一种基于gis的分布式光伏电量成本绿色溢价评价方法
技术领域
1.本发明涉及新能源建设技术领域，尤其是一种基于gis的分布式光伏电量成本绿色溢价评价方法。
背景技术：2.随着化石燃料在世界范围内的枯竭和电力行业的放松管制，分布式发电机的集成技术在过去十年中迅速引起了人们的关注。分布式电源作为集中式发电的补充，对电力系统，尤其是供电距离长、网络结构薄弱的配电系统有很多积极的影响，如转移高峰负荷、降低网络损耗、改善电压分布等。
3.分布式能源项目的建设规划需要平衡项目与区域资源条件和用户用能需求两侧的变化态势，从而达到柔性匹配，满足区域低碳绿色和经济发展的要求。可再生资源条件、分布式能源项目及用户负荷需求构成的整体链路是一个互相影响、动态变化的双侧随机链系统。
4.探索空间数据分析是一种通过对象空间分布的特征研究其空间聚集性和异质性的方法，可以从整体上系统地对研究对象进行空间分异特征分析，但无法深入探察不同影响因素对研究对象空间分布的影响效果。空间自回归模型可用于探究驱动因素并解释具有空间相关性的因素对研究对象的影响程度，作为空间因素研究的重要工具，空间自回归模型以及在此基础上建立的经济学分支学科——空间计量经济学受到了广泛的关注和讨论，为新经济地理学的研究提供了重要的方法支持。空间自回归模型还存在一些问题，其中一个重要问题就是模型形式设定有待于推敲，诸如在构建或选择空间回归模型时没有给出详细的说明和解释、没有联系实际问题就模型设定进行探究、模型变量的确定未经过细致的分析等问题。
技术实现要素：5.本发明的目的在于提供一种能够有效地根据空间变量对绿色光伏工程的绿色溢价进行控制，从而降低绿色光伏电量成本溢价的基于gis的分布式光伏电量成本绿色溢价评价方法。
6.为实现上述目的，本发明采用了以下技术方案：一种基于gis的分布式光伏电量成本绿色溢价评价方法，该方法包括下列顺序的步骤：
7.(1)构造分布式光伏工程数据集，分布式光伏工程数据集包括工程的建造数据、运营数据、维护数据和拆除数据；
8.(2)对分布式光伏工程数据集进行地理信息配准，得到带有最有效地理信息配准的工程数据集；
9.(3)通过具有beta分布的随机理论方法计算太阳辐照度的不确定性，根据具有beta分布的随机理论方法和matlab软件对带有最有效地理信息配准的工程数据集进行描述性分析，输出带有最有效地理信息配准的工程数据集在不同地理空间变量下所对应的地
理空间变量数据集，以及与地理空间变量数据集相对应的发电量结果；
10.(4)构建空间属性的发电量计算模型，将地理空间变量数据集、发电量结果输入至空间属性的发电量计算模型，再通过最小二乘法进行拟合，得到拟合空间属性的发电量计算模型；
11.(5)构建绿色溢价电量成本分析模型，将拟合空间属性的发电量计算模型代入绿色溢价电量成本分析模型，绿色溢价电量成本分析模型输出分布式光伏溢价电量成本溢价。
12.所述步骤(2)具体包括以下步骤：
13.(2a)将分布式光伏工程数据集输入至地理信息工具arcgis；
14.(2b)地理信息工具arcgis对分布式光伏项目进行地理信息配准，删除重复位置的变量，对邻域变量的质量属性进行计算；
15.(2c)地理信息工具arcgis输出带有最有效地理信息配准的工程数据集，带有最有效地理信息配准的工程数据集包括经地理空间信息配准的经纬度数据、气象数据、全球水平辐射、扩散水平辐射、环境温度、风速、日照时长和光照强度。
16.在步骤(3)中，所述通过具有beta分布的随机理论方法计算太阳辐照度的不确定性具体包括以下步骤：
17.(3a)太阳辐照度的概率密度函数为：
[0018][0019]
其中，s为太阳辐照度；s
max
为给定时间的太阳辐照度上限；α、β均为beta分布的形状参数；
[0020]
(3b)α、β的计算公式如下：
[0021][0022][0023]
其中，μg为时间段g内历史太阳辐照度数据的平均值，σg为时间段g内历史太阳辐照度数据的标准偏差；
[0024]
(3c)基于每个时间段对应的特定beta分布，利用多态理论对概率密度函数进行离散化，每个时间段的概率密度函数被划分为n个状态，每个状态具有相同的跨度；
