CN114169644A - 基于大数据的光伏发电量预测方法、***及存储介质 - Google Patents

基于大数据的光伏发电量预测方法、***及存储介质 Download PDF

Info

Publication number
CN114169644A
CN114169644A CN202111664823.0A CN202111664823A CN114169644A CN 114169644 A CN114169644 A CN 114169644A CN 202111664823 A CN202111664823 A CN 202111664823A CN 114169644 A CN114169644 A CN 114169644A
Authority
CN
China
Prior art keywords
power generation
photovoltaic
photovoltaic power
data
local
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111664823.0A
Other languages
English (en)
Inventor
吴跃波
李远亮
王林立
朱征勇
陈娅
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.)
Chongqing Yueda Electric Equipment Co ltd
Original Assignee
Chongqing Yueda Electric Equipment 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 Chongqing Yueda Electric Equipment Co ltd filed Critical Chongqing Yueda Electric Equipment Co ltd
Priority to CN202111664823.0A priority Critical patent/CN114169644A/zh
Publication of CN114169644A publication Critical patent/CN114169644A/zh
Pending legal-status Critical Current

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
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
    • 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)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及光伏发电技术领域，公开了于大数据的光伏发电量预测方法、***及存储介质，该方法包括：S1：获取光伏安装处的地理位置和安装区域；S2：根据地理位置获取当地的气象数据；S3：根据气象数据计算得出当地的年均有效光照时间；S4：根据安装区域生成光伏阵列的排布方案；S5：将年均有效光照时间引入光伏阵列的排布方案，计算得出光伏阵列的预测年发电量。通过大数据分析当地光照情况，结合光伏安装位置的具体情况进行光伏发电量的预测，得到更准确的预测结果，并且免去了人工采集数据和计算的步骤，节省了大量精力。

