[发明专利]屋顶式光伏阵列设备投入优化方法

权利要求书

1.一种屋顶式光伏阵列设备投入优化方法，其特征在于，包括：中长期发电量的预测，其公式如下：

W＝ηTp

其中：η为修正系数，综合考虑效率损失、传输损失；T为逐年平均利用小时数；p为峰值发电功率，所述修正系数η采取结合自动站现有多年数据进行系数修正的方法进行调整，其修正系数统一归算到效率损失系数中一并考虑；所述逐年平均利用小时数T由气象局的年平均日照时长及平均辐照度进行确定。

2.根据权利要求1所述的屋顶式光伏阵列设备投入优化方法，其特征在于，还包括建立中长期光伏发电效率修正模型和中长期运营成本预测模型，所述中长期光伏发电效率修正模型和中长期运营成本预测模型均通过建立聚类模型，对数据集中的数据应用进行分组，把具有相似性质的食物区分开加以分类，通过获得同一个类中数据对象之间具有较高的相似度，从而对中长期光伏发电效率进行修正，对中长期运营成本进行预测。

3.根据权利要求2所述的光伏屋顶资源定级分析方法，其特征在于，所述聚类模型具体步骤如下：

输入给定的数据集；

数据预处理，根据要求，对数据进行特征标准化及降维处理；

特征选择特征提取，将由数据预处理过程得到的最初始的特征中的最有效的特征选择出来，并将选取出来的最有效特征存放于特定的向量中，然后对这些有效特征进行相应的转换，得到新的有效突出特征；

聚类，根据需要选择合适的相似性度量函数对数据集中的数据对象相似程度进行度量，以此进行数据对象的聚类；

对聚类结果进行评估，依据相关的评价标准对聚类结果进行评估，评估聚类结果的优劣，以完成对聚类分析过程的进一步改进和完善。

4.根据权利要求3所述的光伏屋顶资源定级分析方法，其特征在于，所述聚类模型中类似项目的筛选采用K-mean聚类算法进行筛选。

5.根据权利要求3所述的光伏屋顶资源定级分析方法，其特征在于，所述中长期光伏发电效率修正模型中输入给定的数据集包括产品特性、屋顶特性、气象因素，所述产品特性包括产品厂商、运维厂商、电压等级；所述屋顶特性包括屋顶定级；所述气象因素包括年均辐照度、年均温度、年均降水量、年均风速、年均湿度。

6.根据权利要求3所述的光伏屋顶资源定级分析方法，其特征在于，所述中长期光伏运营成本预测模型输入给定的数据集包括运维模式、屋顶特性、产品质量，所述运维模式包括自维护、委托维护、运维团队；所述屋顶特性包括基础构架、占地面积；产品质量包括光伏组件、汇流排、逆变器、蓄电池。

建立第一类模型

d_ij≤T(i，j∈G)

其中，T为阈值，是给定的正数，G为集合，d_ij为集合G中任何两个元素的距离；

建立第二类模型

其中，T为阈值，是给定的正数，G为集合，n是集合G中元素的个数，集合G中每个∈G都满足上述公式；

建立第三类模型

其中，T和H为阈值，是给定的两个正数，且H>T，G为集合，n是集合G中元素的个数，集合G中两两元素距离的平均满足上述公式。