import json import pandas as pd import math from scipy.optimize import fsolve from shapely.geometry import Point, shape # 默认文件路径 PV_EXCEL_PATH = r"./pv_product.xlsx" # 光伏组件数值 TILT_EXCEL_PATH = r"./倾角_峰值小时数.xlsx" # 倾角和峰值小时数 GEOJSON_PATH = r"./中国_市.geojson" # GeoJSON 文件 def calculate_pv_metrics(component_name, electricity_price, pv_number, q, longitude, latitude, is_fixed=True, optimize=True, peak_load_hour=16, cost_per_kw=3.4, E_S=1.0, K=0.8): """ 计算光伏项目的各项指标，包括装机容量、年发电量、等效小时数、环境收益和内部收益率（IRR）。 参数： component_name (str): 光伏组件名称，例如 "TWMHF-66HD715" electricity_price (float): 电价（元/kWh） pv_number (int): 光伏组件数量 q (float): 运维成本占初始投资成本的比例（例如 0.02 表示 2%） longitude (float): 经度 latitude (float): 纬度 is_fixed (bool): 是否为固定式支架，True 为固定式，False 为跟踪式 optimize (bool): 是否优化倾角和方位角 peak_load_hour (int): 峰值负荷小时，默认 16 cost_per_kw (float): 每 kW 投资成本（元/kW），默认 3.4 元/kW E_S (float): 标准辐射量，默认 1.0 K (float): 系统效率，默认 0.8 返回： dict: 包含以下结果的字典： - component_name: 组件名称 - tilt: 倾角 (度) - azimuth: 方位角 (度) - array_distance: 阵列间距 (米) - max_power: 单组件最大功率 (Wp) - capacity: 装机容量 (kW) - peak_sunshine_hours: 峰值日照小时数 (小时/天) - single_daily_energy: 一天单个组件发电量 (kWh) - annual_energy: 年发电量 (kWh) - equivalent_hours: 等效小时数 (小时) - coal_reduction: 标准煤减排量 (kg) - CO2_reduction: CO₂ 减排量 (kg) - SO2_reduction: SO₂ 减排量 (kg) - NOX_reduction: NOx 减排量 (kg) - IRR: 内部收益率 (%) """ # 1. 加载 GeoJSON 数据 def load_geojson(file_path): try: with open(file_path, 'r', encoding='utf-8') as file: data = json.load(file) return data except FileNotFoundError: raise FileNotFoundError(f"未找到GeoJSON文件：{file_path}") except Exception as e: raise Exception(f"加载GeoJSON出错：{e}") # 2. 根据经纬度查找城市 def find_city_by_coordinates(lat, lon, geojson_data): point = Point(lon, lat) for feature in geojson_data['features']: polygon = shape(feature['geometry']) if polygon.contains(point): city_name = feature['properties'].get('name', '未知城市') # 规范化城市名称（去除“市”或“地区”等后缀） if city_name.endswith('市') or city_name.endswith('地区'): city_name = city_name[:-1] return city_name return '未知城市' # 3. 从 Excel 获取倾角和峰值日照小时数 def get_tilt_and_peak_hours(lat, lon, excel_path=TILT_EXCEL_PATH, geojson_path=GEOJSON_PATH): try: # 加载 GeoJSON 数据 geojson_data = load_geojson(geojson_path) # 查找城市 city = find_city_by_coordinates(lat, lon, geojson_data) # 读取 Excel 文件 df = pd.read_excel(excel_path) if len(df.columns) < 5: raise ValueError("Excel文件需包含至少5列：城市、倾角、峰值日照小时数等") # 匹配城市名称（前两个字） matched_row = df[df.iloc[:, 2].str.startswith(city, na=False)] if matched_row.empty: raise ValueError(f"未找到匹配的城市：{city}") # 提取并转换为浮点数 tilt = float(matched_row.iloc[0, 3]) # 第四列：倾角 peak_hours = float(matched_row.iloc[0, 4]) # 第五列：PSH return { "tilt": tilt, "peak_sunshine_hours": peak_hours } except FileNotFoundError: raise FileNotFoundError(f"未找到Excel文件：{excel_path}") except ValueError as e: raise ValueError(f"Excel数据转换错误：{e}") except Exception as e: raise Exception(f"读取Excel或GeoJSON出错：{e}") # 4. 