基于数据挖掘的区域性光伏方阵倾角的研究

庞 慧，康洪波，郑 铮

(1.河北建筑工程学院，河北 张家口 075000；2.唐山师范学院，河北 唐山 063000)

基于数据挖掘的区域性光伏方阵倾角的研究

庞 慧1，康洪波1，郑 铮2

(1.河北建筑工程学院，河北 张家口 075000；2.唐山师范学院，河北 唐山 063000)

随着光伏电站在我国的不断建成，影响光伏发电效率的重要因素之一的光伏阵列的最佳倾角问题也越来越引起人们的重视。在论述独立太阳电池板倾角计算方法的基础上，利用数据挖掘技术对太阳电池阵列的系统运行参数进行指标性评价，并通过评价结果来分析风光互补发电系统中光伏阵列倾角对系统发电的影响，从而设计出基于数据挖掘技术的区域性风光互补太阳能阵列倾角的处理方法。

数据挖掘；风光互补发电系统；太阳能倾角；区域性风光互补参数

1 独立太阳电池板倾角计算方法

目前，人类的能源利用主要集中在石油、天然气和煤炭等化学能源，由于这些能源的不可再生及污染严重的基本特性，人类必须及早寻求新的替代能源。风能、太阳能、生物质能和海洋能等可再生性能源成为大家所关注的重点。

在我国广大地区，风能和太阳能资源非常丰富，尤其是我国的北方地区风能资源和太阳能资源恰好可以形成良好的互补关系，因此风光互补发电系统在我国北部有着非常广泛的市场前景和开发价值。但是，在此条件下的光伏阵列倾角的确定和独立太阳能发电系统的光伏阵列倾角的确定方法会有非常大的不同，是一个值得深入研究的问题。

在独立光伏系统中，光伏方阵的倾角总是尽量向赤道方向倾斜安装，其主要目的是增加方阵面上全年接收到的太阳辐射量。为了尽可能达到方阵面上全年接收到的太阳辐射量的均衡性和极大性，对于确定的地点，其地理和气象条件一定，

所以方阵安装时有个最佳倾角[1]。

在求解最佳倾角时，我们利用的都是由气象台提供的水平面上太阳辐射量的数据，通常是采用K lein总结的计算方法，来确定朝向赤道倾斜面上的太阳辐射量。具体公式如式(1)[2]：

式中：R为倾斜面上月平均太阳辐射量与水平面上月平均太阳辐射量的比值；Hd为水平面上月平均散射辐射量；H为水平面上月平均总辐射量；β为倾角；ρ为地物表面反折射率。关于参数D的求解和解释请参考文献[2]。

K lein的公式认为天空散射辐射是均匀分布的。后来Hay提出了天空散射辐射各向异性的模型，其表达式为式（2）[3]：

式中：H、Hb和Hd分别是水平面上的太阳辐射总量、直接辐射量和散射辐射量；Rb为倾斜面和水平面上直接辐射量的比值；H0为大气层外水平辐射量；β为倾角；ρ为地物表面反折射率。

以上两个公式可根据实际情况进行选择，将具体参数代入以上公式，就可以求出各地的太阳能阵列的最佳倾角。

2 数据挖据技术在光伏方阵运行中的应用分析

以上的公式计算过程非常复杂，所以只能根据数学模型编制计算机程序进行计算。目前计算倾斜方阵面上太阳辐射的计算机辅助设计软件很多，如北京计科能源新技术开发公司开发的PVCAD，上海电力学院开发的辐射量计算软件等。通过这些软件，可以很方便地计算出固定方阵固定倾角等参数。但是这些软件也具有不可忽视的缺点，那就是数学模型相比单一，主要都是针对全年获得最大的辐射量为前提条件而进行建立的，对于复杂多变的地域环境及气候条件的适应能力较差，因此，研究一种针对于某一区域的，数据复杂程度高的数据模型至关重要。

以我国的华北地区为例，冬、春、秋三个季节的风力充沛，日照略有不足，而在夏季，风力不足而日照充分。在这样的情况下，我们一般采用风光互补发电系统来进行绿色能源的采集和存储。因此，为了使得风光互补发电系统具有最大的性价比，太阳能阵列的最佳倾角要求的不是全年的最佳辐射量，而是夏季的最大辐射量。

光伏阵列的最佳倾角的确定一方面依赖于可靠的公式，另一方面还要有大量的、精确的数据支撑。目前国内一台300 MW光伏发电机组的地理及气候采集信息有4 000～5 000点，600MW机组有12 000点左右。这些数据的多元、动态与交联性，给人工分析和处理带来困难，因此，光伏发电机组的海量数据就需要具备超强的数据处理和分析能力。

数据挖掘（datamining，DM）与数据库知识发现（know ledge discovery in database，KDD）技术作为一门新兴学科，有效地解决了这方面的问题。它能够在很少人工干预情况下，处理复杂的数据信息，提取有关知识规则。从数据挖掘的角度看，光伏发电的一个显著特点是发电特性与地理位置及气候条件关联度极强，所以生产过程数据表现出较强的规律性及重复性，完全可以利用从流程数据中采掘出的知识来设计智能化应用系统，使计算机能够替代人自动做出判断或者决策。