[0025]
设s
t-min
和s
t-max
分别表示状态t的上界和下界，太阳辐照度落在状态t的概率表示为：
[0026][0027]
(3d)使用分段函数表示光伏的有功功率输出与太阳辐照度之间的关系：
[0028][0029]
其中，s
rated
为光伏的额定太阳辐照度，p
s-rated
为光伏的额定有功输出功率。
[0030]
在步骤(4)中，所述空间属性的发电量计算模型的公式如下：
[0031]cpro
＝b0+b1x1+b2x2+
…
+bnxn+e
[0032]
其中，c
pro
是分布式光伏预测发电量，(x1,x2…
xn)是影响光伏发电的地理空间属性的特征，影响光伏发电的地理空间属性包括气象数据、环境温度、风速、日照时长和光照强度，对最小二乘法拟合的函数进行皮尔逊分析，检验拟合优度：
[0033]
把r1＝(-∞，+∞)分为适当个数的连续区间：-∞《a0《a1《a2《
…
《a
k-1
《ak《+∞以ni表示样本值中落在区间(a
i-1
，ai)内的个数，皮尔逊拟合优度检验公式为：
[0034][0035]
其中，n为总样本量，pi为用经过拟合公式计算的分布式光伏预测发电量的结果落在(a
i-1
，ai)的个数再除以n得到的值，χ2为卡方值，该值越大，拟合优度越差，反之，拟合优度越好，若卡方分布表达到临界值则检验通过；
[0036]
若检验通过，得到拟合空间属性的发电量计算公式：
[0037]cpro
＝b0+b1x1+b2x2+
…
+bnxn+e
[0038]
若检验未通过，增加有影响的地理空间变量后，再进行检验，通过后，得到拟合空间属性的发电量计算公式：
[0039]cpro
＝b0+b1x1+b2x2+
…
+bnxn+bnxa+bnxb+bnxc+e
[0040]
式中：xa、xb、xc为增加的有影响的地理空间变量。
[0041]
在步骤(5)中，所述绿色溢价电量成本分析模型的公式为：
[0042]cep
＝c
invest
+c
operation
+c
buy-c
pro
[0043]
式中：c
invest
、c
operation
分别为投资建设成本、运维成本，c
buy
为从主网的购电成本，c
pro
为储能电池低储高发的收益；
[0044][0045]
式中：r0为贴现率，取0.06；y为适用规划年限，分布式光伏取20年、储能电池取10年；分别为单位容量的光伏、储能电池投资建设成本；分别为场景k中节点j光伏、储能电池的实际并网容量；
[0046]coperation
[0047]
式中：λ为运维成本的折算比例，取0.1；为分布式光伏单位容量的弃电成本；为场景k中节点j的光伏并网容量的理论值；为从主网购电的单位容量实时电
价；分别为场景k中储能电池节点j的充放电功率值；
[0048][0049]
式中，为场景k中节点j的主网购电量；
[0050][0051]
式中，分别为场景k中节点j储能电池作用前后的负荷量。
[0052]
由上述技术方案可知，本发明的有益效果为：第一，本发明可以有效降低分布式电源优化选址过程中光伏工程发电量的绿色成本溢价，可使光伏工程从建造，运营及拆除能够低碳运行，甚至可能发电量绿色成本溢价实现负指数；第二，本发明利用光伏发电场作为紧急情况下的快速无功电源，并分布式光伏的优化选址时考虑到这一因素，也具有巨大的经济价值，同时能够准确识别影响分布式光伏发电工程的因素，解决统筹分布式能源项目规模、优化项目布局的重要基础问题。
附图说明
[0053]
图1为本发明的方法流程图；
[0054]
图2为连续概率密度函数的离散化示意图；
[0055]
图3为光伏有功功率输出与太阳辐照度的关系示意图。
具体实施方式
[0056]
如图1所示，一种基于gis的分布式光伏电量成本绿色溢价评价方法，该方法包括下列顺序的步骤：
[0057]
(1)构造分布式光伏工程数据集，分布式光伏工程数据集包括工程的建造数据、运营数据、维护数据和拆除数据；
[0058]
