[发明专利]一种固定式光伏发电系统最佳倾角的大数据聚类分析方法

权利要求书

1.一种固定式光伏发电系统最佳倾角的大数据聚类分析方法，所述的方法包括按顺序进行的下列步骤：

步骤1、分析光伏发电系统发电的影响因素，构建考虑光伏发电板阵列倾角的固定式光伏发电系统年平均辐照量最大最小模型；

步骤2、结合现场的平均日辐照量实测数据，基于大数据聚类分析方法求解上述固定式光伏发电系统年平均辐照量最大最小模型，由此确定出光伏发电板阵列最佳倾角；

在步骤1中，所述的分析光伏发电系统发电的影响因素，构建考虑光伏发电板阵列倾角的固定式光伏发电系统年平均辐照量最大最小模型的具体步骤如下：

建立考虑光伏发电板阵列倾角的固定式光伏发电系统年平均辐照量最大最小模型如下：

式中：β为光伏发电板阵列倾角，H_T(β)为某倾角下倾斜表面年平均辐照量；H_T(β,i)为某倾角下倾斜表面第i个月平均日辐照量；M(i)为第i个月的总天数；

其特征在于:在步骤2中，所述的结合现场的平均日辐照量实测数据，基于大数据聚类分析方法求解上述固定式光伏发电系统年平均辐照量最大最小模型，由此确定出光伏发电板阵列最佳倾角的具体步骤如下：

(1)对上述平均日辐照量实测数据进行标准化处理，以消除量纲的影响

将上述平均日辐照量实测数据作为样本，设样本域U＝{u₁,u₂,...,u_n}为被分类对象，样本域中的每个元素u_i作为一个样本，均由m个数据组成，即第i个元素u_i可表示为：

u_i＝{x_i1,x_i2,...,x_im}，i＝1,2,…,n

因此，样本域U可写成如下矩阵的形式：

对样本域U中的数据进行标准差变换或标准差变换和极差变换；

1)标准差变换

对于样本域U中的任意一个数据进行标准差变换的公式如下：

式中：i＝1,2,…,N；k＝1,2,…,m；若值域不在[0，1]区间内，需要进一步进行极差变换；

2)极差变换

对于样本域U中的任意一个数据进行极差变换的公式如下：

经过极差变换后，样本域U中的任意一个数据均有0≤x_ik≤1，即消除了量纲的影响；

(2)利用标准化处理后的数据建立模糊相似矩阵

设样本域U＝{u₁,u₂,...,u_n}中每个元素u_i为一个样本，每个样本为m维向量，即u_i＝{x_i1,x_i2,...,x_im}，于是，建立样本域U中任意两个样本之间的相似关系矩阵R，根据相似关系矩阵R对样本域U进行分类，相似关系矩阵R中的任意组成元素r_ij可表示为：

r_ij＝R(u_i,u_j)

组成元素r_ij的计算方法主要有平均值距离、平均距离、最大距离和最小距离，公式如下：

平均值距离：d_mean(u_i,u_j)＝d(f_i,f_j)

平均距离：

最大距离：d_max(u_i,u_j)＝maxd(x_ik,x_jk)

最小距离：d_min(u_i,u_j)＝mind(x_ik,x_jk)

其中，f_i,f_j分别为元素u_i,u_j的平均值，x_ik,x_jk分别为元素u_i,u_j的第k个指标具体数值；

根据平均值距离、平均距离、最大距离和最小距离设定相对应的阈值，对数据进行简单的分类；

(3)采用模糊C均值聚类法对上述模糊相似矩阵进行聚类分析；

将若干个光伏发电系统x_k，k＝1，2，…，n以系统为单位分为c个模糊类，并求取每类的聚类中心，使得类内加权误差平方和函数达到最小；为与模糊划分相适应，隶属矩阵μ允许取值在[0，1]；在标准化后，一个典型光伏发电项目的隶属度的总和等1，即：

其目标函数的形式为：

其中：μ_ik∈[0,1]表示第k个典型光伏发电项目隶属于第i个聚类中心的程度；P_i为模糊类的聚i类中心；d_ik为第k个聚类中心与第i个典型行业用户之间的欧几里德距离；m∈[0,2]为一个加权指数；根据聚类准则构造拉格朗日函数为：

其中，λ_k，k＝1，2，…，n是等式约束式的拉格朗日乘子；对所有输入参数求导，得到目标函数为最小的必要条件：

依据上述两个必要条件，能够确定模糊C均值聚类算法的最佳模糊分类矩阵u_i和聚类中心C_i；具体算法实现步骤如下：

1)确定分类数c、待分元素的行数m和列数n以及循环误差判别限值ε；

2)给定c个聚类中心的初始值；

3)计算隶属度μ_ij；

4)计算聚类中心坐标ω_i’；

5)根据误差判别限值ε，若||ω_i’-ω_i||≤ε，则停止循环，否则令ω_i＝ω_i’，跳到步骤3)，如此循环进行；

年平均辐照量最大时对应的固定式光伏发电组件的倾角即为最佳倾角。