[0001] 本申请涉及数据处理技术领域、电子信息领域及其他相关技术领域，具体而言，涉及一种分布式光伏电站的优化方法和装置、存储介质及电子设备。

[0002] 随着全球能源需求的增长和环境问题的日益突出，光伏发电作为清洁能源的重要组成部分，正在得到越来越广泛的应用。然而，由于分布式光伏电站分布范围广、接入点多、运行环境复杂等特点，其优化运行和管理面临诸多挑战。因此，开展分布式光伏电站优化技术研究，提高光伏发电系统的效率和可靠性，具有重要的理论意义和实际价值。传统方法中通过对电站周围的阳光资源进行评估，确定最佳的光伏板安装位置和角度，以最大程度地利用太阳能资源。或根据电站的实际情况，设计合理的光伏组件布局、逆变器控制参数和PID参数等，确保系统性能最大化。但上述方法通常依赖于经验和规则来进行优化，难以考虑到系统复杂性和变化性，导致优化效果有限。同时，上述方法只针对单个方面进行优化，缺乏综合考虑，难以实现系统整体性能的最佳优化。

[0003] 针对相关技术中通过固定的逆变器控制参数和PID参数对分布式光伏发电站进行优化，导致分布式光伏发电站的优化效果比较差的问题，目前尚未提出有效的解决方案。

[0027] 需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

[0028] 为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

[0029] 需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

[0030] 需要说明的是，本公开所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。例如，本系统和相关用户或机构间设置有接口，在获取相关信息之前，需要通过接口向前述的用户或机构发送获取请求，并在接收到前述的用户或机构反馈的同意信息后，获取相关信息。

[0031] 下面结合优选的实施步骤对本发明进行说明，图1是根据本申请实施例提供的分布式光伏电站的优化方法的流程图，如图1所示，该方法包括如下步骤：

[0032] 步骤S101，依据分布式光伏电站中的多个光伏组件的多个待优化参数，确定分布式光伏电站的适应度函数，其中，多个待优化参数至少包括：分布式光伏电站的位置、电压响应速率、功率因数、峰值功率电压、峰值功率电流和组件效率。

[0033] 可选地，根据分布式光伏电站通过优化达到的预期目标(例如：减少分布式光伏电站在电压跌落期间的失步风险、降低电流过冲造成的影响、缩短分布式光伏电站的恢复时间以及最小化能量损失等)，确定多个待优化参数。并为每个待优化参数分配权重值，以反映它们在整体优化中的重要性。最后根据多个待优化参数的具体性质和优化要求，确定分布式光伏电站的适应度函数。

[0034] 需要说明的是，多个待优化参数包括但不限于：分布式光伏电站的位置、电压响应速率、功率因数、峰值功率电压、峰值功率电流和组件效率等。其中，分布式光伏电站的位置会影响日照时间和安装成本；电压响应速率会影响分布式光伏电站的稳定性和对波动的响应速度；功率因数会影响分布式光伏电站的发电效率和发电成本；峰值功率电压和峰值功率电流会关联到光伏组件的最大输出功率；组件效率则会影响整个系统的发电效率。

[0035] 步骤S102，依据粒子群优化算法和适应度函数进行计算，得到分布式光伏电站的目标优化参数。

[0036] 可选地，采用粒子群优化算法，对分布式光伏电站进行迭代优化，输出优化后的控制策略参数(即目标优化参数)。

[0037] 需要说明的是，粒子群优化算法(Particle Swarm Optimization，PSO)，又称微粒群算法。该算法是一种基于群体智能的优化算法，灵感来源于鸟群或鱼群等群体行为的观察。PSO算法通过模拟鸟群中个体的协作与竞争，从而实现对多维搜索空间中的优化问题进行求解。

[0038] 步骤S103，依据目标优化参数，对分布式光伏电站进行优化。

[0039] 可选地，根据粒子群优化算法得到的优化后的控制策略参数，对分布式光伏电站进行参数调整和优化处理，以实现对分布式光伏电站的最佳优化效果。

[0040] 综上所述，首先通过分布式光伏电站的位置、电压响应速率、功率因数、峰值功率电压、峰值功率电流和组件效率等多个待优化参数，构建对应的适应度函数，然后利用粒子群优化算法对适应度函数进行最优解的求解计算，得到分布式光伏电站的目标优化参数，最后通过目标优化参数对分布式光伏电站进行优化。针对分布式光伏电站的多个待优化参数构建对应的适应度函数，并利用粒子群优化算法迭代寻找适应度函数中的最优解，以确定分布式光伏电站的最佳优化参数(即目标优化参数)，通过最佳优化参数有针对性的对分布式光伏电站进行优化处理，提高了对分布式光伏电站的优化处理的灵活性，降低了优化成本，进而实现了整体性能的最佳优化。

[0041] 可选地，在本申请实施例提供的分布式光伏电站的优化方法中，依据分布式光伏电站中的多个光伏组件的多个待优化参数，确定分布式光伏电站的适应度函数包括：依据多个待优化参数进行计算，得到分布式光伏电站的目标计算结果；依据预设数值和目标计算结果进行计算，得到分布式光伏电站的适应度函数。

[0042] 在一可选的实施例中，对多个待优化参数进行归一化处理和计算，得到目标计算结果。并为每个待优化参数分配权重值(即预设数值)，最后根据权重值和每个待优化参数进行计算，以得到分布式光伏电站的适应度函数，来衡量分布式光伏电站的优劣。

[0043] 通过权重值，可以准确地反映出每个待优化参数在整体优化中的重要性。

[0044] 可选地，在本申请实施例提供的分布式光伏电站的优化方法中，依据粒子群优化算法和适应度函数进行计算，得到分布式光伏电站的目标优化参数包括：依据多个光伏组件的多个待优化参数，确定第一粒子群；对第一粒子群的多个待优化参数进行初始化，得到第二粒子群；依据第二粒子群和适应度函数进行计算，得到分布式光伏电站的目标优化参数。

[0045] 在一可选的实施例中，根据分布式光伏电站中多个光伏组件的多个待优化参数，确定每个粒子的维度和位置，以得到第一粒子群。并根据确定的维度和取值范围，初始化第一粒子群，以得到第二粒子群。其中，第二粒子群中的每个粒子的位置表示一个待优化参数的组合。根据第二粒子群中每个粒子的位置，通过适应度函数计算每个粒子的适应度值，以得到分布式光伏电站的目标优化参数。

[0046] 通过粒子群优化算法和多个光伏组件的多个待优化参数，可以快速、准确地得到分布式光伏电站的最优参数组合，有效地提高了分布式光伏电站的发电效率。

[0047] 可选地，在本申请实施例提供的分布式光伏电站的优化方法中，依据第二粒子群和适应度函数进行计算，得到分布式光伏电站的目标优化参数包括：依据适应度函数和第二粒子群的多个待优化参数进行计算，得到多个第一优化参数；判断多个第一优化参数是否满足预设条件，得到判断结果；若判断结果表征多个第一优化参数满足预设条件，则将多个第一优化参数确定为目标优化参数。

[0048] 在一可选的实施例中，通过适应度函数和第二粒子群的多个待优化参数，迭代计算每个粒子对应的适应度值，得到多个第一优化参数。并判断多个第一优化参数是否满足约束条件(即达到收敛状态)或适应度函数的计算迭代次数是否达到上限值(即判断多个第一优化参数是否满足预设条件)，若多个第一优化参数已满足预设条件，则说明粒子群优化算法已找到分布式光伏电站的目标优化参数，即将多个第一优化参数确定为目标优化参数，用于优化分布式光伏电站。

[0049] 通过判断第一优化参数是否满足预设条件，可以快速、准确地判断第一优化参数是否为目标优化参数，进而提高了分布式光伏电站的性能。

[0050] 可选地，在本申请实施例提供的分布式光伏电站的优化方法中，在判断多个第一优化参数是否满足预设条件，得到判断结果之后，该方法还包括：若判断结果表征多个第一优化参数不满足预设条件，则重复执行依据多个第一优化参数对第二粒子群的多个待优化参数进行更新，得到第三粒子群；并依据适应度函数和第三粒子群的多个待优化参数进行计算，得到多个第二优化参数的步骤，直至多个第二优化参数满足预设条件。

[0051] 在一可选的实施例中，若多个第一优化参数不满足预设条件，则说明粒子群优化算法未找到分布式光伏电站的目标优化参数，则利用粒子群优化算法基于多个第一优化参数和更新规则，对第二粒子群的多个待优化参数进行更新，形成第三粒子群。重复计算第三粒子群对应的适应度值，以得到多个第二优化参数，直到多个第二优化参数满足预设条件(例如：粒子群优化算法的计算次数达到最大迭代次数、适应度值收敛等)。

[0052] 通过重复执行迭代优化过程，能够更全面、更深入地搜索最优解空间，从而快速、准确地找到更符合预设条件的目标优化参数。

[0053] 可选地，在本申请实施例提供的分布式光伏电站的优化方法中，依据多个第一优化参数对第二粒子群的多个待优化参数进行更新，得到第三粒子群包括：对多个第一优化参数进行排序，得到参数列表；获取参数列表中的目标参数，其中，目标参数在参数列表中的次序小于参数列表中剩余参数在参数列表中的次序；依据目标参数，对第二粒子群的多个待优化参数进行更新，得到第三粒子群。

[0054] 在一可选的实施例中，对多个第一优化参数进行降序排序，得到参数列表，在参数列表中选择最大的参数，以得到目标参数，通过目标参数对第二粒子群的多个待优化参数进行更新，得到第三粒子群。

[0055] 通过对多个第一优化参数进行降序排序，可以快速地确定目标参数，进而准确地得到第三粒子群。

[0056] 可选地，在本申请实施例提供的分布式光伏电站的优化方法中，依据目标优化参数，对分布式光伏电站进行优化包括：依据目标优化参数，确定分布式光伏电站的优化策略；依据优化策略，对分布式光伏电站进行优化。