Description

基于大数据的光伏发电量预测方法、***及存储介质
技术领域
本发明涉及光伏发电技术领域，具体涉及基于大数据的光伏发电量预测方法、***及存储介质。
背景技术
随着石油、煤炭等不可再生能源的逐渐衰竭枯萎以及对环境污染的日益加重，光伏发电成为了电力行业中的一大发展趋势。
目前的光伏技术的不断发展，各种大型的光伏发电***(即光伏电站)也逐渐兴起，并网后的光伏电站是对原有电力***的一种补充，但是，由于光伏发电***的原理是利用光电转换技术将光能转化为电能，其光电转换过程的效率高低严重取决于该光伏发电***所在地区的气象条件，即，气温、风速等气象参数的波动将直接影响该光伏发电***的发电量，因此，光伏发电***并非一种持续稳定的供电***，具有极度的波动性和间歇性，这必然给整个电力***的电力调度带来极大的困难，一旦光伏发电***的发电量发生极大的变化，将直接影响电网的稳定性。
因此在选择光伏项目进行发电之前，需要对该光伏项目的发电量进行初步的预测，以方便后续进行更好的电力调度。目前的光伏发电量预测的方式，主要还是以人工预测为主，通常由工作人员采集相关的气象数据，再结合安装位置的具体情况，设计最合适的光伏阵列排布方式，根据经验或借助辅助软件进行计算，得出预测结果。此方式在数据采集和计算的过程中需要耗费大量精力，并且影响光伏发电量的因素很多，人工很难考虑周全，因此造成预测的结果偏差较大。
发明内容
本发明意在提供基于大数据的光伏发电量预测方法，通过大数据分析当地光照情况，结合光伏安装位置的具体情况进行光伏发电量的预测，得到更准确的预测结果，并且免去了人工采集数据和计算的步骤，节省了大量精力。
本发明提供的技术方案为：基于大数据的光伏发电量预测方法，包括：
S1：获取光伏安装处的地理位置和安装区域；
S2：根据地理位置获取当地的气象数据；
S3：根据气象数据计算得出当地的年均有效光照时间；
S4：根据安装区域生成光伏阵列的排布方案；
S5：将年均有效光照时间引入光伏阵列的排布方案，计算得出光伏阵列的预测年发电量。
本发明的工作原理及优点在于：本发明方法仅需要获取用户的光伏安装处的地理位置和安装区域，即可进行智能的光伏发电量分析和预测。
首先根据地理位置能够获取当地的气象数据，该气象数据包括当地每日的光照时间和光照量等信息，通过对气象数据的整理和分析能够计算得出当地的年均有效光照时间，即一年中太阳辐射能有效作用在光伏组件上产生发电效果的照射时间。
然后根据用户规划的光伏安装区域，在安装区域上生成适合区域环境的，发电效率最高的光伏阵列排布方案。并将当地的年均有效光照时间引入生成的光伏阵列的排布方案，计算得出该排布方案下的预测年发电量，即理想情况下能够在当地根据规划的安装位置能够产生光伏发电的预测情况。
本发明方法因地制宜，首先根据当地气象情况通过大数据计算出年均有效光照时间，其次根据当地安装位置的规划生成发电效率最高的排布方案，这样能够得到理想的发电量预测结果，根据此结果再进行相应调整。避免了常规预测方式套用固定表格数据统一计算造成预测结果偏差大的问题，取得了符合当地情况的预测结果，准确性更高。同时仅需要收集地理位置和安装区域的信息，便可自动进行后续计算，节省了人员的精力。
进一步，所述S2包括：
S2-1：根据地理位置获取当地的气象数据和经纬度；
S2-2：根据当地的经纬度计算得出光伏安装的方位角和倾斜角。
根据地理位置，除了获取当地的气象数据，还可以获取到当地的经纬度。为了更成分有效地利用太阳能，如何选取光伏阵列的方位角和倾斜角是一个十分重要的问题。通过经度能够计算出光伏组件的最佳安装方位角，通过维度能够计算出光伏组件的最佳安装倾斜角。
进一步，所述S3包括：
S3-1：统计分析当地的近几年的气象数据，计算得出当地的年均水平面光照时间；
S3-2：根据年均水平面光照时间结合倾斜角，计算得出年均倾斜角光照时间；
S3-3：根据年均倾斜角光照时间，结合光伏发电的***效率，计算得出年均有效光照时间。
一般当地的气象数据上记录的是太阳作用在水平面的光照数据，通过对近几年的水平面光照数据求平均值，能够得到较客观的光照数据，即年均水平面光照时间。然后需要根据计算出的倾斜角计算太阳作用在倾斜光伏组件上的年均倾斜角光照时间。并且考虑到光伏组件将太阳能转化为电能的过程中存在线路损耗、光伏组件表面污染、逆变器等给***造成的损耗，除去以上损耗因素真正转为可用电能的比例即为***效率，为了得到更精确的预测结果，在年均倾斜角光照时间的基础上结合***效率，得到年均有效光照时间，即一年中光伏组件能够有效转化太阳能为电能的时间。
进一步，所述S4包括：
S4-1：根据光伏组件的尺寸、方位角和倾斜角，计算得出光伏组件的间隔距离；
S4-2：在安装区域上结合间隔距离，生成光伏阵列的排布方案。