计算倾角和方位角 def get_tilt_and_azimuth(is_fixed=True, optimize=True, longitude=116, latitude=None, peak_load_hour=16): if optimize and latitude is None: raise ValueError("优化模式下需提供纬度") if is_fixed: if optimize: # 从 Excel 获取倾角 tilt_data = get_tilt_and_peak_hours(latitude, longitude) tilt = tilt_data["tilt"] if not (0 <= tilt <= 90): raise ValueError(f"Excel中的倾角 {tilt:.2f}° 超出合理范围（0°-90°）") azimuth = (peak_load_hour - 12) * 15 + (longitude - 116) # 方位角公式 azimuth = azimuth % 360 if azimuth >= 0 else azimuth + 360 else: print("倾角：0°(水平)-90°(垂直) | 方位角：0°(正北)-180°(正南)，顺时针") tilt = float(input("请输入倾角(度)：")) azimuth = float(input("请输入方位角(度)：")) if not (0 <= tilt <= 90) or not (0 <= azimuth <= 360): raise ValueError("倾角需在0-90°，方位角需在0-360°") else: # 跟踪式 azimuth = 180 # 固定朝南 if optimize: tilt_data = get_tilt_and_peak_hours(latitude, longitude) tilt = tilt_data["tilt"] if not (0 <= tilt <= 90): raise ValueError(f"Excel中的倾角 {tilt:.2f}° 超出合理范围（0°-90°）") else: print("倾角：0°(水平)-90°(垂直)") tilt = float(input("请输入倾角(度)：")) if not (0 <= tilt <= 90): raise ValueError("倾角需在0-90°") return tilt, azimuth # 5. 获取光伏组件信息 def get_pv_product_info(component_name, excel_path=PV_EXCEL_PATH): try: df = pd.read_excel(excel_path) if len(df.columns) < 10: raise ValueError("Excel文件需包含至少10列：组件名称、尺寸、功率等") row = df[df.iloc[:, 1] == component_name] if row.empty: raise ValueError(f"未找到组件：{component_name}") return { "component_name": component_name, "max_power": row.iloc[0, 5], "efficiency": row.iloc[0, 9], "pv_size": row.iloc[0, 3] } except FileNotFoundError: raise FileNotFoundError(f"未找到Excel文件：{excel_path}") except Exception as e: raise Exception(f"读取Excel出错：{e}") # 6. 计算光伏阵列间距 def calculate_array_distance(L, tilt, latitude): beta_rad = math.radians(tilt) phi_rad = math.radians(latitude) return (L * math.cos(beta_rad) + L * math.sin(beta_rad) * 0.707 * math.tan(phi_rad) + 0.4338 * math.tan(phi_rad)) # 7. 计算等效小时数 def calculate_equivalent_hours(P, P_r): if P_r == 0: raise ValueError("额定功率不能为 0") h = P / P_r # 单位换算 return h # 8. 计算装机容量 def calculate_installed_capacity(max_power, num_components): if max_power < 0 or num_components < 0 or not isinstance(num_components, int): raise ValueError("功率和数量需为非负数，数量需为整数") return (max_power * num_components) / 1000 # 单位：kW # 9. 计算年发电量 def calculate_annual_energy(peak_hours, capacity, E_S=E_S, K=K): if any(x < 0 for x in [peak_hours, capacity]) or E_S <= 0 or not 0 <= K <= 1: raise ValueError("输入参数需满足：辐射量、容量≥0，E_S>0，K∈[0,1]") return peak_hours * 365 * (capacity / E_S) * K # 单位：kWh # 10. 计算环境收益 def calculate_environmental_benefits(E_p_million_kwh): if E_p_million_kwh < 0: raise ValueError("年发电量需≥0") return { "coal_reduction": E_p_million_kwh * 0.404 * 10, "CO2_reduction": E_p_million_kwh * 0.977 * 10, "SO2_reduction": E_p_million_kwh * 0.03 * 10, "NOX_reduction": E_p_million_kwh * 0.015 * 10 } # 11. 计算净现值和内部收益率 def calculate_reference_yield(E_p, electricity_price, IC, q, n=25): if E_p < 0 or electricity_price < 0 or IC <= 0 or not 0 <= q <= 1: raise ValueError("发电量、电价≥0，投资成本>0，回收比例∈[0,1]") def npv_equation(irr, p, w, ic, q_val, n=n): term1 = (1 + irr) ** (-1) term2 = irr * (1 + irr) ** (-1) if irr != 0 else float('inf') pv_revenue = p * w * (term1 / term2) * (1 - (1 + irr) ** (-n)) pv_salvage = q_val * ic * (term1 / term2) * (1 - (1 + irr) ** (-n)) return pv_revenue - ic + pv_salvage irr_guess = 0.1 irr = float(fsolve(npv_equation, irr_guess, args=(E_p, electricity_price, IC, q))[0]) if not 0 <= irr <= 1: raise ValueError(f"IRR计算结果{irr:.4f}不合理，请检查输入") npv = npv_equation(irr, E_p, electricity_price, IC, q) return {"NPV": npv, "IRR": irr * 100} # 主计算流程 try: # 验证经纬度 if not (-90 <= latitude <= 90): raise ValueError("纬度必须在 -90 到 90 之间") if