基于环境分析的山地光伏系统可持续性评估

摘要：随着清洁能源需求的增加，光伏系统在丘陵山地的应用日益普遍。本研究采用随机森林算法进行数据分析和预测，探讨了丘陵山地光伏系统中，组件朝向、倾角和间距等因素对太阳辐射强度、漫反射系数和光电转换效率的影响。同时，将不同光伏组件安装工艺在该地区条件下的太阳能利用效益进行对比，并评估各种方案在节能减排、发电收益和经济性等方面的综合表现。本研究旨在通过随机森林算法优化丘陵山地光伏组件的构建技术和运营管理方法，提高系统可靠性、稳定性和扩展性，以适应复杂多变的自然环境特点。对模型进行优化设计和管理，为城市和农村电网提供更清洁、安全和可持续的能源服务。

关键词：丘陵山地；光伏系统；可持续性评估；随机森林；清洁能源

中图分类号：TM615""""""""" 文献标志码：A

随着清洁能源需求的不断增加，光伏系统在山地地区的应用逐渐受到关注。卢强[1]研究了山地光伏区施工难点及应对措施。同时，赵婷婷和江赛雄[2]对光伏支架基础选型与设计进行优化研究。在山地光伏电站中，不同区域光伏组件的温度差异对系统效率具有重要影响，于佳禾等[3]进行相关对比研究。肖运启等[4]提出了固定式组件安装角度优化方法，以提高系统效率。此外，刘兴佳等[5]对太阳能光伏柔性支架体系进行研究。王斯伟等[6]提出了腹板预开孔可调节山地光伏支架系统的设计方案。

1案例项目概述

广西某（100万kW）风光储一体化项目488MW农光储发电工程是一个规模庞大的清洁能源项目，项目旨在整合风能、光能和储能技术，为当地提供可持续且稳定的电力供应。该项目选址在某市马山镇附近的一般山地，规模达到8. 14km2，光伏组件布置用地为5. 12km2。由于该区域地理环境具有特殊性，因此简单的默认布局和标准安装工艺已无法满足其独特要求。相应拟合结果如图1所示。

由图1可知，光伏板面积扩大可使发电量增加，且两者间的比值也随着光伏板总面积的扩大而增加。在丘陵山地中安装光伏组件的过程中，光线的入射角、方向和强度等因素会显著影响太阳能资源的利用率。需要精确考虑和评估这些因素，以保证光伏系统能够最大限度地将太阳能转化为电能。此外，在实际运行中，如果光伏组件遭到阴影覆盖或恶劣天气（例如暴风雨）破坏，就会导致发电量损失，从而影响整个系统的效率和稳定性。

2数据分析与预测方法

2.1随机森林模型

本研究采用随机森林算法进行数据分析和预测，以探讨不同因素对光伏系统性能的影响，并优化系统设计与管理。随机森林算法通过利用多棵决策树进行集成学习，在每棵树上选择随机子集进行训练并汇总结果，随机森林能够有效地处理高维数据和大量特征，并具有较好的泛化能力。

决策树是随机森林的基础组成部分，也是构建随机森林模型的前置工作。对训练样本数据集[Xi，yi]来说，训练样本数据特征属性集为X∈Rn，i=1，...，m，特征属性样本所对应的分类标签或结果为yi，此类指标可以为连续变量或非连续变量。

将属性划分为连续和非连续变量，当划分这个属性时，遍历当前全部剩余特征属性并计算分类结果，构建最小Gini指数，确定这个属性划分的标准和结果。Gini指数的计算过程如公式（1）所示。

Gini（1）

式中：t为当前节点；Ck为当前节点t中属于类别k的样本所占比例。

Gini指数为1与Ck平方和的差值，能反映划分节点后的子节点集合不确定性，其系数越高，则不确定性程度越高，相应表现出子样本节点分类标准的负面影响。因此，指标选取则相应需要较低的Gini指数。

假设父节点对应样本集合，CART分裂特征A，形成XL和XR，分裂后Gini指数的定义如公式（2）所示。

式中：X为当前节点的数据集；A为待划分的属性；|X|为当前节点分类的总样本数量。

决策树的训练过程涉及以当前全部样本训练集，将X作为根节点，选择特征集中的特定特征，根据该特征将其划分为两类后，对当前特征划分节点后的子节点来说，按顺序计算所有可能分裂结果的Gini指数，并选择最小指数进行分裂。重复这个过程，直到样本完全分类或无法获取可用于分类的特征值为止。这个过程构成了决策树的构造。

随机森林通过随机选择特征属性和对样本进行抽样相结合的方式来构建多棵决策树，从而形成一个“森林”。每棵决策树都是独立训练的，这种随机性有助于提高模型的泛化能力和降低过拟合风险。随机森林会基于多个决策树的结果进行整合，以得出最终预测结果。

将n作为总训练样本数量，则装袋时抽取的子集大小如公式（3）所示。

（3）

在随机森林算法中，利用装袋技术以及每棵树都是在部分数据集上进行训练，可以有效地减少模型方差，并提高整体预测性能。

2.2指标选取

本研究采用随机森林算法进行数据分析和预测，以探讨不同因素对光伏系统性能的影响，并优化系统设计与管理。基于此，本文相应选取可用特征，具体数据见表1。

其中，光照小时数是一个关键指标，它直接反映了太阳能资源的丰富程度。通过了解光照小时数，可以更准确地评估系统的发电潜力，从而优化能源利用效率。山地坡度也是一个至关重要的因素，它可以决定光伏组件的安装角度和朝向，直接影响光照接收效率。支柱间隔和支柱高度则涉及支撑结构的稳定性和光伏组件布局密度。

