0.8m；该离线指纹基站位于草原环境(G)；该离线指纹基站海拔(E)为288m；该离线指纹基站日均太阳光照时长(ST)为12.3h；该离线指纹基站所处位置平均降水量(RD)为723mm；该离线指纹基站日均风速(WS)为15m/s；该离线指纹基站所处位置平均空气湿度为0.82；该离线指纹基站所处位置平均温度为23℃。
根据实际需要，在建立的离线指纹编码中设置其他需要加入的地理环境和/或气象环境参数。
具体实施中，也可以按照其他模式进行离线指纹编码，但是对于所有的离线指纹，其编码形式和编码中涵盖的数据类型都完全相同。
对于人口密度较高的区域内，还需要在离线指纹中，记录该离线指纹基站覆盖范围内单位时间内的电能消耗量。
对于单位时间内的电能消耗量，设定时间段长度，计算该时间段内的电能消耗量，计算该时间段内的电能消耗量和时间段长度的比值，得到单位时间内的电能消耗量，该数值在离线指纹中持续更新。
对于被预测国家或地区的所有地理环境中，都可以通过建设的现有通信基站、气象基站等生成的数据，将这类数据和地形图等数据进行编码组合。
对于已建成的光伏工程区域，对所有的信息进行编码处理得到的离线指纹视为已经固定的离线指纹，对其进行存储且不可修改。
对于投建中的光伏工程，尤其是出于正在规划中的工程，生成的离线指纹视为可调整类离线指纹，离线指纹中的所有数据需要基于投建中光伏工程的信息进行实时更新。
步骤4：取得已建成或投建中的光伏工程离线指纹，获取离线指纹中所有地理环境数据和气象环境数据的影响权重方程。
该步骤的目的是，对于离线指纹来说，为囊括了地理信息、工程信息和气象信息的编码，对于其他区域中适合建设光伏工程的区域，不同国家或地区考虑的地理环境数据和气象环境数据不同，因此在预测中，通过建立影响权重方程，选定光伏工程建设中的最佳区域。
在数据的处理中，需要对气象环境数据和地理环境数据进行耦合，对于其中的地理环境数据，去除对于光伏工程无影响的数据，比如经纬度数据。可以按照多种方式进行耦合处理，比如按照如下方式处理：
建立气象环境和地理环境的特征方程组，如下：
其中，A，B，···，F为气象环境数据和地理环境数据中的影响权重，如风力、河流流量、海拔、降水量、日照时间、森林覆盖等；a1，a2，···，an、b1，b2，···，bn、f1，f2，···，fn为气象环境数据和地理环境数据；P，Q，···，Z为基于已建成和/或投建中光伏工程中地理环境和环境数据的处理结果，可以采用多种方式处理，比如按照如下方式处理：
该处理方法中，对于已建成和/或投建中光伏工程中具体环境数据的均值。
在经过方程(1)的处理之后，可以得到影响权重A，B，···，F的计算结果，或者得到特征向量，之后计算得到特征值，该特征值即可视为所有气象环境数据和地理环境数据的权重值，从而得到包含了权重值和气象环境数据和地理环境数据的耦合方程。
对于已建成和/或投建中光伏工程离线指纹密集度参数的原始数据处理，将每个离线指纹中的气象环境数据和地理环境数据都提取出，则得到的结果处理方程为：
其中，a11，a21，···，an1、b11，b21，···，bn1、f11，f21，···，fn1为未建设光伏工程区域中的气象环境数据和地理环境数据；P’，Q’，···，Z’为已建成和/或投建中光伏工程离线指纹中气象环境数据和地理环境数据的处理结果。
步骤5：将待预测光伏设备装机量的国家或地区中，未建设和/或无建设计划区域的网格定义为空白网格，并在空白网格中布置虚拟离线指纹基站，并构建离线指纹。
该步骤的目的是，确定预测光伏设备装机量的国家或地区中，将已建成和/或投建中光伏工程与并未建设或当前无建设计划的区域区分开来，在后续适合的光伏工程范围划分中，只需在空白网格区域选定即可，避免经过大量的分析和计算中，选定的范围落入已建成和/或投建中的区域。
划定的网格可以在光伏设备预测系统中进行调整，任何情况下，网格面积都可知。
得到步骤2的覆膜网格图之后，在地形图上划定了已建成和/或投建中光伏工程的区域，确定所有网格和已建成和/或投建中光伏工程的重叠情况，只要某网格的任意一部分落入已建成和/或投建中的光伏工程区域内，该网格都认为是非空白网格。
虚拟离线指纹的布设中，需要考虑虚拟离线指纹之间的空间关系和虚拟离线指纹中存储的地理环境和气象环境数据；
对于虚拟离线指纹的空间关系，按照已建成和/或投建中光伏工程中，平均每个网格中离线指纹基站之间的间距和数量确定，确定其中一个虚拟离线指纹基站的位置，该位置和已建成和/或投建中光伏工程中某个基站和网格的相对位置相同。例如，经过计算，已建成和/或投建中光伏工程每个网格中的离线指纹基站间距均值为50m，数量为3个，其中一个基站距离网格相邻两条边的距离分别为4m和5m，则布设的虚拟离线指纹基站方案中，选择一个虚拟离线指纹距离空白网格相邻两条边距离分别为4m和5m，并布设3个虚拟离线指纹基站，相邻两个虚拟离线指纹基站间距为50m。
对于气象环境数据，根据气象遥测卫星或者地面气象观测基站取得，并输入，由于设置的虚拟离线指纹基站并不具备该点位的气象环境数据，可以以该空白网格区域的平均气象环境数据作为虚拟离线指纹基站所记录的气象环境数据。
步骤6：根据已建成和/或投建中光伏工程离线指纹中所有地理环境数据和气象环境数据的影响权重方程，基于所有空白网格中地理环境和气象环境数据监测基站的离线指纹所携带的地理环境信息和气象环境信息，判断是否符合投建光伏设备标准。
该步骤的目的是，在确定了待预测光伏设备装机量的国家或地区中已建成和/或投建中的光伏工程之后，根据工程的运行参数，确定光伏设备的装机标准，在后续的光伏设备装机中，该国家或地区按同一套标准进行地址选择和建设，在空白网格范围内选址。
其中，提取空白网格内所有离线指纹中的地理环境数据和气象环境数据，空白网格中离线指纹的来源包括现实存在的离线指纹基站和布设的虚拟离线指纹基站。
根据步骤4中的方程(3)，将每个离线指纹中记录的地理环境数据和气象环境数据带入方程(3)中，得到计算结果，并将该计算结果和步骤4中方程(2)处理后的数据结果比较，若比较结果落在符合投建光伏设备标准内，认为该离线指纹符合标准，对应的，记录并存储该离线指纹的离线指纹基站所处位置是适合投建光伏设备的，若有超过一半的离线指纹落入了阈值范围，则该空白网格适合投建光伏设备。
对于落入阈值范围内的离线指纹排序，排序方式为：取得了经过方程(3)进行处理的结果之后，和方程(2)的计算结果比较，并选定差值最小的数值，根据该数值确定该离线指纹中存储的地理环境和气象环境数据中所展示的最适合投建的光伏设备类型。