在已知光伏组件的方位角和倾斜角的基础上，结合光伏组件的尺寸参数，以及当地光照的角度，以光伏排布最紧凑并且不遮挡的原则，计算得出光伏组件之间的最佳间隔距离，使光伏组件的排布有最大的光照效率。并在规划的安装区域的基础上，结合间隔距离，生成安装区域内效率最高的排布方案，这样能够在有限的安装区域得到最高的发电效率。
进一步，所述S5包括：
S5-1：根据光伏阵列的排布方案，计算得出光伏阵列的总装机容量；
S5-2：根据总装机容量结合年均有效光照时间，计算得出光伏阵列的预测年发电量。
得到光伏阵列的排布方案后，根据排布方案计算光伏组件的数量，再结合光伏组件的参数能够得到光伏阵列的总装机容量，总装机容量乘以年均有效光照时间即为预测年发电量。对于大面积安装的光伏阵列，能够迅速识别光伏组件的数量计算出总装机容量，免去了人工计算的麻烦。
进一步，还包括S6：在预测年发电量的基础上，结合光伏发电的衰减率，计算得出预测年均发电量。
考虑到当地环境影响造成光伏组件的老化和损坏，通常每年的发电量会逐步衰减，每年衰减的发电量的比例即为衰减率。因此如果需要预测未来多年内的年均发电量，光伏组件的衰减率就不可忽略，考虑到长期发电量的预测，引入衰减率使得预测结果更符合真实情况。
进一步，所述S6包括：
S6-1：根据地理位置采集当地的历史光伏发电数据；
S6-2：统计采集的当地的历史光伏发电数据，分析得出当地的光伏发电的衰减率；
S6-3：在预测年发电量的基础上，结合当地的光伏发电的衰减率，计算得出预测年均发电量。
由于各地的环境千差万别，因此环境对光伏组件的影响也不尽相同，在此本方法通过收集和调节当地的近几年的光伏发电数据，通过大数据分析算法，逐年推算当地每年的衰减率，并以此作为本项目光伏发电量预测的依据，得到未来的年均发电量，通过大数据分析的衰减率结果，更符合当地实际情况。
进一步，所述S6-2包括：
S6-2-1：统计采集的当地的历史光伏发电数据，分析得出当地的光伏发电的衰减率；
S6-2-2：根据安装区域的地理环境，结合大数据分析相似地理环境的光伏阵列，分析得出相似地理环境的光伏阵列的维护频率；
S6-2-3：根据维护频率对衰减率进行调整。
用户对于光伏组件的维护频率也会直接影响光伏发电的衰减率，维护频繁的光伏阵列衰减率相对较小，缺乏维护的光伏阵列衰减率则会偏高。但不同的光伏阵列采取的维护策略不一样，需要结合实际情况考虑，如维护的难度和维护的成本等因素。在此本方法根据当地的地理环境，结合大数据分析相似地理环境的光伏阵列所采取的维护策略，并以此作为本项目的光伏阵列的维护策略，根据维护频率的不同在衰减率上做相应调整，即可得到更接近本项目地理环境的衰减率。
本发明还提供基于大数据的光伏发电预测***，该***采用了上述基于大数据的光伏发电量预测方法。
本发明还提供基于大数据的光伏发电预测存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现上述基于大数据的光伏发电量预测方法。
附图说明
图1为本发明基于大数据的光伏发电量预测方法实施例的逻辑框图。
具体实施方式
实施例：
本实施例公开了基于大数据的光伏发电量预测方法，逻辑流程如图1所示，该方法实施例包括以下步骤(本方案中对各步骤的编号仅做步骤区分作用，不限制各步骤的具体执行顺序，且各步骤还可同时进行)：
S1：获取光伏安装处的地理位置和安装区域。本实施例中地理位置为用户的光伏安装处所在的定位，安装区域包括用户划定的光伏安装区域的平面图和全景照片。
S2-1：根据地理位置获取当地的气象数据和经纬度。根据定位即可获取当地所述的气象站信息，获取当地气象站的气象数据。同时根据定位获取当地的经度和纬度。
S2-2：根据当地的经纬度计算得出光伏安装的方位角和倾斜角。
光伏阵列安装的方位角为光伏阵列的垂直面与正南方向的夹角(向东偏设定为负角度，向西偏设定为正角度)。一般情况下，阵列朝向正南(即阵列垂直面与正南的夹角为0度)时，光伏发电量是最大的。在偏离正南(北半球)30度时，阵列的发电量将减少10％～15％；在偏离正南(北半球)60度时，阵列的发电量将减少20％～30％。但是，在晴朗的夏天，太阳辐射能量的最大时刻是在中午稍后，因此阵列的方位稍微向西偏一些时，在午后时刻可获得最大发电功率。在不同的季节，光伏阵列的方位稍微向东或西一些都有获得发电量最大的时候。阵列设置场所受到许多条件的制约，例如，在地面上设置时土地的方位角、在屋顶上设置时屋顶的方位角，或者是为了躲避太阳阴影时的方位角，以及布置规划、发电效率、设计规划、建设目的等许多因素都有关系。如果要将方位角调整到在一天中负荷的峰值时刻与发电峰值时刻一致时，采用以下公式：方位角＝(一天中负荷的峰值时刻(24小时制)－12)×15+(经度－116)，通过经度来确定方位角。
