一种基于发电量预测的光伏电站投融资决策方法及装置
技术领域
本发明属于光伏发电
技术领域
，尤其涉及一种基于发电量预测的光伏电站投融资决策方法及装置。背景技术
光伏电站是指一种利用太阳光能、采用特殊材料诸如晶硅板、逆变器等电子元件组成的发电体系，与电网相连并向电网输送电力的光伏发电系统，在作为新能源的光伏电站的广泛开发应用过程中，往往需要光伏电站投融资时，对待投融资的光伏电站进行评估，从而保证利益的最大化，其中光伏电站的发电量作为其中一项重要指标，影响着投融资所获利益。但是现有的技术中，在决策投融资行为时往往仅通过实地考察并根据当前指标代入到全年的状态中，由于光伏发电对实时环境的依赖性较强，当前的指标未必适用于考量未来光伏电站的运行效果，因此传统方法片面性较强，造成在进行投融资完成后产生亏损几率较大。
发明内容
为了解决现有技术中存在的缺点和不足，本发明提出了一种基于发电量预测的光伏电站投融资决策方法，包括：
获取光伏电站的位置信息，根据位置信息获取预设时段的未来气候信息；
根据未来气候信息预测光伏电站在预设时段内的发电量；
根据预测结果判断是否对光伏电站进行投融资。
可选的，所述未来气候信息包括气候类型、每个季度的平均气温、风向风速、降水、雷暴、雨雪天气以及云量云状信息。
可选的，所述根据未来气候信息预测光伏电站在预设时段内的发电量，包括：
筛选出未来气候信息符合晴天特征的时段，根据筛选结果确定预设时段内的晴天时间；
获取光伏电站内光伏板日辐射量，结合晴天时间获取预设时段内的总辐射量；
获取光伏板面积、光伏组件转换效率以及光伏电站的系统总效率，计算总辐射量、光伏板面积、光伏组件转换效率以及光伏电站的系统总效率的乘积，得到光伏电站的预测发电量。
可选的，所述根据预测结果判断是否对光伏电站进行投融资，包括：
将预测结果输入预设的决策模型，所述决策模型为线性回归模型；
当决策模型输出的结果超过预设阈值时，对光伏电站进行投融资。
本发明还基于同样的思路提出了一种基于发电量预测的光伏电站投融资决策装置，包括：
获取单元：用于获取光伏电站的位置信息，根据位置信息获取预设时段的未来气候信息；
预测单元：用于根据未来气候信息预测光伏电站在预设时段内的发电量；
判断单元：用于根据预测结果判断是否对光伏电站进行投融资。
可选的，所述获取单元用于获取气候类型、每个季度的平均气温、风向风速、降水、雷暴、雨雪天气以及云量云状信息。
可选的，所述预测单元具体用于：
筛选出未来气候信息符合晴天特征的时段，根据筛选结果确定预设时段内的晴天时间；
获取光伏电站内光伏板日辐射量，结合晴天时间获取预设时段内的总辐射量；
获取光伏板面积、光伏组件转换效率以及光伏电站的系统总效率，计算总辐射量、光伏板面积、光伏组件转换效率以及光伏电站的系统总效率的乘积，得到光伏电站的预测发电量。
可选的，所述判断单元具体用于：
将预测结果输入预设的决策模型，所述决策模型为线性回归模型；
当决策模型输出的结果超过预设阈值时，对光伏电站进行投融资。
本发明提供的技术方案带来的有益效果是：
结合了气候预测，根据推测的未来气候信息对光伏电站的发电量进行预测，充分考虑了气候因素对发电量的影响，根据本发明对发电量的预测结果即可进行投融资的辅助决策，提高发电量这一指标的准确性，减少投资亏损问题产生。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提出的一种基于发电量预测的光伏电站投融资决策方法的流程示意图；
图2为本发明提出的一种基于发电量预测的光伏电站投融资决策装置的结构框图。
具体实施方式
为使本发明的结构和优点更加清楚，下面将结合附图对本发明的结构作进一步地描述。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施方式的限制。
实施例一
如图1所示，本实施例提出了一种基于发电量预测的光伏电站投融资决策方法，包括：
S1：获取光伏电站的位置信息，根据位置信息获取预设时段的未来气候信息；
S2：根据未来气候信息预测光伏电站在预设时段内的发电量；
S3：根据预测结果判断是否对光伏电站进行投融资。
本实施例结合了气候预测，根据推测的未来气候信息对光伏电站的发电量进行预测，充分考虑了气候因素对发电量的影响，根据本发明对发电量的预测结果即可进行投融资的辅助决策，提高发电量这一指标的准确性，减少投资亏损问题产生。
所述未来气候信息包括气候类型、每个季度的平均气温、风向风速、降水、雷暴、雨雪天气以及云量云状信息。在本实施例中，所述未来气候信息可根据历史气候信息进行推测，本实施例中所述历史气候信息为光伏电站所在位置最近20年的气候信息，根据最近20年的气候信息，对光伏电站所在位置的后10年进行气候预测，即本实施例中所述预设时段为未来10年。气候预测是根据过去气候的演变规律，推断未来某一时期内气候发展的可能趋势，通常将气候信息输入预设的气候预测模型，在本实施例中，可采用线性回归模型、神经网络模型等构建气候预测模型，本领域技术人员应当知道如何构建气候预测模型，此处不再赘述。