对于其中光伏设备的选型中，按照已经设定的特征算法进行处理，该过程中需要确定的内容为被预测国家或地区已建成和/或投建中光伏工程中其他的考虑要素。计算方程为：
其中，j1，j2，···，jn、k1，k2，···，kn、q1，q2，···，qn为光伏工程中的各类其他考虑要素定量化结果，如人口密度、安全距离、是否为水源地、是否为当地的森林和动物保护区等；J，K，···，Q为光伏工程中的各类其他考虑要素权重，P”，Q”，···，Z”为光伏工程中的各类其他考虑要素处理结果，可以采用多种方式处理，比如按照方程(2)的方式处理。
得到了特征值的计算结果之后，对于得到的符合光伏设备投建网格之后，则需要对这些网格中的其他考虑要素定量化处理，其定量化方法和方程(4)中的其他考虑要素定量化结果的处理方法完全相同，并带入基于方程(4)得到的权重方程中，以判断各类其他考虑要素是否符合光伏工程的建设标准。
确定了所有适合投建光伏设备的离线指纹之后，在离线指纹中更新适合投建的光伏设备类型信息，并存储。
获取每个空白网格中适合投建光伏设备的离线指纹中携带的光伏设备类型信息，确定该空白网格中适合投建的光伏设备类型，选择方法为，多个离线指纹中携带的光伏设备类型相同，直接确定为该空白网格适合投建该类型的光伏设备。
同一个空白网格中离线指纹携带的光伏设备类型数据不同，则按照数量确定，所有离线指纹中，某光伏设备类型数据最多，则选择该类型的光伏设备。
扫描的空白网格集合中，符合光伏设备投建标准的空白网格总量多于5个，则该空白网格集合认为可以作为适合投建光伏工程的一部分空间。
扫描的空白网格集合中，若符合光伏设备投建标准的空白网格不连续分布，则该空白网格集合认为不适合投建光伏设备。
步骤7：根据所携带离线指纹符合投建光伏设备标准的基站，确定所有符合光伏设备建设标准的空白网格，并确定符合光伏设备建设标准的空白网格集合，作为合格网格集合。
该步骤的目的是，空白网格中的离线指纹基站为一个个的点，而光伏工程明显为一个面，实践操作中，可能存在的现象是，某个空白网格中，仅有一个离线指纹是符合标准的，且网格的占地面积较大，其中包含多个离线指纹基站，如果仅依靠这个符合标准的离线指纹，认为该网格范围适合投建光伏设备，显然是错误的，步骤7的目的就是解决该问题。
按照步骤6的方法，确定所有符合光伏设备装机标准的离线指纹，由此确定了离线指纹基站，设定合适安装光伏设备的空白网格，求取每个空白网格中符合光伏设备装机标准的离线指纹数量与总离线指纹数量的比值，并设置比值阈值，只有高于该阈值时，才可认为该空白网格可以用于投建光伏设备。
具体实施中，还可以采用其他空白网格选取方法，以选定可装机光伏设备的空白网格。
设置空白网格集合，并基于空白网格集合，划定光伏设备可装机区域内所包含的所有网格，构成合格网格集合。
利用网格集合对所有的网格进行扫描，单个网格数量有m×n个，排布方式按照行列排布结果为(m，n)，以第(2，2)个网格直至(m-1，n-1)个网格为中心，周围8个网格为划定范围，构成网格集合。可以按照如下表示：
其中，r、s和t分别代表某个空白网格集合中第一列空白网格的编号。
对于所有的空白网格，判断以某个空白网格为中心，周围8个网格构成的空白网格集合是否全部为空白网格，若是，则为空白网格集合；否则，分析下一个区域，并进行重复分析；
根据网格大小和面积，对空白网格集合的数量进行调整，比如对于划定的空白网格集合，按照“z”字型、“目”字型进行划定，并进行对所有空白网格的扫描分析。
按照已建成和/或投建中光伏工程占地区域的网格数量和/或网格构成形状作为网格集合的设计基础，以进行对所有空白网格的扫描。
每次扫描的步长为1，即：某次扫描的空白网格集合为矩阵(5)，则下一次扫描的矩阵为：
按照先行后列的方式扫描，直至空白网格集合中任一行的空白网格接触到待预测光伏设备装机量国家或地区中边界线区域的等腰直角三角形网格时，则更换到下一行进行扫描，扫描方式相同。
任何一个空白网格集合中存在已建成和/或投建中光伏工程区域的网格，则认为该网格集合并非空白网格集合，将其剔除。
对于分析空白网格集合是否全都为空白网格的目的是，考虑到大型光伏工程通常面积较大，而网格的面积往往小于大型光伏工程面积，只有在空白网格集合都是空白网格时，这个空白网格集合方可认为具有了光伏工程投建的占地面积基础，若仅有一个网格符合各类环境参数，则不可能在过小的范围内建设大型光伏工程。
计算所有空白网格集合中符合光伏设备建设标准的空白网格数量，只有数量符合要求时，该空白网格集合体才可认为适合建设光伏设备。
由于空白网格集合的扫描中，每次都会包含上一个空白网格中的6个空白网格，当确定本次扫描的空白网格集合中，适合投建光伏设备的空白网格数量少于标准，该网格集合体被剔除，认为该区域不适合投建光伏设备。
若两个空白网格集合之间，按照扫描步数(即以某次空白网格集合为基准，扫描的下一个网格为第一步，以此类推)来看距离较近，则将经过扫描的中间空白网格集合也认为是符合投建光伏设备的区域。比如在某次扫描中，发现：和都是适合投建光伏设备的区域，但是中间的空白网格集合为不适合投建光伏设备的区域，此时在间距上符合标准，则将中间扫描步骤的空白网格集合，即也认为是符合投建光伏设备的空白网格集合，这三个空白网格的组合区域，认为是合格网格集合。
如果发现相邻两个空白网格集合中，适合投建的光伏设备类型不同，则这两个空白网格认为是不可组合的，不能将其直接构建成合格网格集合。
步骤8：确定合格网格集合中投入光伏设备投建区域的占地面积。
该步骤的目的是，考虑到在很多光伏工程中，并非所有的区域都用于投建光伏设备，比如将其中一部分划定为设备操控和技术人员休息区，还有一部分划定为变电站，如果将这类区域也认为是投建光伏设备，则最终对光伏设备投建量的预测结果误差很大，需要解决该问题。
在确定了合格网格集合后，确定其中并非用于投建光伏设备的区域，确定如果该合格网格集合真正建设成光伏工程后需要投入的技术人员数量，并确定生活区域的占地面积，该区域认为是非光伏设备投建区域。
对于光伏工程中，根据装机容量确定电力系统配套设施的占地面积。
将整个合格网格集合都完全认为是投建光伏工程的区域，将其他配套设施都设置在光伏工程外。
步骤9：根据已建成和/或投建中光伏工程中，真正用于投建光伏设备区域的占地面积，和建设的光伏设备数量，计算光伏设备的单台占地面积。
该步骤的目的是，考虑到已建成和/或投建中光伏工程可能并非所有的区域都用于投建光伏设备，同时虽然每台光伏设备都具有安装标准，尤其是存在安装面积方面的经验数值，但是对于不同的国家或地区来说，其在光伏设备投建中，使用的标准可能为其基于相关经验和法规重新建设的，需要基于已建成和/或投建中光伏工程中实际用于投建光伏设备区域的占地面积和装机量，此时才可得到光伏设备单台阵地面积的真实数据。
