Question

我试图使用来自NREL的NRSDB数据集的生成数据来模拟公用事业规模的光伏电站，但还没有弄清楚如何在PVLib中这样做。我认为正确的方法应该是创建一个PVSystem对象，我在其中指定modules_per_string和strings_per_inverter（我使用SAM估计），然后将ModelChain与Location对象和来自NRSDB的天气数据结合使用。

使用NREL的SAM，使用BP Solar BP3220N模块和ABB Ultra 690V逆变器，我需要每串23个模块和9,897个并联串，以产生50兆瓦的电厂。我试图在下面重现这个配置。

以下是我一直在使用的代码。

import os
import pandas as pd
import numpy as np
import pvlib
from pvlib.pvsystem import PVSystem
from pvlib.location import Location
from pvlib.modelchain import ModelChain
from pvlib.modelchain import basic_chain

def importPSMData():
    df = pd.read_csv('C:\\Users\\mtcraig\\Documents\\NSRDBData\\dd\\622240_30.77_-99.3_tmy.csv',skiprows=[0,1])
    #Rename paramters for input to PVlib
    df.rename(columns={'DHI':'dhi','DNI':'dni','GHI':'ghi','Temperature':'temp_air',
                        'Wind Speed':'wind_speed'},inplace=True)
    #Rename date parameters in order to run to_datetime
    df.rename(columns={'Year':'year','Month':'month','Day':'day','Hour':'hour',
                        'Minute':'minute'},inplace=True)
    df['dt'] = pd.to_datetime(df[['year', 'month', 'day', 'hour', 'minute']])
    #Set index to DT for run_model call
    df.set_index(df['dt'],inplace=True)
    #Drop unnecessary columns
    df = df.drop('Dew Point', 1)
    df = df.drop('Pressure', 1)
    df = df.drop('year', 1)
    df = df.drop('month', 1)
    df = df.drop('day', 1)
    df = df.drop('hour', 1)
    df = df.drop('minute', 1)
    df = df.drop('dt',1)
    return df

sandia_modules = pvlib.pvsystem.retrieve_sam('SandiaMod')
cec_inverters = pvlib.pvsystem.retrieve_sam('cecinverter')

module = sandia_modules['BP_Solar_BP3220N_Module___2010_'] #18% eff, c-Si
inv = cec_inverters['ABB__ULTRA_1100_TL_OUTD_3_US_690_x_y_z_690V__CEC_2013_']
system = PVSystem(module_parameters=module,inverter_parameters=inv,surface_azimuth=180,
                    modules_per_string=23,strings_per_inverter=9897)

loc = Location(latitude=30.77,longitude=-99.3,tz='Etc/GMT+7',altitude=500)

mc = ModelChain(system,loc,name='test',
            orientation_strategy='south_at_latitude_tilt') 

weatherData = importPSMData()
mc.run_model(times=weatherData.index,weather=weatherData)
print(mc.ac)

这是1天的输出，但所有输出都是相同的：

print(mc.ac)
dt
2013-01-01 00:00:00          NaN
2013-01-01 01:00:00          NaN
2013-01-01 02:00:00          NaN
2013-01-01 03:00:00          NaN
2013-01-01 04:00:00          NaN
2013-01-01 05:00:00          NaN
2013-01-01 06:00:00          NaN
2013-01-01 07:00:00          NaN
2013-01-01 08:00:00          NaN
2013-01-01 09:00:00          NaN
2013-01-01 10:00:00          NaN
2013-01-01 11:00:00          NaN
2013-01-01 12:00:00          NaN
2013-01-01 13:00:00          NaN
2013-01-01 14:00:00    1170000.0
2013-01-01 15:00:00    1170000.0
2013-01-01 16:00:00    1170000.0
2013-01-01 17:00:00    1170000.0
2013-01-01 18:00:00          NaN
2013-01-01 19:00:00          NaN
2013-01-01 20:00:00          NaN
2013-01-01 21:00:00          NaN
2013-01-01 22:00:00          NaN
2013-01-01 23:00:00          NaN

我当天的天气数据如下：

dt       dhi   dni ghi temp_air    wind_speed
1/1/2013 0:00   0   0   0   8.779901123 3
1/1/2013 1:00   0   0   0   8.503381348 3
1/1/2013 2:00   0   0   0   8.082849121 2
1/1/2013 3:00   0   0   0   7.553338623 3
1/1/2013 4:00   0   0   0   6.817102051 3
1/1/2013 5:00   0   0   0   6.063470459 3
1/1/2013 6:00   0   0   0   5.250634766 3
1/1/2013 7:00   0   0   0   4.292138672 3
1/1/2013 8:00   3   0   3   4.388421631 3
1/1/2013 9:00   49  0   49  4.977044678 3
1/1/2013 10:00  177 157 241 6.834771729 3
1/1/2013 11:00  239 131 307 8.402886963 2
1/1/2013 12:00  184 576 518 9.695245361 2
1/1/2013 13:00  90  939 643 10.30196533 2
1/1/2013 14:00  86  926 592 10.1447998  2
1/1/2013 15:00  91  729 420 9.404504395 2
1/1/2013 16:00  123 246 200 8.237115479 2
1/1/2013 17:00  29  0   29  6.443383789 2
1/1/2013 18:00  0   0   0   5.289483643 2
1/1/2013 19:00  0   0   0   4.527764893 2
1/1/2013 20:00  0   0   0   3.753839111 2
1/1/2013 21:00  0   0   0   2.97612915  2
1/1/2013 22:00  0   0   0   2.200036621 2
1/1/2013 23:00  0   0   0   1.460778809 2

感谢您提供的任何帮助。 -Michael

Answer 1

PVSystem + ModelChain计算一组模块，字符串和单个逆变器的功率。您的型号将所有约50兆瓦的直流电源放入一台1.1兆瓦的逆变器中，因此您可以在几乎所有白天使用变频器的最大交流电。根据您的确切工厂规格，您需要40-50个指定的逆变器才能达到额定交流电源。然后你可能会想要大约9897/45 = 220 strings_per_inverter。最后，您需要将模型结果乘以逆变器的数量，以获得总的工厂功率。

在PVLib中对公用事业规模PV进行建模

1 个答案: