(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111410934.9 (22)申请日 2021.11.25 (71)申请人 天津绿动未来能源管理有限公司 地址 300450 天津市滨 海新区空港国际物 流区第二大街1号312室 (72)发明人 郭增良　高源　高阳　包策力格尔 　 (74)专利代理 机构 天津煜博知识产权代理事务 所(普通合伙) 12246 代理人 于硕 (51)Int.Cl. H02S 50/00(2014.01) H02S 50/10(2014.01) H02S 40/10(2014.01) H02S 20/30(2014.01) G06F 30/27(2020.01) (54)发明名称 一种基于深度学习的光伏场站降低电能损 失的方法 (57)摘要 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。 权利要求书1页 说明书4页 CN 114157234 A 2022.03.08 CN 114157234 A 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。权　利　要　求　书 1/1 页 2 CN 114157234 A 2一种基于深度学习的光 伏场站降低电能损 失的方法 技术领域 [0001]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 [0002]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。 [0003]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。 [0004]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。 [0005]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。 [0006]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。 [0007]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。 [0008]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。 发明内容 [0009](一)解决的技 术问题 [0010]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。说　明　书 1/4 页 3 CN 114157234 A 3