根据划定的网格，确定已建成和/或投建中光伏工程中的配套设施占地面积，从已建成和/或投建中光伏工程的总占地面积中，剔除配套设施占地面积，作为实际用于建设光伏设备区域的占地面积。
计算实际用于建设光伏设备区域的占地面积和装机量的商值，得到光伏设备的单台占地面积。
步骤10：根据所述投建光伏设备区域，计算人口密集区域的光伏工程供电缺口，并确定人口密集区域的地理环境数据，选定人口密集区域的光伏工程占地面积和单台光伏设备的占地面积，计算人口密集区域的光伏设备装机量。
该步骤的目的是，在计算了被预测国家或地区中的大型光伏工程后，可计算发电量，并基于当地的供电系统，确定这类大型光伏工程对人口密集区域的供电量，并确定该区域的用电量，计算用电缺口，计算该区域中的补充光伏工程，确定这类补充光伏工程的光伏设备投建量。
计算大型光伏工程的总发电量，并基于当地的供电系统，确定对其支持供电的人口密集区域的供电量。基于人口密集区域的用电量，计算光伏工程发电量上的用电缺口。
对人口密集区域周边区域覆膜，并确定这类区域的占地面积和与人口密集区域的间距，确定补充光伏工程的面积。
根据补充光伏工程面积和单台光伏设备占地面积，计算光伏设备投建量。
对于补充光伏工程，对合格网格集合的离线指纹固定信息更新确定，如：经纬度、平整度、水文环境等，对于进行了实际建设的工程，则按照投建中光伏工程的离线指纹更新方法处理。
数据更新中，对于新建设的光伏工程，要按照数据采集—数据预更新—数据最终更新的流程处理，所有的数据都按照离线指纹的模式进行存储。
对于光伏工程中包含的虚拟离线指纹基站，对虚拟离线指纹基站中的离线指纹进行数据更新，更新内容为地理环境数据和气象环境数据。
实施例二
图2为离线指纹中所有地理环境数据和气象环境数据的影响权重方程确定方法流程图，本实施例适用于对整个光伏工程的离线指纹中所有地理环境数据和气象环境数据的影响权重方程确定方法，其目的在于，离线指纹只能按照点位的方式进行描述，但是对于光伏设备选型中，各类地理环境数据和气象环境数据，对光伏设备选型的影响难以衡量，需要通过设置权重进行处理。
S210、已建成和/或投建中光伏工程所有地理环境数据和气象环境数据的影响权重数据取得。
该步骤的目的是，通过对当前已建成和/或投建中光伏工程的离线指纹，对其中的各类数据进行选择，之后才可以根据选择的数据类型，判断这类工程项目的关键性数据，利用这类关键性的数据确定合格网格集合。
对于已建成和/或投建中光伏工程来说，将其按照网格进行覆盖，每个网格中都含有多个离线指纹基站，则每个网格中存在多个离线指纹，由于已建成和/或投建中光伏工程的气象环境数据、区域平整度等信息，对于光伏工程的影响最大，则选型的离线指纹编码为这类数据。
离线指纹中包括气象环境数据和地理环境数据两类数据，对于这两类数据进行提取，从而确定对于所有离线指纹中所代表的编码数据。
气象环境数据和地理环境数据进行耦合处理，对于其中的地理环境数据，去除对于光伏工程无影响的数据，比如经纬度数据。
S220、已建成和/或投建中光伏工程离线指纹密集度参数的原始数据处理。
该步骤的目的是，确定当前已经建成的光伏工程或者投建中和/或当地已经确认的投建计划，基于这类区域中的光伏设备装备量以及气象环境数据，以这类数据为基准，预测后续该区域内的光伏设备这装备的可建设量。而对于所有地理环境数据和气象环境数据的影响权重的计算，是以多个离线指纹为基础，确定离线指纹密集度所覆盖区域内的已经建设的光伏设备投建量。
具体的，对于已建成和/或投建中光伏工程区域内的离线指纹进行选择，确定该区域中的网格，位于这类网格中的离线指纹，则确定为离线指纹密集度参数的原始数据；
对于不规则的已建成和/或投建中光伏设备装备工程为不规则图案，若工程边界跨越两个网格，则认为其中任何一个包含该工程区域的网格为合格网格；
对于不规则的已建成和/或投建中光伏工程的边界，若其中一部分位于一个网格，且该网格中的一些离线指纹基站位于工程区域内，而另外一些位于该工程区域外，将位于该工程区域外的离线指纹基站去除。
其中，对所有取得离线指纹编码中的气象环境数据、地理环境数据进行读取，并将这类数据看作是光伏设备装备区域内对气象环境和地理环境的硬性需要。
S230、空白网格集合离线指纹中，所有地理环境数据和气象环境数据处理。
该步骤的目的是，对于各类空白网格中的所有离线指纹参数进行识别和分析，选择其中的气象环境数据和地理环境数据，并带入到方程(3)中，以得到计算结果。
空白网格中的离线指纹信息，对于气象环境数据和地理环境数据的处理方式和存储方式完全相同，从而将气象环境数据和地理环境数据带入到方程(3)中，得到结果。
对于空白网格集合进行筛选，对这些空白网格集合中的所有离线指纹中的气象环境数据和地理环境数据都带入方程(3)中，得到计算结果。
对于空白网格集合的筛选中，要能够覆盖所有的空白网格集合，按照步骤7中的所有空白网格集合处理，具体的，第一个空白网格集合的网格第一个为(1，1)，最后一个为(3，3)，构成9个空白网格集合，第二个空白网格集合中，第一个空白网格为(2，1)，最后一个为(4，3)，构成9个空白网格集合。
对于已建成和/或投建中光伏工程的外部区域，对于这类外部区域的空白网格的离线指纹进行处理，将其中的气象环境数据和地理环境数据带入方程(3)中，以得到计算结果。
对于空白网格集合的覆盖范围确定，按照固定个数的空白网格进行集合，若发现一些区域的空白网格不能按照固定个数的空白网格集合进行处理，则调整空白网格集合中的网格数量和网格排布方式。
空白网格集合的处理中，空白网格集合的边界为，包含已建成和/或投建中光伏工程边界的网格相邻的空白网格。
S240、空白网格集合离线指纹参数验证。
该步骤的目的是，对空白网格集合的离线指纹中的气象环境数据和地理环境数据进行分析，将经过方程(3)得到的计算结果和方程(2)的结果进行比对验证，从而确定当前的空表网格集合是否适合建设光伏设备。
将空白网格集合中的所有离线指纹和已建成和/或投建中光伏工程中的离线指纹记录的地理环境数据和环境数据比较，确定所有空白网格集合中，就参数表现来看，适合投建光伏设备的离线指纹基站，
在经过方程(3)的方程，得到了计算结果之后，需要对得到的结果进行对比，对比方法有多种，如：
其中，σn为不同的气象环境数据和地理环境数据的计算结果和实际值的比值。
按照不同光伏设备运行中，对于气象环境和地理环境的关键需求，对不同的比值按照重要性程度进行排序。
基于方程(6)，确定符合投建光伏设备的空白网格集合，和已建成和/或投建中光伏工程的气象环境数据和地理环境数据的计算结果和实际值的比值最小值，此时确定这一空白网格集合适合投建比值最小值时，所对应的光伏设备。
对于已建成和/或投建中光伏工程的网格相邻的空白网格，经过方程(3)和(4)的处理之后，从比值上来看，发现其中仅有一些网格适合投建光伏设备，则认为这些空白网格不适合投建光伏设备。
S250、合格网格集合确定。
所谓的合格网格集合，是指适合投建光伏设备的空白网格集合，该步骤的目的是，确定所有空白网格区域内，适合投建光伏设备的区域，只有在区域得到了确认之后，才可预测装机量。
每个空白网格的面积已知，确定空白网格集合的面积。
对于有交叠区域的空白网格集合，则这些空白网格集合视为相邻，计算所有这些相邻区域的占地面积。
根据合格网格集合的占地面积，进一步对是否可装机进行验证，该过程要基于已建成和/或投建中光伏工程占地面积的比值，并设置占地面积比值阈值，在该阈值范围内，则认为合格网格集合确实可装机。
对于两个或多个合格网格集合间距符合忽略范围，即：可以直接认为这两个或多个合格网格集合和中间的空白网格能够直接组合，可以将这两个或多个合格网格集合进行结合，并包含空白网格，合格网格集合间距可以按照要求设定；
合格网格集合都由空白网格组合，且这类网格的边界为正方形，那么合格网格集合的组合也必然为矩形，或者其他所有边角都为直角的形状，将合格网格集合直接视为可以投建光伏设备的区域；
对每个可装机中的所有离线指纹基站中的具体离线指纹数据进行提取，取得其中的气象环境数据和地理环境数据，按照方程(3)进行计算，得到具体的数据，并按照方程(6)获取比值，筛选出合格网格集合中，气象环境数据和地理环境数据耦合后，符合要求的具体离线指纹基站，并确定符合要求离线指纹基站的覆盖区域，这类区域为可投建光伏设备的区域；
对合格网格集合的最外侧网格为基准，取得这类最外侧网格中的离线指纹基站中的离线指纹，将其中的气象环境数据和地理环境数据，按照方程(3)进行计算，得到具体的数据，并按照方程(6)获取比值，筛选出合格网格集合中，气象环境数据和地理环境数据耦合后，合格网格集合中最外侧网格中，符合要求的具体离线指纹基站，对相邻的基站进行连接，得到一条封闭曲线，该封闭曲线的覆盖区域即为可投建光伏设备的区域。
实施例三
图3为合格网格集合中真正投入光伏设备投建区域的占地面积确定方法流程图，本实施例适用于对合格网格集合中真正投入光伏设备投建区域的占地面积的确定方法，其目的在于，在已经确定了合格网格集合之后，在这类合格网格集合所覆盖的区域之内，对可装机区域实现预确定，并在预确定之后，对可建设光伏工程区域进行实际确定，实现对整个区域的最终确定。
S310、根据合格网格集合的覆盖区域，确定可装机区域。
该步骤的目的是，对于当前已经选定的合格网格集合，对这类区域进行筛选，当然，这类合格网格集合显然为具有直角边的规则图形，但是在可装机光伏工程区域边界，并不一定肯定为规则图形，那么此时就要在合格网格集合的覆盖区域内，对光伏设备的可装机区域进行最终确认。
合格网格集合已经确认，对合格网格集合进行合并处理。
对于存在重叠区域的可撞击网格集合，则进行直接重叠处理，从而得到有效的合格网格集合区域。
对于无重叠区域，但是两个或多个合格网格集合的最边缘网格直接连接时，则将这两个合格网格集合进行直接组合，从而得到新的合格网格集合。
对于存在可重叠区域和直接连接的两个或多个合格网格集合，对该区域进行扩展处理，对狭窄处，以及其他具备建设光伏设备，但是建设数量明显过少的区域，对其进行扩宽，采用的方法是，在这类区域引入多个和合格网格集合连接的空白网格，并计算空白网格中离线指纹的气象环境信息和地理环境信息，按照方程(3)和(6)确定引入的空白网格是否符合光伏设备的装备要求。
对于两个或多个合格网格集合，且不存在连接关系的合格网格集合看来说，需要确定两个或多个合格网格集合的间距，如果间距落入允许范围，则将这两个或多个合格网格集合和之间的空白网格，都进行结合，从而得到一个新的合格网格集合。
S320、根据合格网格集合区域，选定可以用于确认离线指纹的基站。
本步骤的目的是，通过对合格网格集合区域中，对于各类合格网格集合中的离线指纹基站进行选择，其选取的目标为，对于合格网格集合的最边缘空白网格中的离线指纹基站进行验证。
对于每个合格网格集合最边缘的空白网格进行选择，并对这些网格中的离线指纹基站进行确定，并采集这些基站中的离线指纹，对离线指纹中的气象环境数据和地理环境数据进行采集，并将这些数据带入方程(3)和(6)，并确定得到的比值。
根据方程(4)中得到的计算结果，以确定每个离线指纹基站的气象环境数据和地理环境数据，若某个离线指纹基站的比值不符合条件，但是整个合格网格是符合要求的情况下，则将该离线指纹基站从该合格网格中剔除。
对合格网格集合区域中所有的空白网格中的离线指纹进行分析，确定合格网格集合中离线指纹不符合要求的离线指纹基站。
对合格网格集合中离线指纹不符合要求的离线指纹基站进行连线，获得封闭曲线，得到一个区域，但是该区域内不可存在参数符合要求的离线指纹基站，其中，如果发现合格网格集合中不可划分完全不包含符合参数的离线指纹基站区域时，则认为该合格网格集合中所有离线指纹都符合要求。
合格网格集合中，对合格网格集合中离线指纹不符合要求离线指纹基站连线所形成的封闭曲线中，确定封闭曲线面积，和该封闭曲线区域内的参数符合要求的离线指纹基站数量，并设置阈值，可以采用多种方式处理，比如：
其中，p为合格网格集合中离线指纹不符合要求离线指纹基站连线所形成的封闭曲线中，封闭曲线区域内的参数符合要求的离线指纹基站数量；Sf为合格网格集合中离线指纹不符合要求离线指纹基站连线所形成的封闭曲线所覆盖的面积；τ为合格网格集合中不可投建光伏设备的区域判断阈值。
S330、确认每个合格网格集合中，光伏工程中的离线指纹基站所覆盖的数据采集范围。
本步骤的目的是，通过确定离线指纹基站能够覆盖的数据采集范围，之后对离线指纹基站总的数据采集范围进行划定，即为可装机光伏设备的装备工程覆盖范围。
根据已建成和/或投建中光伏工程中的离线指纹基站建设方案，且这些区域中也已经划分了网格，则确定每个网格的面积和网格中配置的离线指纹数量，计算两者商值，计算结果可认为是离线指纹基站的数据采集范围。
可以直接根据离线指纹基站的本身参数，确定离线指纹基站的数据采集范围。
S340、根据合格网格集合边缘的空白网格中，虚拟离线指纹基站的数据采集范围，和光伏工程配套设施位置和占地面积，确定可装机光伏设备的装备工程占地面积。
