[发明专利]一种分布式光伏电站智能选址方法及系统

说明书

本申请提供了一种分布式光伏电站智能选址方法及系统，属于预测或优化技术领域，所述方案包括：对预选区域进行细粒度网格划分；获取所有网格位置的发电量时序信息、文本语义信息以及数值型数据信息，并基于预先训练的深度学习模型，分别进行特征提取；基于提取的特征及预先训练的多核学习模型，获得区域内细网格划分下所有网格位置的评估分值，基于所述评估分值为智能选址提供决策依据；所述方案基于区域内已有电站的相关数据，利用时空相关性对其邻近位置进行发电预测，并进一步结合其它影响光伏发电的文本语义信息及数值型信息，对网格划分下所有网格位置进行综合评估，保证了光伏电站智能选址的准确性及合理性。

技术领域

本申请属于预测或优化技术领域，尤其涉及一种分布式光伏电站智能选址方法及系统。

背景技术

光伏发电作为一种开发较为便利的绿色能源，正日益受到人们的重视，但是，为了优化光伏电站选址布局，保证分布式光伏电站的合理系统配置、提高光电转换效率、降低光伏发电成本，光伏电站的评估和选址研究显得尤为重要。

但是，当前光伏电站的选址仍存在以下问题：

（1）目前的光伏电站选址一般是将其描述成一个优化问题，如将年运行费用最小、电压偏差最小等作为选址定容依据，或者构建电网动态特性的多目标优化，这些问题基本上都属于NP-hard问题，求解过程容易陷入局部最优；

（2）光伏电站的发电量预测是选址的关键，但目前发电预测的相关研究，一般根据某个电站的历史发电时序数据，结合影响发电的相关因素对其进行发电预测；主要存在的问题表现在两个方面：一是只能针对一个或多个具体已经存在的电站进行预测；二是针对候选地点，如果没有历史发电数据，无法进行有效的评估；

（3）除了发电的历史时序数据和预测时序数据之外，太阳辐射量、规划控制情况、交通运输条件、电网接入方式、自然资源及环境情况、社会经济、运维成本、运维过程等信息也是选址的重要因素，现有方法并未对其进行有效考虑，同时，现有的评估方法有层次分析法、灰色关联分析、模糊评价等，上述评估方法的主要缺点表现在两个方面，一是各影响因素权重设置比较主观，缺乏科学客观的量化依据，另一方面，影响选址的重要因素大多采用自然语言进行描述，在特征提取过程中一般采用one-hot编码，丢失了选址重要因素中的文本语义理解。

（4）现有的光伏选址方法，大多从上述单一视域（如发电量时序信息、文本语义信息以及数值型数据信息中的任意一种）去考虑，即便多个视域，也只是将所有视域特征进行简单组合，导致无法对多视域特征进行充分利用。

（5）已有的相关研究中，大多针对已有电站进行预测或评估，但是在某个区域中，已经进行发电的电站，相对整个区域来说，是相对稀疏的，如果需要对该区域进行整体分布式电站规划，目前研究中缺乏对细粒度网格划分下所有网格位置全面的和对比性评估。

发明内容

本申请为了解决上述问题，提供了一种分布式光伏电站智能选址方法及系统，所述方案基于预选区域内已有电站的相关数据，利用时空相关性对区域内细网格划分下所有网格位置进行发电预测，并进一步基于影响光伏电站选址的多种因素，对细网格划分下网格位置进行综合评估，从而对光伏电站的智能选址提供合理准确的决策支持。

根据本申请实施例的第一个方面，提供了一种分布式光伏电站智能选址方法，包括：

对预选区域进行细粒度网格划分；

获取所有网格位置的发电量时序信息、文本语义信息以及数值型数据信息；并基于预先训练的深度学习模型，分别进行时序信息特征、文本语义信息特征及数值型信息特征的提取；

基于提取的特征及预先训练的多核学习模型，获得区域内细网格划分下所有网格位置的评估分值，基于所述评估分值为智能选址提供决策依据；