(2)对分布式光伏工程数据集进行地理信息配准，得到带有最有效地理信息配准的工程数据集；
[0059]
(3)通过具有beta分布的随机理论方法计算太阳辐照度的不确定性，根据具有beta分布的随机理论方法和matlab软件对带有最有效地理信息配准的工程数据集进行描述性分析，输出带有最有效地理信息配准的工程数据集在不同地理空间变量下所对应的地理空间变量数据集，以及与地理空间变量数据集相对应的发电量结果；
[0060]
(4)构建空间属性的发电量计算模型，将地理空间变量数据集、发电量结果输入至空间属性的发电量计算模型，再通过最小二乘法进行拟合，得到拟合空间属性的发电量计算模型；
[0061]
(5)构建绿色溢价电量成本分析模型，将拟合空间属性的发电量计算模型代入绿色溢价电量成本分析模型，绿色溢价电量成本分析模型输出分布式光伏溢价电量成本溢价。
[0062]
所述步骤(2)具体包括以下步骤：
[0063]
(2a)将分布式光伏工程数据集输入至地理信息工具arcgis；
[0064]
(2b)地理信息工具arcgis对分布式光伏项目进行地理信息配准，删除重复位置的变量，对邻域变量的质量属性进行计算；
[0065]
(2c)地理信息工具arcgis输出带有最有效地理信息配准的工程数据集，带有最有效地理信息配准的工程数据集包括经地理空间信息配准的经纬度数据、气象数据、全球水平辐射、扩散水平辐射、环境温度、风速、日照时长和光照强度。
[0066]
在步骤(3)中，所述通过具有beta分布的随机理论方法计算太阳辐照度的不确定性具体包括以下步骤：
[0067]
(3a)太阳辐照度的概率密度函数为：
[0068][0069]
其中，s为太阳辐照度；s
max
为给定时间的太阳辐照度上限；α、β均为beta分布的形状参数；
[0070]
(3b)α、β的计算公式如下：
[0071][0072][0073]
其中，μg为时间段g内历史太阳辐照度数据的平均值，σg为时间段g内历史太阳辐照度数据的标准偏差；
[0074]
(3c)基于每个时间段对应的特定beta分布，利用多态理论对概率密度函数进行离散化，每个时间段的概率密度函数被划分为n个状态，每个状态具有相同的跨度；
[0075]
设s
t-min
和s
t-max
分别表示状态t的上界和下界，太阳辐照度落在状态t的概率表示为：
[0076][0077]
(3d)使用分段函数表示光伏的有功功率输出与太阳辐照度之间的关系：
[0078][0079]
其中，s
rated
为光伏的额定太阳辐照度，p
s-rated
为光伏的额定有功输出功率。
[0080]
在步骤(4)中，所述空间属性的发电量计算模型的公式如下：
[0081]cpro
＝b0+b1x1+b2x2+
…
+bnxn+e
[0082]
其中，c
pro
是分布式光伏预测发电量，(x1,x2…
xn)是影响光伏发电的地理空间属性的特征，影响光伏发电的地理空间属性包括气象数据、环境温度、风速、日照时长和光照强
度，对最小二乘法拟合的函数进行皮尔逊分析，检验拟合优度：
[0083]
把r1＝(-∞，+∞)分为适当个数的连续区间：-∞《a0《a1《a2《
…
《a
k-1
《ak《+∞以ni表示样本值中落在区间(a
i-1
，ai)内的个数，皮尔逊拟合优度检验公式为：
[0084][0085]
其中，n为总样本量，pi为用经过拟合公式计算的分布式光伏预测发电量的结果落在(a
i-1
，ai)的个数再除以n得到的值，x2为卡方值，该值越大，拟合优度越差，反之，拟合优度越好，若卡方分布表达到临界值则检验通过；
[0086]
若检验通过，得到拟合空间属性的发电量计算公式：
[0087]cpro
＝b0+b1x1+b2x2+
…
+bnxn+e
[0088]
若检验未通过，增加有影响的地理空间变量后，再进行检验，通过后，得到拟合空间属性的发电量计算公式：
[0089]cpro
＝b0+b1x1+b2x2+
…
+bnxn+bnxa+bnxb+bnxc+e
[0090]
式中：xa、xb、xc为增加的有影响的地理空间变量。