本步骤的目的是，对于可装机光伏工程中的离线指纹基站，以及每个离线指纹基站的数据采集范围，确定光伏设备的装备工程覆盖范围，此外对于一些特殊区域来说，会出现某个区域的覆盖区域内，存在一些完全不适合建设光伏设备的情况，那么在可装机光伏设备的装备工程覆盖范围内，需要将这类内部区域去除，另外去除配套设施的占地面积，当这类配套设置位于光伏工程内时，需要将其从光伏功能占地面积内剔除。
对于合格网格集合中，边缘区域的空白网格中，确定符合参数要求的离线指纹基站，并基于离线指纹基站的数据采集范围，确定边缘区域的空白网格中，符合参数要求基站的数据采集范围，数据采集范围无论是否有重叠，都计算数据采集范围的面积和合格网格面积的比值，从而得到在合格网格中，符合要求离线指纹基站覆盖范围的实际面积。
对于合格网格集合中，其中存在不可投建光伏设备的区域，需要将其去除，并计算这类区域内，可以投建光伏设备的区域面积。具体的，确定合格网格集合中，不可投建光伏设备的区域边缘合格网格，并基于离线指纹基站的数据采集范围，计算合格网格集合中的可投建光伏设备面积。
若光伏工程配套设施位于光伏工程内部，则在光伏工程中进行展示并剔除。
S350、光伏工程区域确定。
本步骤的目的是，基于合格网格集合和离线指纹基站的数据采集范围，确定该区域的光伏工程区域，并基于该区域以确定占地面积，或者只确定占地面积。
根据离线指纹基站的本身参数，且合格网格集合区域的边缘合格网格，对于网格中所有符合参数要求的离线指纹基站，以离线指纹基站的数据采集范围为占地范围，并进行离线指纹基站的数据采集范围外围连线，得到的最终连线区域为光伏工程区域。
只确定所有符合参数要求的离线指纹基站的数据采集范围，确定所有的数据采集范围占地面积。
对于离线指纹基站数据采集范围大于空白网格边界时，则以该空白网格的边为光伏工程的边界。
对于所有合格网格中的离线指纹基站的数据分析中，采用聚类算法进行范围划定，采用的方法包括如下步骤：
步骤一、确定所有合格网格中的离线指纹基站，并确定位置；
步骤二、在合格网格范围中随机设定多个聚类中心；
步骤三、确定所有离线指纹基站和聚类中心的欧氏距离；
步骤四、对所有离线指纹基站纳入到聚类中心中，选定规则是，确定离线指纹基站和聚类中心的欧氏距离最短，得到聚类Ⅰ；
步骤五、对聚类Ⅰ进行重新处理，在确定了所有的离线指纹基站之后，确定聚类Ⅰ的聚类中心，该聚类中心则为新的聚类中心，并确定所有离线指纹基站和新的聚类中心之间的距离，直至聚类不再变化为止；
步骤六、计算所有聚类中的同一种地理环境数据和气象环境数据平均值，以最接近离线指纹中的同一种地理环境数据和气象环境数据平均值的离线指纹基站，为关于环境信息的聚类中心；
步骤七、确定同一种地理环境数据和气象环境数据以及环境信息聚类中心，确定差值最小的离线指纹基站，并生成新的聚类，直至聚类不变；
步骤八、对于所有的聚类区域进行组合，具体的组合方式为，确定各个聚类间距，并设置阈值，间距符合阈值的聚类才可进行组合，考虑到光伏工程对于边界的要求，每次以两个聚类为基准，在两个聚类的同一侧设置一条切线，以实现聚类区域的组合。
实施例四
图4为一种光伏设备装机量预测结果计算方法流程图，其目的在于，对具体的国家或地区，对于其中尚未建设光伏工程进行区域分析，之后基于这类选定的光伏工程面积计算装机量。
S410、根据已建成和/或投建中的光伏工程的占地面积，和占地面积中光伏设备的装机量，计算单台光伏设备的占地面积。
该步骤的目的是，确定在当前国家或地区中，光伏设备的单台占地面积，从而为后续的光伏设备装机量建设工作奠定基础。当然，每台光伏设备的占地面积当然都有明确指标，但是在不同的国家或地区中，可能会做出调整，因此需要根据已建成和/或投建中的光伏工程和装机量，进行重新评估。
根据离线指纹中所携带的光伏设备类型信息，确定这类光伏工程区域的具体光伏设备类型。
根据光伏工程的区域面积，和该区域中的光伏设备装机量，计算两者商值，结果极为单台光伏设备的占地面积。
对于光伏工程的区域面积确定中，根据该区域内的离线指纹基站的数据收集范围，并得到离线指纹基站的数据收集范围所覆盖的面积，将该覆盖面积视作光伏设备的总占地面积。
投建中的光伏工程中，按照规划方案确定占地面积，获取光伏设备的单台占地面积。
投建中的光伏工程中，确定已经建设完成区域的占地面积，和该区域内光伏设备的投建数量和/或设置的建设位置定位点，计算光伏设备的单台占地面积。
不同类型的光伏工程中，需要基于离线指纹中存储的光伏设备类型信息，建立光伏设备信息和每台光伏设备占地面积进行信息关联。
在离线指纹中加入每台光伏设备占地面积，则无需经过重新计算。
对于同类型的光伏工程中，其中每个工程区域中装备的光伏设备占地面积之间可能具有差异，需要根据同类型光伏设备的型号信息，确定具体差异。
根据同类型光伏设备的不同型号，根据设备本身的厂家参数，确定单台光伏设备的占地面积(理论单台占地面积)，并计算同一型号的光伏设备装备的占地面积(实际单台占地面积)，计算实际单台占地面积和理论单台占地面积的比值，并对同类型光伏设备的所有型号设备的实际单台占地面积和理论单台占地面积比值进行计算，如果相同，则认为实际单台占地面积和理论单台占地面积比值为该国家或地区的光伏设备装机时设置的习惯冗余，则对于所有的同类型光伏设备的光伏设备型号设备，占地面积上都设置该习惯冗余，得到实际单台占地面积。
若同类型光伏设备的不同型号，实际单台占地面积和理论单台占地面积比值完全不同，则认为理论单台占地面积等于理论单台占地面积。
S420、根据可装机区域的占地面积，和单台光伏设备的占地面积，预测光伏设备装机量。
该步骤的目的是，在已经确定了可装机区域之后，并在确定了光伏设备的单台占地面积之后，从而确定该区域的光伏设备装机量。
基于S350步骤，确定光伏工程的占地面积，和S410步骤确定的光伏设备单台占地面积，计算两者的比值，从而得到该区域的装机量。
S430、对已建成和/或投建中光伏工程数据进行更新。
该步骤的目的是，将所有已经确定可投建光伏设备的区域，将这些区域的气象环境数据和地理环境数据都按照离线指纹形式存储，同时在该区域内设置虚拟的离线指纹基站。
对于确定的可装机光伏工程区域，都将其纳入到投建中光伏工程，并进行数据更新。
对于已经确定的可装机光伏工程区域，其实已经建设了一定量的离线指纹基站，将这类离线指纹基站也在得到的地形图中更新，按照经纬度坐标标注；
