一种基于深度学习的光伏场站降低电能损失的方法与流程

1.本发明涉及光伏发电技术领域，具体为一种基于深度学习的光伏场站降低电能损失的方法。


背景技术：

2.太阳能是清洁、安全的可再生能源，在长期的能源战略中具有重要地位。在估算光伏电站的输出电能时需要考虑温度、灰尘和污染、遮挡、组件朝向和倾角、逆变器效率、线缆损耗等因素。以上所有的因素都会对光伏电站造成或多或少的降额，进而导致光伏系统输出电能的损失。
3.1、光伏组件的温度损耗的影响，这个跟光伏电站所在经纬度以及组件最大功率温度系数相关，所在经纬度可通过nasa的数据库查询到，其余的影响因素则为自身光伏组件安装时预留的散热间隙。
4.2、由于光伏组件在室外工作，在灰尘、落叶、鸟粪和其他脏污掩盖后使组件接纳的光照削弱，进而导致输入功率下降，其中落叶和其他脏污可以通过光伏组件的安装环境控制来避免，鸟粪可以通过安装环境配套使用驱鸟设备来避免，其实整体影响输入率的主要因素为灰尘。
5.3、组件朝向和倾角的影响，按照光伏组件安装地理位置的具体经纬度可以确定出最佳安装角度。
6.4、逆变器效率的影响，这个与逆变器自身的输出功率、负载率及输出电压有关，通常取逆变器损耗在4％、逆变器降额因子取值为finv＝0.96，还有逆变器自身的任务温度，这个可以通过将逆变器安装到阴凉的环境并进行遮阳来实现。
7.5、交直流电缆损耗及触点损耗的影响，这个与交流和直流环境、运用线缆规格以及端子的状况，交流和直流环境的线损分别为1％和2％，而运用线缆规格以及端子的影响可以通过后续定期检查修护来降低。
8.综上所述，对光伏场站电能损耗有影响的主要因素为大气灰尘，由于灰尘是由悬浮在空气中的微粒所组成的不均匀分散体系，不同地区均有不同，另外空气流动是颗粒扩散和迁徙的动力，由于灰尘的物理特性、化学性能和生物特性均不同，这样灰尘与光伏组件的附着作用也是多方面的，同时灰尘的附着率也与光伏组件的安装角度有关，传统技术中的清洁是通过水与清洁剂的配合清洗来实现的，但是经常会残留水渍或冬天留下冰层，进而留下微型阴影遮挡来影响发电效率，另外清洗过程还有可能对光伏组件产生损坏，因此有必要研究灰尘附着的状况对光伏组件的影响，以及为清洗力度，方式提供参考。


技术实现要素：

9.(一)解决的技术问题
10.针对现有技术的不足，本发明提供了一种基于深度学习的光伏场站降低电能损失的方法，解决了灰尘附着到光伏组件上具体状况的研究模型。
11.(二)技术方案
12.为实现以上目的，本发明通过以下技术方案予以实现：一种基于深度学习的光伏场站降低电能损失的方法，包括以下步骤：
13.步骤一：选取实地参数
14.选定一具体经纬度的地理位置，之后按照上述地理位置的最优光伏组件安装角度进行实体安装，并向安装好后的光伏组件提供所选地理位置对应平均强度的光照、降水、温度、风向和风速、灰尘浓度和组成，并根据获得的灰尘组成进行模拟配制；
15.步骤二：实体模拟
16.将步骤一得到的最优光伏组件安装角度在加减3度范围内分别选取若光伏组件进行安装，为光伏组件提供选定地理位置的光照、降水和温度，过程中配合供风设备提供与实地参数一样的风向和风速，过程中将模拟配制的灰尘随风下落到光伏组件上，并保证灰尘浓度基本一致；
17.步骤三：定时检测
18.在实体模拟一周期后，得到灰尘在光伏组件上的附着状况，并将实际发电量与理论发电量相除得到发电比率，对光伏组件进行区域划块，并获得各个划块区域内灰尘附着的浓度、组成参数和附着力度参数，之后继续实体模拟过程，记录各个模拟周期内的发电比率；
19.步骤四：数据分析
20.以时间为横坐标，发电比率、平均灰尘浓度、附着力度参数为纵坐标得到各个安装角度的光伏组件的时间状况图，以平均灰尘浓度为横坐标以发电比率为纵坐标得到安装角度的光伏组件平均灰尘浓度与发电比率的比例关系，以及得到各个安装角度对应的灰尘组成参数各成分浓度比例与附着力度参数的对应关系。
21.优选的，所述实体模拟的检测时间每10天为一周期，整体检测过程至少5个周期。
22.优选的，各个所述模拟周期内的发电比率按周期次序加发电比率、各个划块区域内灰尘附着的组成参数和附着里度参数进行记录统计。
23.优选的，所述最优光伏组件安装角度在加减3度范围内按每间隔0.5度进行依次配套安装。
24.优选的，每个安装角度的所述光伏组件的数量至少为2个。
25.(三)有益效果
26.本发明提供了一种基于深度学习的光伏场站降低电能损失的方法。具备以下有益效果：
27.本发明中，通过获取任一具体经纬度的地理位置的平均强度的光照、降水、温度、风向和风速、灰尘浓度和组成的实地参数，并与最优安装角度范围内的光伏组件安装进行结合，可以得到自然状态下的所选地理位置的灰尘与光伏组件安装及发电量的研究模型，方便为光伏场站降低电能损失提供参考处理方案。
具体实施方式
28.下面将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
技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
29.实施例：
30.本发明实施例提供一种基于深度学习的光伏场站降低电能损失的方法，包括以下步骤：
31.步骤一：选取实地参数
32.选定一具体经纬度的地理位置，之后按照上述地理位置的最优光伏组件安装角度进行实体安装，并向安装好后的光伏组件提供所选地理位置对应平均强度的光照、降水、温度、风向和风速、灰尘浓度和组成，并根据获得的灰尘组成进行模拟配制，这里的选定的地理位置的光伏组件最优安装角度从已经公布技术中进行查找，平均强度的光照、降水、温度、风向和风速、灰尘浓度和组成可以从所选地理位置的气象站以及相关平台获得，这里的灰尘组成为灰尘按物理、化学和生物特性进行划分，并获得上述三种特性相对应的灰尘颗粒大小；
33.步骤二：实体模拟
34.将步骤一得到的最优光伏组件安装角度在加减3度范围内按间隔0.5度进行划分表分别选取若光伏组件进行安装，其中每个安装角度的光伏组件的数量至少为2个，为光伏组件提供选定地理位置的光照、降水和温度，过程中配合供风设备提供与实地参数一样的风向和风速，过程中将模拟配制的灰尘随风下落到光伏组件上，并保证灰尘浓度基本一致，其中降水随供风提供，提供的雨滴颗粒大小符合选定地理位置降水的平均雨滴大小；
35.步骤三：定时检测
36.在实体模拟一周期后，得到灰尘在光伏组件上的附着状况，并将实际发电量与理论发电量相除得到发电比率，对光伏组件进行区域划块，并取样获得各个划块区域内灰尘附着的浓度、组成参数和附着力度参数，之后继续实体模拟过程，记录各个模拟周期内的发电比率，在取样后的位置进行标记，光伏组件的区域划块是划分为面积相等的方形区域，每个光伏组件的划块区域的数量至少为四个；