在本实施例中，所述根据未来气候信息预测光伏电站在预设时段内的发电量，包括：
筛选出未来气候信息符合晴天特征的时段，根据筛选结果确定预设时段内的晴天时间，例如在本实施例中，以天为单位获取未来气候信息，并分别设置平均气温阈值、风向风速阈值、降水阈值以及雷暴阈值，结合雨雪天气、云量云状信息形成晴天特征矩阵；由未来气候信息组成待分类特征矩阵，计算每个待分类特征矩阵与晴天特征矩阵的距离，将距离小于预设距离阈值的一天划分到晴天时段，所述晴天时间即晴天时段的天数；
获取光伏电站内光伏板日辐射量，结合晴天时间获取预设时段内的总辐射量，在本实施例中，将光伏板日辐射量与晴天时间的乘积作为预设时段内的总辐射量；
获取光伏板面积、光伏组件转换效率以及光伏电站的系统总效率，计算总辐射量、光伏板面积、光伏组件转换效率以及光伏电站的系统总效率的乘积，得到光伏电站的预测发电量，本实施例中光伏电站的预测发电量L有：
L＝Q×S×η1×η；
其中，Q为光伏板的总辐射量，S为光伏板面积，η1为光伏组件转换效率，η为光伏电站的系统总效率，Q、S、η1和η的取值范围均为正数。
通过气候预测得到光伏电站的发电量预测值，便于后续以发电量为参考指标辅助投融资决策，有利提高投融资评估结果的准确性。
在本实施例中，将预测结果输入预测的决策模型，所述决策模型为线性回归模型，具体为：
y＝α1L+α2x2+…+αnxn；
其中，x2,…xn均为除发电量之外其他影响投融资收益的因素，α1、α2、…αn均为预设权重，α1、α2、…αn的取值范围为实数。
当决策模型输出的结果超过预设阈值时，对光伏电站进行投融资，即y超过预设阈值时，表明待投融资的光伏电站具有投资价值，投资收益前景良好，从而达到辅助光伏电站投融资的功能，减少投资亏损问题产生。
实施例二
如图2所示，本实施例提出了一种基于发电量预测的光伏电站投融资决策装置4，包括：
获取单元41：用于获取光伏电站的位置信息，根据位置信息获取预设时段的未来气候信息；
预测单元42：用于根据未来气候信息预测光伏电站在预设时段内的发电量；
判断单元43：用于根据预测结果判断是否对光伏电站进行投融资。
本实施例结合了气候预测，根据推测的未来气候信息对光伏电站的发电量进行预测，充分考虑了气候因素对发电量的影响，根据本发明对发电量的预测结果即可进行投融资的辅助决策，提高发电量这一指标的准确性，减少投资亏损问题产生。
所述获取单元41用于获取气候类型、每个季度的平均气温、风向风速、降水、雷暴、雨雪天气以及云量云状信息。在本实施例中，所述未来气候信息可根据历史气候信息进行推测，本实施例中所述历史气候信息为光伏电站所在位置最近20年的气候信息，根据最近20年的气候信息，对光伏电站所在位置的后10年进行气候预测，即本实施例中所述预设时段为未来10年。气候预测是根据过去气候的演变规律，推断未来某一时期内气候发展的可能趋势，通常将气候信息输入预设的气候预测模型，在本实施例中，可采用线性回归模型、神经网络模型等构建气候预测模型，本领域技术人员应当知道如何构建气候预测模型，此处不再赘述。
在本实施例中，所述预测单元42具体用于：
筛选出未来气候信息符合晴天特征的时段，根据筛选结果确定预设时段内的晴天时间，例如在本实施例中，以天为单位获取未来气候信息，并分别设置平均气温阈值、风向风速阈值、降水阈值以及雷暴阈值，结合雨雪天气、云量云状信息形成晴天特征矩阵；由未来气候信息组成待分类特征矩阵，计算每个待分类特征矩阵与晴天特征矩阵的距离，将距离小于预设距离阈值的一天划分到晴天时段，所述晴天时间即晴天时段的天数；
获取光伏电站内光伏板日辐射量，结合晴天时间获取预设时段内的总辐射量，在本实施例中，将光伏板日辐射量与晴天时间的乘积作为预设时段内的总辐射量；
获取光伏板面积、光伏组件转换效率以及光伏电站的系统总效率，计算总辐射量、光伏板面积、光伏组件转换效率以及光伏电站的系统总效率的乘积，得到光伏电站的预测发电量，本实施例中光伏电站的预测发电量L有：
L＝Q×S×η1×η；
其中，Q为光伏板的总辐射量，S为光伏板面积，η1为光伏组件转换效率，η为光伏电站的系统总效率，Q、S、η1和η的取值范围均为正数。
通过气候预测得到光伏电站的发电量预测值，便于后续以发电量为参考指标辅助投融资决策，有利提高投融资评估结果的准确性。
在本实施例中，所述判断单元43具体用于：
将预测结果输入预测的决策模型，所述决策模型为线性回归模型，具体为：
y＝α1L+α2x2+…+αnxn；
其中，其中，x2,…xn均为除发电量之外其他影响投融资收益的因素，α1、α2、…αn均为预设权重，α1、α2、…αn的取值范围为实数。
当决策模型输出的结果超过预设阈值时，对光伏电站进行投融资，即y超过预设阈值时，表明待投融资的光伏电站具有投资价值，投资收益前景良好，从而达到辅助光伏电站投融资的功能，减少投资亏损问题产生。
上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中的先后顺序。
以上所述仅为本发明的实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