光伏阵列安装的倾斜角为光伏阵列平面与水平地面的夹角，此夹角是阵列一年中发电量为最大时的最佳倾斜角度。一年中的最佳倾斜角与当地的地理纬度有关，大致经验值如下：纬度在0-25度时，倾斜角等于纬度；纬度在26-40度时，倾角等于纬度加上5-10度；纬度在41-55度时，倾角等于纬度加上10-15度。以此通过维度来确定倾斜角。
S3-1：统计分析当地的近几年的气象数据，计算得出当地的年均水平面光照时间。从气象站的气象数据中，通常能够直接获取到每年的光照总辐照量，本实施例中统计当地近5年每年的太阳总辐照量，求平均值得到年均光照总辐照量，然后将其转化为年均水平面光照时间。
S3-2：根据年均水平面光照时间结合倾斜角，计算得出年均倾斜角光照时间。上一步骤的年均水平面光照时间仅是太阳光直接照射在水平面上的结果，还需要根据算出的倾斜角计算出太阳光照射在对应倾斜角度的光伏组件的结果，即为年均倾斜角光照时间。
S3-3：根据年均倾斜角光照时间，结合光伏发电的***效率，计算得出年均有效光照时间。考虑到光伏组件将太阳能转化为电能的过程中存在线路损耗、光伏组件表面污染、逆变器等给***造成的损耗，除去以上损耗因素真正转为可用电能的比例即为***效率。根据大数据统计结果，***效率的范围一般在79％-82％之间，本实施例中***效率取80％，将其代入年均倾斜角光照时间，得到年均有效光照时间，即一年中光伏组件能够有效转化太阳能为电能的时间。
S4-1：根据光伏组件的尺寸、方位角和倾斜角，计算得出光伏组件的间隔距离。在排布光伏组件时，光伏组件存在倾斜角，可能相互之间会造成一定遮挡。如果光伏组件不能被太阳光直接照到时，那么只有散射光用来发电，此时的发电量比无阴影的要减少10％-20％，针对以上情况。考虑到光伏阵列最大空间利用率以及尽量消除遮挡的影响，根据本项目采用的光伏组件的尺寸参数以及光伏安装的方位角和倾斜角，计算得出光伏组件之间不遮挡且紧凑的间隔距离。
S4-2：在安装区域上结合间隔距离，生成光伏阵列的排布方案。在安装区域的平面布置图上，根据计算的最佳间隔距离，以在安装区域内铺满的原则，生成光伏阵列的排布方案。同时结合拍摄的安装区域的全景照片，判断识别安全区域上遮挡物，如树木、楼房、设备等，在遮挡物形成的遮挡区域不会布置光伏阵列，以减少不必要的成本。最后生成符合安装区域实际情况的最佳排布方案，并将排布方案推送至设计人员以供参考。
S5-1：根据光伏阵列的排布方案，计算得出光伏阵列的总装机容量。根据生成的光伏阵列的排布方案，识别排布方案中光伏组件的数量，根据每个光伏组件的容量参数，计算得出该光伏阵列的总装机容量。
S5-2：根据总装机容量结合年均有效光照时间，计算得出光伏阵列的预测年发电量。
将总装机容量乘以年均有效光照时间，即得到该光伏阵列的预测年发电量。
S6-1：根据地理位置采集当地的历史光伏发电数据。根据地理位置确定当地其他已投运的光伏电站，采集其近5年的光伏发电数据。
S6-2-1：统计采集的当地的历史光伏发电数据，分析得出当地的光伏发电的衰减率。统计总装机容量保持不变的情况下，当地光伏电站近5年每年的发电量数据，计算逐年的发电量衰减率，求平均值得到年均衰减率，通常十年内每年的平均衰减率为1％左右，根据维护频率的不同衰减率会有所浮动。
S6-2-2：根据安装区域的地理环境，结合大数据分析相似地理环境的光伏阵列，分析得出相似地理环境的光伏阵列的维护频率。安装区域的地理环境主要指光伏安装的位置及周边的环境，以此来判断对光伏阵列维护的难易程度，例如安装在山坡上的大型光伏阵列，其维护难度和维护成本都比较高，因此维护频率相对要低。安装在屋顶的光伏阵列，维护难度维护成本较低，因此维护频率相对会高点。根据本项目的地理环境结合大数据分析和寻找相似情况地理环境的光伏阵列，分析计算其平均维护频率作为参照。
S6-2-3：根据维护频率对衰减率进行调整。将大数据分析的维护频率结构代入该光伏阵列的发电量衰减率，若维护频率较高，则相应调低衰减率，调整后为0.8％；若维护频率较低，则相应调高衰减率，调整后为1.2％。
S6-3：在预测年发电量的基础上，结合当地的光伏发电的衰减率，计算得出预测年均发电量。将调整后的衰减率代入预测年均发电量，得出未来五年每年的预测发电量或未来五年的年均发电量，作为更精确的预测结果。
本实施例中还包括基于大数据的光伏发电预测***，该***采用了上述基于大数据的光伏发电量预测方法。
本实施例中还包括基于大数据的光伏发电预测存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现上述基于大数据的光伏发电量预测方法。
以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请得出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (10)

