[发明专利]一种多因素下集中式光伏电站内的光伏板部署优化方法

说明书

本发明公开了一种多因素下集中式光伏电站内的光伏板部署优化方法，包括依据光伏电站内的地理特征，将光伏电站内划分为多个地形区域；基于双重注意力机制LSTM模型，量化地形区域内的气象因素与光伏出力的关联关系；基于地形区域内的气象因素与光伏出力的关联关系，对光伏电站内光伏板进行部署。本申请在划分光伏电站内的不同地形时，利用多种地形特征，将各个子区域合理划分为数个地形并在建模量化每一个地形内的气象因素与光伏出力关联关系中，量化气象因素对光伏出力的作用，得到较为准确的考虑各个地形微气象特征的光伏预期出力值，使得光伏板部署最大化利用了现有土地和光伏资源，提高了光伏出力的效率。

技术领域

本发明涉及光伏电站部署技术领域，具体涉及一种多因素下集中式光伏电站内的光伏板 部署优化方法。

背景技术

因地制宜的开发利用各地光伏资源是助力我国双碳目标的有效途径之一。光伏发电装机 容量的增加一定程度上减轻了我国经济快速发展对环境带来的压力，然而光伏发电实际出力 与当地地形、气象条件紧密相关，导致作为可再生能源的太阳能具有波动性和间歇性的特点。 同时，集中式光伏电站占地面积较大，其规模不断扩大也造成了土地资源不足的问题。

为了应对这些问题，论文文献《气象因素对太阳能利用的影响研究》运用通径分析阐释 了各个气象因素之间的相互作用，通过回归分析量化了气象因素对发电效率的影响。论文文 献《多因素耦合作用对光伏发电效率的影响分析》用灰色关联分析和回归分析得到对光伏出 力影响最大的气象因素为辐照度、环境温度、风速、湿度、气压，并依此建立了光伏出力多 元回归预测模型。但以上两个论文文献中都只利用单一的数据进行回归分析，得到的预测模 型泛用性较差。

论文文献《Multi-meteorological-factor-based Graph Modeling forPhotovoltaic Power Forecasting》通过图模型方法描述各种气象因素与光伏出力的关系并对光伏出力进行 预测，但是图模型的方法步骤较为繁琐，且预测精度低于深度学习模型。论文文献《基于集 群划分的光伏电站集群发电功率短期预测方法》先是将出力特性相似的光伏电站聚类为一个 个集群，再运用BC-LSTM网络对各个集群进行建模训练，得到多个光伏电站短期总出力。论 文文献《Comparative study of electrical energyconversion on monocrystalline and polycrystalline solar panel types in fixedposition with various weather conditions in mountain area》在湿度和温度均较低的高原山地地区比较分析了单晶和多晶太阳能电池 板的性能，得出在山地地区多晶太阳能电池板出力更高的结论。论文文献《面向桂林气象特 征的太阳能光伏电池板最佳部署角度》只考虑温度和辐照度，单独计算了光伏组件最优倾角 和方位角，但没有考虑两者组合最优。论文文献《山地光伏电站固定式组件安装角度优化方 法》提出了一种考虑山体遮挡，坡面朝向，辐照度情况的定量计算山地地区单一光伏组件最 佳倾角、方向角的方法，但未考虑光伏阵列的排间距。论文文献《山地光伏阵列布置方法和 排间距计算》定量分析了山地地区光伏阵列在不同坡度、倾角、方位角下的排间距，但是并 未对最佳的布置方法进行建模。

综上所述，现有研究缺乏结合地形和气象差异，使某一集中式光伏电站实际出力最大且 经济性最佳的站内光伏板部署优化方法。

现有技术存在的问题如下：

现有光伏电站内光伏板的部署方法未考虑不同地理特征上的气象因素对于光伏出力的影 响，未将地理特征和气象因素综合进行考量从而导致现有光伏电站内光伏板的部署方法所获 得光伏出力年发电量低，部署成本高。

发明内容