2.3参数设置

在试验中，模型设定样本数量为1000个，并生成一个区域范围的随机数组，其中，每个样本代表一个特定的区域面积。具体而言，模型对从100m2～2000m2的区域面积进行测试，构成不同样本，并为每个区间设定一个系数值，以反映该区间内光伏系统的性能特征。模型根据每个样本的区域面积和相应的系数计算光伏系统年发电量。基于天数、该区域面积、对应系数以及日发电量6kWh计算数据。通过计算，模型得到了不同区域的光伏系统年发电量数据。

为了进行数据分析和预测，模型将生成的数据集划分为训练集和测试集。在划分过程中，模型设置了训练集占总数据集80%的比例，以保证模型能够充分学习并具有较好的泛化能力。相应参数设置见表2。

通过随机森林算法对训练集进行训练，并利用测试集验证模型性能，旨在建立一个可靠且准确预测光伏系统性能的模型。

3结果与讨论

3.1误差水平分析

在本研究中，对模型的拟合效果进行详细评估，其结果如图2所示。

由图2可知，均方误差约为1，普遍低于1.5。对测试集而言，均方误差通常低于1，这表明模型在预测方面表现出色。在训练集上，均方误差约为1。这说明模型能够很好地拟合训练数据。而在测试集上，均方误差通常低于1，说明模型具有较高泛化能力。由此可知，在训练集和测试集上，模型表现优异。

3.2特征重要性分析

考虑各个特征的重要性，其结果如图3所示。

由图3可知，特征1在模型中扮演着至关重要的角色，其重要性接近12，说明其对系统性能预测具有显著影响。特征2紧随其后，重要性约为3，表明其在模型中也具有一定的贡献。特征4的重要性约为4，位于特征重要性排名中较高的位置。相比之下，特征3和特征5的重要性相对较低，分别约为1和2。这表明这两个特征对模型预测的影响不如前面提到的几个特征显著。特征6和特征7的重要性则更低，在模型中贡献较小。对各个特征在模型中的重要性进行分析，可以更好地理解模型是如何利用不同特征来进行预测和决策的。这些信息可以指导进一步优化模型、调整特征选择，并提高系统设计与管理的效率和准确性。

3.3结果讨论

上述分析考虑了光伏系统的各项特征，包括光照小时数、山地坡度、支柱间隔、支柱高度、支柱选型、逆变器选型和接线方式。这些特征在光伏系统设计与管理中扮演着重要角色，直接影响系统的性能和效率。光照小时数是一个关键指标，直接影响光伏系统的发电量。山地坡度对组件的安装角度和朝向至关重要，合适的坡度可以提高系统的发电效率。支柱间隔决定了支架结构的稳定性和承载能力，合理设置间隔可以保证系统稳定运行。支柱高度影响组件与地面之间的距离，进而影响阴影遮挡情况以及通风散热效果。选择合适的支柱类型可以提高系统耐久性和稳定性。逆变器选型至关重要，它将直流电转换为交流电，选择功率和性能匹配逆变器可以提高系统整体效率。接线方式也是一个重要的考虑因素，不同的接线方式会影响整个系统的布局设计和电路连接方式，直接影响系统安全性和运行稳定性。通过深入分析这些数据特征，可以更好地优化光伏系统设计与管理策略，提高其在丘陵山地环境中的可持续性表现。

4结论

随机森林算法对优化光伏系统设计与管理效果良好，提高了系统效率和稳定性。模型拟合结果表明，本文提出的模型在预测光伏系统性能方面具有较高的准确性，均方误差低于1.5，在测试集上的误差通常小于1，表现优异。特征重要性分析揭示了不同特征对光伏系统性能预测的贡献程度，为进一步优化模型提供了重要指导。通过这些分析结果，可以更好地理解丘陵山地环境下光伏系统的运行情况，并为未

来类似项目提供宝贵建议。

后续可以进一步扩大样本容量和数据覆盖范围，以验证模型在不同地区和条件下的适用性。同时，结合实际运行数据进行实时监测与反馈，对光伏系统运行状态进行动态调整与优化。

参考文献

[1]卢强. 浅谈山地光伏区施工难点及应对措施[J]. 人民黄河，2023，45（增刊1）：175-177.

[2]赵婷婷，江赛雄. 光伏支架基础选型与设计优化研究[J]. 建筑结构，2022，52（增刊1）：2353-2357.

[3]于佳禾，许盛之，张一平. 山地光伏电站各区域光伏组件的温度差异对比[J]. 南开大学学报（自然科学版），2021，54（5）：59-63.

[4]肖运启，张美玲，郭治昌，等. 山地光伏电站固定式组件安装角度优化方法[J]. 太阳能学报，2020，41（5）：329-335.

[5]刘兴佳，崔国桥，于恺，等. 太阳能光伏柔性支架体系研究[J]. 中国新技术新产品，2020（2）：79-81.

[6]王斯伟，丁大奇，张伟，等. 腹板预开孔可调节山地光伏支架系统[J]. 武汉大学学报（工学版），2017，50（增刊1）：352-355.