按照已建成和/或投建中光伏工程中，每个网格中的离线指纹基站数量，在合格网格集合中设置虚拟离线指纹基站，且虚拟离线指纹基站中的气象环境数据和地理环境数据，都设置为和可投建光伏工程区域中的离线指纹基站气象环境数据和地理环境数据相同。
S440、对于其他区域光伏设备装机量的预测
本步骤的目的是，光伏设备除了在大型光伏工程中投建，一些城市建筑或者其他区域中也可以装配，但是这类区域中按照大型光伏工程中的光伏设备装机量预测方法显然是不合适的，而是需要采用其他方法处理。具体的：
对于已经确定的大型光伏工程来说，配置的光伏设备总输出功率已知，且供电区域已知，则对于该区域的大型光伏工程输出功率可知。
确定被预测国家或地区中的人口密集区域，并基于该区域中的用电量进行计算，计算方法为按照每年的用电量进行处理。
计算大型光伏工程发电量和人口密集区域用电量的缺口进行计算，计算方法为，确定用电量和大型光伏工程向该人口密集区域供电量的差值。
确定人口密集区域，考虑该区域内具有投建光伏设备潜质的区域。采用的方法为：
步骤一、确定人口密集区域内无建筑物，且人类活动较少的区域，将所有的区域在人口密集区域的地形图内显示，将这类区域设置为潜力区域；
步骤二、对潜力区域覆膜，计算潜力区域的人流量，确定方法为：
(1)确定潜力区域的占地面积限制，占地面积要不小于h×j，其中h为单台光伏发电设备的最小建设数量，j为单台光伏发电设备的占地面积，且潜力区域不可为当地禁止开发的区域或存在大型建筑物的区域；
(2)确定潜力区域和周边道路连接程度，并基于当地的记录数据，计算该区域单位时间内的车辆进入量和人员进入量；
(3)将潜力区域的道路人员进入量和车辆进入量，与该人口密集区域的道路车流量和人流量比对，并可基于技术人员经验，或者计算，比如计算多个比值并求取均值，以确定潜力区域人流量与车流量与人口密集区域道路人流量与车流量的比值阈值，高于该阈值的，认为该潜力区域的车流量和人流量过高，不适合投建光伏设备，反之，认为该潜力区域适合建设光伏设备；
步骤三、符合人流量判定阈值后，计算潜力区域的人流量和判定阈值的比值，比值越小该区域越适合投建光伏设备；
步骤四、按照潜力区域的占地面积，以及潜力区域中适合建设的光伏设备单台占地面积，计算潜力区域的装配量；
步骤五、基于潜力区域的装配量，计算该潜力区域的输出功率或供电量；
步骤六、确定大型光伏工程的所有供电区域，进一步大型光伏工程的供电量和其供电区域的用电量缺口，确定其中的所有人口密集区域，按步骤一～步骤四的方式确定潜力区域；
步骤七、对每一个人口密集区域设置一个光伏发电工程，分析所有人口密集区域内的用电量和所有光伏工程的供电量，若供电量大于用电量，则无需继续处理，否则，进入步骤八；
步骤八、按照步骤一至步骤七的方式，继续选择一个条件符合光伏发电工程建设标准的潜力区域，并预测光伏设备装机量。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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权利要求所限定的范围。

Claims (3)

1.一种基于大数据技术的光伏设备装机量预测方法，其特征在于：所述方法包括以下步骤：
步骤1：根据待预测光伏设备装机量的国家或地区地形图，确定已建成和/或投建中的光伏工程的地理位置和占地面积；
步骤2：对待预测光伏设备装机量的国家或地区地形图进行覆膜，覆膜能够完全覆盖整张地形图的网格；具体方法为：
获取待预测光伏设备装机量的国家或地区地形图，并确定地形图的边界线；将边界线分段，使每一段边界线为直线段，且每一段直线段长度相同；以每一段直线段为底，在地形图内构建等腰直角三角形，并计算等腰直角三角形的直角边长度；以所述等腰直角三角形直角边长度为正方形网格边长，构建完全相同的正方形网格，并覆盖整张地形图；
步骤3：获取待预测光伏设备装机量的国家或地区中已建成和/或投建中的光伏工程地理环境和气象环境数据监测基站数据，构造离线指纹，具体包括：
获取已建成和/或投建中的光伏工程地理环境和气象环境数据监测基站数据；
对已建成和/或投建中的光伏工程地理环境和气象环境数据监测基站数据编码；
所述光伏工程地理环境包括经纬度、和相邻基站的高度落差、海拔高度、环境类型、地下硬质土层距离地表厚度；
所述气象环境数据包括风力、日照时间、降水量、空气湿度、空气温度；
所述离线指纹还包括已建成和/或投建中光伏工程中投建光伏设备类型；
所述离线指纹还包括该离线指纹所存储于的离线指纹基站与其他离线指纹的间距和高度差；
步骤4：取得已建成和/或投建中的光伏工程离线指纹，获取离线指纹中所有地理环境数据和气象环境数据的影响权重方程，包括以下步骤：
取得已建成和/或投建中光伏工程中所有离线指纹中的地理环境数据和气象环境数据；
将所述离线指纹中的地理环境数据和气象环境数据写入矩阵，并将所述离线指纹中的地理环境数据和气象环境数据的矩阵与权向量相乘；
求取已建成和/或投建中每一类地理环境数据和气象数据均值，并将其写入一个列向量矩阵；
得到特征方程，方程左侧为地理环境和气象环境数据矩阵与权向量相乘，方程右侧为地理环境数据和气象环境数据均值的列向量；
根据特征方程，计算得到权向量中的所有数值，得到权重方程；
步骤5：将待预测光伏设备装机量的国家或地区中未建设和/或无建设计划区域的网格定义为空白网格，并在空白网格中布置虚拟离线指纹基站，并构建相应的离线指纹，具体包括：
确定已建成和/或投建中光伏工程中每个正方形网格中的离线指纹基站数量；
计算已建成和/或投建中光伏工程中正方形网格中的离线指纹基站数量均值；
在每个空白网格中设置已建成和/或投建中光伏工程中设置虚拟离线指纹基站，虚拟离线指纹基站数量与正方形网格中的离线指纹基站均值相同；
空白网格中虚拟离线指纹基站中存储的离线指纹，输入其所在位置的地理环境信息和气象环境信息，不记录光伏设备类型信息；
步骤6：根据已建成和/或投建中的光伏工程离线指纹中所有地理环境数据和气象环境数据的影响权重方程，基于所有空白网格中地理环境和气象环境数据监测基站的离线指纹所携带的地理环境信息和气象环境信息，判断是否符合投建光伏设备标准；具体方法为：
获取虚拟离线指纹基站的离线指纹所携带的地理环境信息和气象环境信息，并带入离线指纹中所有地理环境数据和气象环境数据的影响权重方程；
得到每一项地理环境数据和气象环境数据经过所述离线指纹中所有地理环境数据和气象环境数据的影响权重方程计算后的结果；
计算上述影响权重方程计算后的结果与每一类地理环境数据和气象数据均值的比值，并设置比值阈值；
若空白网格中虚拟离线指纹基站中存储的离线指纹，超过半数落入所述比值阈值，则该空白网格适合投建光伏设备；