1.基于大数据的光伏发电量预测方法，其特征在于，包括：
S1：获取光伏安装处的地理位置和安装区域；
S2：根据地理位置获取当地的气象数据；
S3：根据气象数据计算得出当地的年均有效光照时间；
S4：根据安装区域生成光伏阵列的排布方案；
S5：将年均有效光照时间引入光伏阵列的排布方案，计算得出光伏阵列的预测年发电量。
2.根据权利要求1所述的基于大数据的光伏发电量预测方法，其特征在于：所述S2包括：
S2-1：根据地理位置获取当地的气象数据和经纬度；
S2-2：根据当地的经纬度计算得出光伏安装的方位角和倾斜角。
3.根据权利要求2所述的基于大数据的光伏发电量预测方法，其特征在于：所述S3包括：
S3-1：统计分析当地的近几年的气象数据，计算得出当地的年均水平面光照时间；
S3-2：根据年均水平面光照时间结合倾斜角，计算得出年均倾斜角光照时间；
S3-3：根据年均倾斜角光照时间，结合光伏发电的***效率，计算得出年均有效光照时间。
4.根据权利要求3所述的基于大数据的光伏发电量预测方法，其特征在于：所述S4包括：
S4-1：根据光伏组件的尺寸、方位角和倾斜角，计算得出光伏组件的间隔距离；
S4-2：在安装区域上结合间隔距离，生成光伏阵列的排布方案。
5.根据权利要求1所述的基于大数据的光伏发电量预测方法，其特征在于：所述S5包括：
S5-1：根据光伏阵列的排布方案，计算得出光伏阵列的总装机容量；
S5-2：根据总装机容量结合年均有效光照时间，计算得出光伏阵列的预测年发电量。
6.根据权利要求1所述的基于大数据的光伏发电量预测方法，其特征在于：还包括S6：在预测年发电量的基础上，结合光伏发电的衰减率，计算得出预测年均发电量。
7.根据权利要求6所述的基于大数据的光伏发电量预测方法，其特征在于：所述S6包括：
S6-1：根据地理位置采集当地的历史光伏发电数据；
S6-2：统计采集的当地的历史光伏发电数据，分析得出当地的光伏发电的衰减率；
S6-3：在预测年发电量的基础上，结合当地的光伏发电的衰减率，计算得出预测年均发电量。
8.根据权利要求7所述的基于大数据的光伏发电量预测方法，其特征在于：所述S6-2包括：
S6-2-1：统计采集的当地的历史光伏发电数据，分析得出当地的光伏发电的衰减率；
S6-2-2：根据安装区域的地理环境，结合大数据分析相似地理环境的光伏阵列，分析得出相似地理环境的光伏阵列的维护频率；
S6-2-3：根据维护频率对衰减率进行调整。
9.基于大数据的光伏发电预测***，其特征在于：采用了权利要求1至8任一项所述的基于大数据的光伏发电量预测方法。
10.基于大数据的光伏发电预测存储介质，用于存储计算机可执行指令，其特征在于：所述计算机可执行指令在被执行时实现上述权利要求1-8中任一项所述的基于大数据的光伏发电量预测方法。
CN202111664823.0A 2021-12-31 2021-12-31 基于大数据的光伏发电量预测方法、***及存储介质 Pending CN114169644A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111664823.0A CN114169644A (zh) 2021-12-31 2021-12-31 基于大数据的光伏发电量预测方法、***及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111664823.0A CN114169644A (zh) 2021-12-31 2021-12-31 基于大数据的光伏发电量预测方法、***及存储介质