not (-180 <= longitude <= 180): raise ValueError("经度必须在 -180 到 180 之间") # 获取倾角和方位角 tilt, azimuth = get_tilt_and_azimuth( is_fixed=is_fixed, optimize=optimize, longitude=longitude, latitude=latitude, peak_load_hour=peak_load_hour ) # 获取峰值日照小时数 peak_hours = get_tilt_and_peak_hours(latitude, longitude)["peak_sunshine_hours"] # 获取组件信息 pv_info = get_pv_product_info(component_name) width_mm = float(pv_info["pv_size"].split("×")[1]) L = (width_mm / 1000) * 4 array_distance = calculate_array_distance(L, tilt, latitude) # 计算装机容量 max_power = pv_info["max_power"] capacity = calculate_installed_capacity(max_power, pv_number) # 单位：kW # 计算一天单个组件发电量 single_daily_energy = peak_hours * (capacity / pv_number) * K # 单位：kWh # 计算年发电量 E_p = calculate_annual_energy(peak_hours, capacity, E_S, K) # 单位：kWh # 计算等效小时数 h = calculate_equivalent_hours(E_p, capacity) # P_r 单位为 kW，E_p 单位为 kWh # 计算环境收益（转换为百万 kWh） E_p_million_kwh = E_p / 1000000 # 转换为百万 kWh env_benefits = calculate_environmental_benefits(E_p_million_kwh) # 计算初始投资成本 IC = capacity * cost_per_kw * 1000 # 单位：元 # 计算 IRR ref_yield = calculate_reference_yield(E_p, electricity_price, IC, q) # 返回结果 return { "component_name": component_name, "tilt": tilt, "azimuth": azimuth, "array_distance": array_distance, "max_power": max_power, "capacity": capacity, "peak_sunshine_hours": peak_hours, "single_daily_energy": single_daily_energy, "annual_energy": E_p, "equivalent_hours": h, "coal_reduction": env_benefits["coal_reduction"], "CO2_reduction": env_benefits["CO2_reduction"], "SO2_reduction": env_benefits["SO2_reduction"], "NOX_reduction": env_benefits["NOX_reduction"], "IRR": ref_yield["IRR"] } except Exception as e: raise Exception(f"计算过程中发生错误: {str(e)}") # 示例用法 if __name__ == "__main__": try: # 输入并验证经纬度 latitude = float(input("请输入纬度（-90 到 90，例如 39.9042）：")) if not (-90 <= latitude <= 90): raise ValueError("纬度必须在 -90 到 90 之间") longitude = float(input("请输入经度（-180 到 180，例如 116.4074）：")) if not (-180 <= longitude <= 180): raise ValueError("经度必须在 -180 到 180 之间") component_name = input("请输入组件名称：") electricity_price = float(input("请输入电价（元/kWh）：")) pv_number = 1200 # 固定组件数量 q = 0.02 # 运维成本占初始投资成本的比例 choice = input("选择光伏支架（固定式/跟踪式）：") optimize = input("是否优化倾角和方位角（是/否）：") # 调用主函数 result = calculate_pv_metrics( component_name=component_name, electricity_price=electricity_price, pv_number=pv_number, q=q, is_fixed=(choice == "固定式"), optimize=(optimize.lower() == "是"), longitude=longitude, latitude=latitude ) # 打印结果 print("\n") print(f"组件名称：{result['component_name']}") print(f"倾角：{result['tilt']:.2f}° | 方位角：{result['azimuth']:.2f}°") print(f"阵列间距：{result['array_distance']:.2f} 米") print(f"单个组件最大功率（Wp）：{result['max_power']}") print(f"装机容量：{result['capacity']:.2f} kW") print(f"峰值日照小时数：{result['peak_sunshine_hours']:.2f} 小时/天") print(f"一天单个组件发电量：{result['single_daily_energy']:.0f} kWh") print(f"年发电量：{result['annual_energy']:,.0f} kWh") print(f"等效小时数：{result['equivalent_hours']:.0f} 小时") print("环境收益：") print(f"标准煤减排量：{result['coal_reduction']:,.0f} kg") print(f"CO₂减排量：{result['CO2_reduction']:,.0f} kg") print(f"SO₂减排量：{result['SO2_reduction']:,.0f} kg") print(f"NOx减排量：{result['NOX_reduction']:,.0f} kg") print(f"内部收益率 IRR：{result['IRR']:.2f}%") except ValueError as e: print(f"输入错误：{e}") except Exception as e: print(f"错误：{e}")