[0091]
在步骤(5)中，所述绿色溢价电量成本分析模型的公式为：
[0092]cep
＝c
invest
+c
operation
+c
buy-c
pro
[0093]
式中：c
invest
、c
operation
分别为投资建设成本、运维成本，c
buy
为从主网的购电成本，c
pro
为储能电池低储高发的收益；
[0094][0095]
式中：r0为贴现率，取0.06；y为适用规划年限，分布式光伏取20年、储能电池取10年；分别为单位容量的光伏、储能电池投资建设成本；分别为场景k中节点j光伏、储能电池的实际并网容量；
[0096]coperation
[0097]
式中：λ为运维成本的折算比例，取0.1；为分布式光伏单位容量的弃电成本；为场景k中节点j的光伏并网容量的理论值；为从主网购电的单位容量实时电价；分别为场景k中储能电池节点j的充放电功率值；
[0098][0099]
式中，为场景k中节点j的主网购电量；
[0100]
[0101]
式中，分别为场景k中节点j储能电池作用前后的负荷量。
[0102]
如图2所示，基于每个时间段对应的特定beta分布，利用多状态态理论对概率密度函数进行离散化，每个时间段的概率密度函数被划分为n个状态，每个状态具有相同的跨度。
[0103]
如图3所示，光伏的有功功率输出与太阳辐照度之间的关系可以分段函数来表示，达到了s
rated
辐照度的临界值，光伏的发电量已经达到最大，不会再随太阳辐照度的增长而增长。
[0104]
综上所述，本发明可以有效降低分布式电源优化选址过程中光伏工程发电量的绿色成本溢价，可使光伏工程从建造，运营及拆除能够低碳运行，甚至可能发电量绿色成本溢价实现负指数；本发明利用光伏发电场作为紧急情况下的快速无功电源，并分布式光伏的优化选址时考虑到这一因素，也具有巨大的经济价值，同时能够准确识别影响分布式光伏发电工程的因素，解决统筹分布式能源项目规模、优化项目布局的重要基础问题。
技术特征：1.一种基于gis的分布式光伏电量成本绿色溢价评价方法，其特征在于：该方法包括下列顺序的步骤：(1)构造分布式光伏工程数据集，分布式光伏工程数据集包括工程的建造数据、运营数据、维护数据和拆除数据；(2)对分布式光伏工程数据集进行地理信息配准，得到带有最有效地理信息配准的工程数据集；(3)通过具有beta分布的随机理论方法计算太阳辐照度的不确定性，根据具有beta分布的随机理论方法和matlab软件对带有最有效地理信息配准的工程数据集进行描述性分析，输出带有最有效地理信息配准的工程数据集在不同地理空间变量下所对应的地理空间变量数据集，以及与地理空间变量数据集相对应的发电量结果；(4)构建空间属性的发电量计算模型，将地理空间变量数据集、发电量结果输入至空间属性的发电量计算模型，再通过最小二乘法进行拟合，得到拟合空间属性的发电量计算模型；(5)构建绿色溢价电量成本分析模型，将拟合空间属性的发电量计算模型代入绿色溢价电量成本分析模型，绿色溢价电量成本分析模型输出分布式光伏溢价电量成本溢价。2.根据权利要求1所述的基于gis的分布式光伏电量成本绿色溢价评价方法，其特征在于：所述步骤(2)具体包括以下步骤：(2a)将分布式光伏工程数据集输入至地理信息工具arcgis；(2b)地理信息工具arcgis对分布式光伏项目进行地理信息配准，删除重复位置的变量，对邻域变量的质量属性进行计算；(2c)地理信息工具arcgis输出带有最有效地理信息配准的工程数据集，带有最有效地理信息配准的工程数据集包括经地理空间信息配准的经纬度数据、气象数据、全球水平辐射、扩散水平辐射、环境温度、风速、日照时长和光照强度。3.根据权利要求1所述的基于gis的分布式光伏电量成本绿色溢价评价方法，其特征在于：在步骤(3)中，所述通过具有beta分布的随机理论方法计算太阳辐照度的不确定性具体包括以下步骤：(3a)太阳辐照度的概率密度函数为：其中，s为太阳辐照度；s
max
为给定时间的太阳辐照度上限；α、β均为beta分布的形状参数；(3b)α、β的计算公式如下：(3b)α、β的计算公式如下：其中，μ