计算适合投建光伏设备的空白网格中每个离线指纹地理环境数据和气象环境数据，与已建成和/或投建中光伏工程地理环境数据和气象环境数据均值的比值，根据该比值最小时所对应的地理环境数据和气象环境数据，确定适合投建的光伏设备类型；
步骤7：根据所携带离线指纹符合投建光伏设备标准的基站，确定所有符合光伏设备建设标准的空白网格，构建空白网格集合，并扫描所有空白网格，确定合格网格集合；具体方法为：
设置一个3×3的空白网格集合，空白网格集合的第一个空白网格和覆膜中的第一个正方形网格重合；
使用空白网格集合对覆膜进行扫描，确定当前被扫描的空白网格集合中符合投建光伏设备标准的空白网格数量和分布，符合投建光伏设备标准的网格数量不少于5个，且连续分布；
利用空白网格集合扫描所有的空白网格，每次扫描步长为1，若网格集合中存在一个非空白网格，则被剔除；
扫描所有空白网格集合，将相邻并且适合投建同一类型光伏设备的空白网格组合，得到合格网格集合；
步骤8：确定合格网格集合中真正投入光伏设备投建区域的占地面积；
步骤9：根据已建成和/或投建中光伏工程中真正用于投建光伏设备区域的占地面积和建设的光伏设备数量，计算光伏设备的单台占地面积；
步骤10：根据所述已建成和/或投建中光伏工程区域，计算所述已建成和/或投建中光伏工程区域向人口密集区域的供电量，计算人口密集区域总用电量和所述已建成和/或投建中光伏工程向人口密集区域的供电量差值，得到所述人口密集区域所需的补充性光伏工程供电量；
确定所述人口密集区域的地理环境数据，选定所述人口密集区域的补充性光伏工程占地面积和补充性光伏工程中单台光伏设备的占地面积，计算人口密集区域的光伏设备装机量。
2.根据权利要求1所述的基于大数据技术的光伏设备装机量预测方法，其特征在于：步骤8的具体方法为：
确定合格网格集合中的空白网格数量和每个空白网格的占地面积，计算合格网格集合的总占地面积；
确定光伏工程中配套设施的位置和占地面积，若配套设施位于合格网格集合范围内，则计算合格网格集合的总占地面积和光伏工程中配套设施占地面积差值；若配套设施位于合格网格集合范围外，则合格网格集合的总占地面积为投入光伏设备投建区域的占地面积。
3.根据权利要求2所述的基于大数据技术的光伏设备装机量预测方法，其特征在于：步骤10具体包括：
确定人口密集区域的地理位置，并确定人口密集区域周边空地；
基于已建成和/或投建中的光伏工程供电线路，计算所述人口密集区域的用电缺口；
选定所述人口密集区域周边空地中可投建补充光伏工程区域，所述补充光伏工程区域用于填补人口密集区域的用电缺口；
确定所述人口密集区域周边空地中投建补充光伏工程区域面积，根据所述可投建补充光伏工程区域中的光伏设备单台占地面积，计算光伏设备投建量。
CN202311509538.0A 2023-11-14 2023-11-14 一种基于大数据技术的光伏设备装机量预测方法 Active CN117495137B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311509538.0A CN117495137B (zh) 2023-11-14 2023-11-14 一种基于大数据技术的光伏设备装机量预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311509538.0A CN117495137B (zh) 2023-11-14 2023-11-14 一种基于大数据技术的光伏设备装机量预测方法

Publications (2)

Publication Number Publication Date
CN117495137A CN117495137A (zh) 2024-02-02
CN117495137B true CN117495137B (zh) 2024-05-10

Family

ID=89679746

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311509538.0A Active CN117495137B (zh) 2023-11-14 2023-11-14 一种基于大数据技术的光伏设备装机量预测方法

Country Status (1)

Country Link
CN (1) CN117495137B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106611289A (zh) * 2016-11-30 2017-05-03 亚坦能源科技（上海）有限公司 一种确定光伏发电系统装机量的方法和装置
KR101893340B1 (ko) * 2018-04-04 2018-09-04 에너지코리아 주식회사 태양광발전시설 부지 타당성 분석 시스템
CN112887902A (zh) * 2021-01-22 2021-06-01 湖南大学 一种基于高斯聚类与混合度量的WiFi指纹的室内定位方法
CN114169644A (zh) * 2021-12-31 2022-03-11 重庆跃达电力设备有限公司 基于大数据的光伏发电量预测方法、系统及存储介质
CN114997547A (zh) * 2022-08-05 2022-09-02 国能日新科技股份有限公司 气象采集终端布点方法和装置
WO2023005814A1 (zh) * 2021-07-28 2023-02-02 华为技术有限公司 一种室内指纹地图的构建方法及相关装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112449302B (zh) * 2019-08-30 2022-06-07 华为技术有限公司 一种定位、离线指纹库的生成方法及装置
CN111539550B (zh) * 2020-03-13 2023-08-01 远景智能国际私人投资有限公司 光伏阵列工作状态的确定方法、装置、设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106611289A (zh) * 2016-11-30 2017-05-03 亚坦能源科技（上海）有限公司 一种确定光伏发电系统装机量的方法和装置
KR101893340B1 (ko) * 2018-04-04 2018-09-04 에너지코리아 주식회사 태양광발전시설 부지 타당성 분석 시스템