Publications (1)

Publication Number Publication Date
CN114169644A true CN114169644A (zh) 2022-03-11

Family

ID=80488753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111664823.0A Pending CN114169644A (zh) 2021-12-31 2021-12-31 基于大数据的光伏发电量预测方法、***及存储介质

Country Status (1)

Country Link
CN (1) CN114169644A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116454882A (zh) * 2023-06-13 2023-07-18 天津福天科技有限公司 一种基于机器视觉预测体的光伏发电预测方法
CN117495137A (zh) * 2023-11-14 2024-02-02 东北大学 一种基于大数据技术的光伏设备装机量预测方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116454882A (zh) * 2023-06-13 2023-07-18 天津福天科技有限公司 一种基于机器视觉预测体的光伏发电预测方法
CN116454882B (zh) * 2023-06-13 2023-08-25 天津福天科技有限公司 一种基于机器视觉预测体的光伏发电预测方法
CN117495137A (zh) * 2023-11-14 2024-02-02 东北大学 一种基于大数据技术的光伏设备装机量预测方法
CN117495137B (zh) * 2023-11-14 2024-05-10 东北大学 一种基于大数据技术的光伏设备装机量预测方法

Similar Documents

Publication Publication Date Title
CN114169644A (zh) 基于大数据的光伏发电量预测方法、***及存储介质
CN102013701A (zh) 一种高海拔地区电网光伏发电接纳能力计算方法
CN105335560A (zh) 光伏发电功率波动性及其自动发电控制备用需求计算方法
CN105515042A (zh) 风光同场项目光伏接入容量优化算法
Abdulmula et al. Micropower system optimization for the telecommunication towers based on various renewable energy sources
GHAITAOUI et al. Study and Simulation of Self-supply of a Building by Photovoltaic Energy
Damiri et al. Engineering design development of 52, 5 KiloWatt peak solar photovoltaic system for industrial Rooftop building
Tamoor et al. Optimal sizing of a centralized hybrid photovoltaic system for efficient operation of street lights
CN116247662A (zh) 一种基于气象辐射及遥感信息的建筑光伏潜能估算方法
Hasan Design 50MW large scale PV power plant considering Bangladeshi climate
Stachura et al. Spatial Solar Energy Potential of Photovoltaic Panels Surrounded by Protected Mountain Ranges
Abiko et al. Evaluation of concentrator photovoltaic system power plant
Kumar et al. Energy performance of optimally inclined free standing photovoltaic system
Recioui et al. Hybrid Renewable Energy System Optimization Using IHOGA
Sanna et al. Energy performance of concentrator and flat plate photovoltaics in the mediterranean area
Yildiz et al. Design and simulation analysis of 1 MWp grid-connected photovoltaic system at Gaziantep Airport, Turkey
Tang et al. The design scheme of a 31.5 MW mountain photovoltaic power station: a case study
CN111460693A (zh) 一种光伏组件安装最佳倾角和间距的计算方法
Yang et al. Solar Photovoltaic Power Generation
Baquiran et al. Mapping of Solar Power Potential Structures Using Geographic Information System
Eseosa et al. Investigating Impact and Viability of Hostile Weather Conditions on Solar Farm Establishment in Nigeria: A Case Study
Windarta et al. Technical analysis feasibility solar power plant on-grid system design in Junior High School 3 Purwodadi
Sathiracheewin et al. Short term analysis of PV system performance in different areas of Thailand
Tarroja Characterization and evaluation of utility-scale intermittent renewable generation variations and implications for electric grid load balancing
Kabouche et al. Comparative study of different PV systems configurations combined with alkaline and PEM water electrolyzers for hydrogen production

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
CB02 Change of applicant information

Address after: 400000 room 5-1, building 5, No. 2, Gangcheng East Road, Jiangbei District, Chongqing

Applicant after: Chongqing Yueda New Energy Co.,Ltd.

Address before: 400000 room 5-1, building 5, No. 2, Gangcheng East Road, Jiangbei District, Chongqing

Applicant before: CHONGQING YUEDA ELECTRIC EQUIPMENT Co.,Ltd.

CB02 Change of applicant information