37.步骤四：数据分析
38.以时间为横坐标，发电比率、平均灰尘浓度、附着力度参数为纵坐标得到各个安装角度的光伏组件的时间状况图，通过发电比率的时间状况图可以模拟选定地理位置的发电比率，即发电产率，通过平均灰尘浓度的时间状况图可以模拟选定地理位置在自然状态下灰尘在光伏组件上的附着状况，通过附着力度参数的时间状况图可以模拟选定地理位置自然灰尘在光伏组件上的牢固状况，可以为后续灰尘清理的喷水力度提高参考，以此来高效合理的清理，以平均灰尘浓度为横坐标以发电比率为纵坐标得到安装角度的光伏组件平均灰尘浓度与发电比率的比例关系，这样可以得到光伏组件安装角度与灰尘附着之间的关系，方便行业工作人员根据发电比率适当的调整最优光伏组件安装角度，根据得到各个安装角度对应的灰尘组成参数各成分浓度比例与附着力度参数的对应关系可以方便行业工作人员选择合适的清洁剂及用量，进而减少清洁剂残留。
39.实体模拟的检测时间每10天为一周期，整体检测过程至少5个周期，通过至少5个周期的检测可以提高整体模型的可靠度。
40.各个模拟周期内的发电比率按每一周期加发电比率、各个划块区域内灰尘附着的
组成参数和附着里度参数进行记录统计。
41.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.一种基于深度学习的光伏场站降低电能损失的方法，其特征在于，包括以下步骤：步骤一：选取实地参数选定一具体经纬度的地理位置，之后按照上述地理位置的最优光伏组件安装角度进行实体安装，并向安装好后的光伏组件提供所选地理位置对应平均强度的光照、降水、温度、风向和风速、灰尘浓度和组成，并根据获得的灰尘组成进行模拟配制；步骤二：实体模拟将步骤一得到的最优光伏组件安装角度在加减3度范围内分别选取若光伏组件进行安装，为光伏组件提供选定地理位置的光照、降水和温度，过程中配合供风设备提供与实地参数一样的风向和风速，过程中将模拟配制的灰尘随风下落到光伏组件上，并保证灰尘浓度基本一致；步骤三：定时检测在实体模拟一周期后，得到灰尘在光伏组件上的附着状况，并将实际发电量与理论发电量相除得到发电比率，对光伏组件进行区域划块，并获得各个划块区域内灰尘附着的浓度、组成参数和附着力度参数，之后继续实体模拟过程，记录各个模拟周期内的发电比率；步骤四：数据分析以时间为横坐标，发电比率、平均灰尘浓度、附着力度参数为纵坐标得到各个安装角度的光伏组件的时间状况图，以平均灰尘浓度为横坐标以发电比率为纵坐标得到安装角度的光伏组件平均灰尘浓度与发电比率的比例关系，以及得到各个安装角度对应的灰尘组成参数各成分浓度比例与附着力度参数的对应关系。2.根据权利要求1所述的一种基于深度学习的光伏场站降低电能损失的方法，其特征在于：所述实体模拟的检测时间每10天为一周期，整体检测过程至少5个周期。3.根据权利要求1所述的一种基于深度学习的光伏场站降低电能损失的方法，其特征在于：各个所述模拟周期内的发电比率按周期次序加发电比率、各个划块区域内灰尘附着的组成参数和附着里度参数进行记录统计。4.根据权利要求1所述的一种基于深度学习的光伏场站降低电能损失的方法，其特征在于：所述最优光伏组件安装角度在加减3度范围内按每间隔0.5度进行依次配套安装。5.根据权利要求1所述的一种基于深度学习的光伏场站降低电能损失的方法，其特征在于：每个安装角度的所述光伏组件的数量至少为2个。

技术总结
本发明提供一种基于深度学习的光伏场站降低电能损失的方法，涉及光伏发电技术领域。该基于深度学习的光伏场站降低电能损失的方法，包括以下步骤：步骤一、选取实地参数；步骤二、实体模拟；步骤三、定时检测；步骤四、数据分析。通过获取任一具体经纬度的地理位置的平均强度的光照、降水、温度、风向和风速、灰尘浓度和组成的实地参数，并与最优安装角度范围内的光伏组件安装进行结合，可以得到自然状态下的所选地理位置的灰尘与光伏组件安装及发电量的研究模型，方便为光伏场站降低电能损失提供参考处理方案。参考处理方案。


技术研发人员：郭增良 高源 高阳 包策力格尔
受保护的技术使用者：天津绿动未来能源管理有限公司
技术研发日：2021.11.25
技术公布日：2022/3/8