CN112887902A (zh) * 2021-01-22 2021-06-01 湖南大学 一种基于高斯聚类与混合度量的WiFi指纹的室内定位方法
WO2023005814A1 (zh) * 2021-07-28 2023-02-02 华为技术有限公司 一种室内指纹地图的构建方法及相关装置
CN114169644A (zh) * 2021-12-31 2022-03-11 重庆跃达电力设备有限公司 基于大数据的光伏发电量预测方法、系统及存储介质
CN114997547A (zh) * 2022-08-05 2022-09-02 国能日新科技股份有限公司 气象采集终端布点方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
光伏发电潜力分析――以山西省为例;郭鹏;申彦波;陈峰;赵晓栋;;气象科技进展;20190420(02);全文 *
基于遥感数据和多因子评价的中国地区建设光伏电站的适宜性分析;张乾;辛晓洲;张海龙;李月;李小军;裔传祥;;地球信息科学学报;20180201(01);全文 *
轻量扩展的射频指纹地图构造方法;刘文远;刘慧香;温丽云;王林;;电子与信息学报;20171228(02);全文 *

Also Published As

Publication number Publication date
CN117495137A (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
Zhu et al. The effect of urban morphology on the solar capacity of three-dimensional cities
Sun et al. Estimating the spatial distribution of solar photovoltaic power generation potential on different types of rural rooftops using a deep learning network applied to satellite images
Zhu et al. GIScience can facilitate the development of solar cities for energy transition
Sakti et al. Spatial integration framework of solar, wind, and hydropower energy potential in Southeast Asia
CN112966925B (zh) 一种基于遥感时序变化分析的村镇垃圾增量风险分析系统
CN116911052A (zh) 一种基于数字孪生的智慧城市的组件化构建方法
CN113487246B (zh) 一种基于人工智能的蓄电站选址方法及系统
Lan et al. Understanding the relationship between urban morphology and solar potential in mixed-use neighborhoods using machine learning algorithms
Esmaeili Shayan et al. Possibility of supplying energy to border villages by solar energy sources
CN112686582A (zh) 基于多源异构数据挖掘的综合能源园区的智能运维系统
CN112700349B (zh) 测风塔选址方法和装置
Amatya et al. Computer-aided electrification planning in developing countries: The Reference Electrification Model (REM)
CN114691803A (zh) 污水处理站空间选址分析方法及装置
Liu et al. A novel approach for assessing rooftop-and-facade solar photovoltaic potential in rural areas using three-dimensional (3D) building models constructed with GIS
Rodríguez-Gómez et al. Data driven tools to assess the location of photovoltaic facilities in urban areas
CN117495137B (zh) 一种基于大数据技术的光伏设备装机量预测方法
Massano et al. A GIS Open-Data Co-Simulation Platform for Photovoltaic Integration in Residential Urban Areas
Knight Assessing and mapping renewable energy resources
Yu et al. Classification of building complex for the large-scale construction of distributed photovoltaics in urban buildings
CN116720750A (zh) 综合能源站设备容量规划方法、装置、终端及存储介质
CN114662985B (zh) 一种基于倾斜摄影建模的山区电力工程选址方法、设备和计算机可读存储介质
CN112884269B (zh) 一种基于gis的风电场技术可开发量计算方法及系统
CN114138926B (zh) 一种人口分布格网大小确定方法及系统
Zhu et al. Multi-sourced data modelling of spatially heterogenous life-cycle carbon mitigation from installed rooftop photovoltaics: A case study in Singapore
CN115564087A (zh) 一种区域生态网络识别优化方法、系统、装置及存储介质

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