利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、挖掘等，它们分别从不同的角度对数据进行挖掘。

根据光伏发电的基本过程，系统的发电量与环境的变化具有极大的关系。在日照量强时，发电量是巨大的，而日照量较小时，发电量是较小的，这一数据的变化区间是很大的。因此，在一定条件下，通过对环境条件的监测，来确定某些部件的运行方式，从而起到对发电量进行调整的目的。基于以上的考虑，数据挖掘的目标确定为系统稳定运行的前提下，月平均发电量尽可能达到最大，并且协调每日发电量，使日发电量接近平均值，以适应北方地区风光互补发电系统的效率需要。

3 区域性非独立光伏方阵安装倾角与独立太阳能发电系统方阵倾角的异同点分析

表1的数据是我国北部坝上某县的月日照时长和月平均风速情况一览表，从表中可知5月至8月的日照时长最长，但月平均风速较低，这说明5月～8月适应光伏发电为主，而其它月份以风力发电为主。同时，观察近四十年来当地气候的基本情况，变化趋势一致，因此从经济性和能源均衡性的角度出发来确定该区域风光发电系统的光伏方阵，其最佳倾角在各个月显然是不一样的。

我们将各参数代入式（2），可求出该地区每个月所针对的最佳倾角βopt及月平均日辐射量如表2所示。

参照表1数据，并查阅“中国太阳辐射资料库”软件可知，对于该地区来说，最佳的太阳能阵列倾角是43.1°从表2中可以看出，对于该地区来说，每个月的倾角是不同的，而且相差很大。

4 关联规则数据挖掘算法在阵列倾角确定中的应用

根据区域性风光互补参数的基本原理，可以看出，我们需要太阳能系统在5月～8月取得光伏系统的最大辐射量所对应的倾角。从表2中初步可确定这个倾角在4.9°～17.0°之间，以Hay数学模型为依据，采用信号传感器来测试安装地点的经度、纬度、太阳方位、实时气温等环境参数。依据这些数据的关联程度，构建出数据挖掘中的数据集，同时，将实时太阳空间方位设为频繁项，提高其置信度，并且根据数据集合中的数据量来设定相应的支持度，并把太阳方位与实时气温的关联数据作为重要参考数据。

关联规则数据挖掘算法主要有两种，一种是Apriori算法，另一种是FP-grow th算法。相比于Apriori算法，FP-grow th算法不用生成数据候选集而直接由置信度生成频繁集，并将由此而形成的数据库压缩成一棵精简的FP树，而且该算法只对数据库里的数据进行两次扫描，时间效率高，同时它的伸缩性也很好，对挖掘较长和较短的模式都有较好的适应性。

表1 2011年某县月日照时长和月平均风速情况一览表(当地气象局提供)

表2 该地区的每月最佳倾角及对应辐射量

本文采用VC++来实现FP-grow th算法，借助VC++中的标准模板库来实现相关功能，同时提高代码的重用机会。

在实地进行数据测试对比可以发现：利用成型软件求出的安装倾角为43.1°，而利用数据挖掘算法求出的安装倾角为21.3°。从总体上看，43.1°时太阳电池组全年发电量为722 183 kW，发电量大于安装倾角为21.3°时的612 411 kW，但前一种情况在7、8、9月会出现总供电不足的情况，而在21.3°时，虽全年太阳能供电量不大，但在7、8、9三个月恰好可弥补风力的不足，效果相当好。

5 结语

将数据挖掘技术应用于区域性风光互补参数的太阳能倾角确定中，是一种新的尝试。通过实验结果可以看到，它所求出的太阳能倾角不是全年最佳平均倾角，而是针对特定一段时间的最佳倾角。这一方法，对于气候条件比较特殊的地区，非常适用，可以取得良好的效果，具有很广泛的推广效果。

[1] 沈辉，曾祖勤.太阳能光伏发电技术[M].北京：化学工业出版社，2005：85-100.

[2] 孙韵琳，杜晓荣，王小杨,等.固定式并网光伏阵列的辐射量计算与倾角优化[J]．太阳能学报，2009,30(12):1597-1600.

[3] 杨金焕．固定式光伏方阵最佳倾角的分析[J].太阳能学报，1992, 13(1):86-92.

Research on regionalphotovoltaic array tiltangleby datamining technology

PANG Hui1,KANG Hong-bo1,ZHENG Zheng2
(1.Hebei Institute ofArchitecture and Civil Engineering,Zhangjiakou Hebei075000,China; 2.Tangshan NormalUniversity,Tangshan Hebei063000,China)

：With the rising number of photovoltaic power station in China,the problem of the optimum angle of the photovoltaic array has attracted more and more people's attention,which is one of the important factors that influence the photovoltaic power efficiency.In this paper,the independent solar panel angle calculation method was discussed. The data mining technology was used to evaluate indexes of the solar array system's running parameters. The evaluation results were analyzed to evaluate the effect of solar tilt angle of wind and solar hybrid generating system on power generation.A method was designed to process regional wind and solar hybrid solar array tilt angle by using data mining technology.

data mining technology;wind and solar hybrid generating system;solar tilt angle;regional wind and solar hybrid parameters

TM 914

A

1002-087 X(2013)11-2026-02

2013-04-09

庞慧（1979—），女，河北省人，讲师，主要研究方向为数据挖掘、分布式系统。