g
为时间段g内历史太阳辐照度数据的平均值，σ
g
为时间段g内历史太阳辐照度数
据的标准偏差；(3c)基于每个时间段对应的特定beta分布，利用多态理论对概率密度函数进行离散化，每个时间段的概率密度函数被划分为n个状态，每个状态具有相同的跨度；设s
t-min
和s
t-max
分别表示状态t的上界和下界，太阳辐照度落在状态t的概率表示为：(3d)使用分段函数表示光伏的有功功率输出与太阳辐照度之间的关系：其中，s
rated
为光伏的额定太阳辐照度，p
s-rated
为光伏的额定有功输出功率。4.根据权利要求1所述的基于gis的分布式光伏电量成本绿色溢价评价方法，其特征在于：在步骤(4)中，所述空间属性的发电量计算模型的公式如下：c
pro
＝b0+b1x1+b2x2+
…
+b
n
x
n
+e其中，c
pro
是分布式光伏预测发电量，(x1，x2…
x
n
)是影响光伏发电的地理空间属性的特征，影响光伏发电的地理空间属性包括气象数据、环境温度、风速、日照时长和光照强度，对最小二乘法拟合的函数进行皮尔逊分析，检验拟合优度：把r1＝(-∞，+∞)分为适当个数的连续区间：-∞＜a0＜a1＜a2＜
…
＜a
k-1
＜a
k
＜+∞以n
i
表示样本值中落在区间(a
i-1
，a
i
)内的个数，皮尔逊拟合优度检验公式为：其中，n为总样本量，p
i
为用经过拟合公式计算的分布式光伏预测发电量的结果落在(a
i-1
，a
i
)的个数再除以n得到的值，χ2为卡方值，该值越大，拟合优度越差，反之，拟合优度越好，若卡方分布表达到临界值则检验通过；若检验通过，得到拟合空间属性的发电量计算公式：c
pro
＝b0+b1x1+b2x2+
…
+b
n
x
n
+e若检验未通过，增加有影响的地理空间变量后，再进行检验，通过后，得到拟合空间属性的发电量计算公式：c
pro
＝b0+b1x1+b2x2+
…
+b
n
x
n
+b
n
x
a
+b
n
x
b
+b
n
x
c
+e式中：x
a
、x
b
、x
c
为增加的有影响的地理空间变量。5.根据权利要求1所述的基于gis的分布式光伏电量成本绿色溢价评价方法，其特征在于：在步骤(5)中，所述绿色溢价电量成本分析模型的公式为：c
ep
＝c
invest
+c
operation
+c
buy-c
pro
式中：c
invest
、c
operation
分别为投资建设成本、运维成本，c
buy
为从主网的购电成本，c
pro
为储能电池低储高发的收益；
式中：r0为贴现率，取0.06；y为适用规划年限，分布式光伏取20年、储能电池取10年；分别为单位容量的光伏、储能电池投资建设成本；分别为场景k中节点j光伏、储能电池的实际并网容量；c
operation
式中：λ为运维成本的折算比例，取0.1；为分布式光伏单位容量的弃电成本；为场景k中节点j的光伏并网容量的理论值；为从主网购电的单位容量实时电价；分别为场景k中储能电池节点j的充放电功率值；式中，为场景k中节点j的主网购电量；式中，分别为场景k中节点j储能电池作用前后的负荷量。
技术总结本发明涉及一种基于GIS的分布式光伏电量成本绿色溢价评价方法，包括：构造分布式光伏工程数据集；对分布式光伏工程数据集进行地理信息配准，得到带有最有效地理信息配准的工程数据集；得到带有最有效地理信息配准的工程数据集在不同地理空间变量下所对应的地理空间变量数据集，以及与地理空间变量数据集相对应的发电量结果；构建空间属性的发电量计算模型，得到拟合空间属性的发电量计算模型；构建绿色溢价电量成本分析模型，输出分布式光伏溢价电量成本溢价。本发明可以有效降低分布式电源优化选址过程中光伏工程发电量的绿色成本溢价，可使光伏工程从建造，运营及拆除能够低碳运行，甚至可能发电量绿色成本溢价实现负指数。数。数。
技术研发人员：刘士李 杨帆 李建青 殷敏 陈付雷 唐越 高象 施晓敏 董鹏鹏 方天睿
受保护的技术使用者：国网安徽众兴电力设计院有限公司
技术研发日：2022.05.10
技术公布日：2022/7/5