[0057] 在一可选的实施例中，通过目标优化参数，制定分布式光伏电站的优化策略，包括：调整光伏组件的位置、优化电压响应速率、改善功率因数、提高组件效率等。并根据制定的优化策略，对分布式光伏电站进行相应的优化，包括：调整光伏组件的布局、改变逆变器的参数设置、优化组件的安装角度等。

[0058] 通过目标优化参数，可以快速地确定分布式光伏电站的优化策略，并通过优化策略不断地优化分布式光伏电站的电站性能，进而快速地实现高效、可靠的发电效果。

[0059] 需要说明的是，图2是根据本申请实施例提供的分布式光伏电站的优化方法的示意图。如图2所示，依据分布式光伏电站中的位置、电压响应速率、功率因数、峰值功率电压、峰值功率电流和组件效率等多个待优化参数，确定分布式光伏电站的适应度函数。

[0060] 然后，将多个待优化参数确定为第一粒子群，并对第一粒子群进行初始化，得到第二粒子群，依据适应度函数和第二粒子群的多个待优化参数进行计算，得到多个第一优化参数。并判断多个第一优化参数是否满足预设条件：若多个第一优化参数满足预设条件，则将多个第一优化参数确定为目标优化参数；若多个第一优化参数满足预设条件，则重复执行依据粒子群优化算法对适应度函数进行求最优解的步骤，直至所得结果满足预设条件。

[0061] 最后，通过目标优化参数，确定分布式光伏电站的优化策略；依据优化策略，对分布式光伏电站进行优化。

[0062] 本申请实施例提供的分布式光伏电站的优化方法，依据分布式光伏电站中的多个光伏组件的多个待优化参数，确定分布式光伏电站的适应度函数，其中，多个待优化参数至少包括：分布式光伏电站的位置、电压响应速率、功率因数、峰值功率电压、峰值功率电流和组件效率；依据粒子群优化算法和适应度函数进行计算，得到分布式光伏电站的目标优化参数；依据目标优化参数，对分布式光伏电站进行优化，解决了相关技术中通过固定的逆变器控制参数和PID参数对分布式光伏发电站进行优化，导致分布式光伏发电站的优化效果比较差的问题。综上所述，在本方案中，首先通过分布式光伏电站的位置、电压响应速率、功率因数、峰值功率电压、峰值功率电流和组件效率等多个待优化参数，构建对应的适应度函数，然后利用粒子群优化算法对适应度函数进行最优解的求解计算，得到分布式光伏电站的目标优化参数，最后通过目标优化参数对分布式光伏电站进行优化。针对分布式光伏电站的多个待优化参数构建对应的适应度函数，并利用粒子群优化算法迭代寻找适应度函数中的最优解，以确定分布式光伏电站的最佳优化参数(即目标优化参数)，通过最佳优化参数有针对性的对分布式光伏电站进行优化处理，提高了对分布式光伏电站的优化处理的灵活性，降低了优化成本，进而实现了整体性能的最佳优化。

[0063] 需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

[0064] 本申请实施例还提供了一种分布式光伏电站的优化装置，需要说明的是，本申请实施例的分布式光伏电站的优化装置可以用于执行本申请实施例所提供的用于分布式光伏电站的优化方法。以下对本申请实施例提供的分布式光伏电站的优化装置进行介绍。

[0065] 图3是根据本申请实施例的分布式光伏电站的优化装置的示意图。如图3所示，该装置包括：确定单元301，计算单元302，优化单元303。

[0066] 确定单元301，用于依据分布式光伏电站中的多个光伏组件的多个待优化参数，确定分布式光伏电站的适应度函数，其中，多个待优化参数至少包括：分布式光伏电站的位置、电压响应速率、功率因数、峰值功率电压、峰值功率电流和组件效率；

[0067] 计算单元302，用于依据粒子群优化算法和适应度函数进行计算，得到分布式光伏电站的目标优化参数；

[0068] 优化单元303，用于依据目标优化参数，对分布式光伏电站进行优化。

[0069] 本申请实施例提供的分布式光伏电站的优化装置，确定单元301依据分布式光伏电站中的多个光伏组件的多个待优化参数，确定分布式光伏电站的适应度函数，其中，多个待优化参数至少包括：分布式光伏电站的位置、电压响应速率、功率因数、峰值功率电压、峰值功率电流和组件效率；计算单元302依据粒子群优化算法和适应度函数进行计算，得到分布式光伏电站的目标优化参数；优化单元303依据目标优化参数，对分布式光伏电站进行优化，解决了相关技术中通过固定的逆变器控制参数和PID参数对分布式光伏发电站进行优化，导致分布式光伏发电站的优化效果比较差的问题。在本方案中，首先通过分布式光伏电站的位置、电压响应速率、功率因数、峰值功率电压、峰值功率电流和组件效率等多个待优化参数，构建对应的适应度函数，然后利用粒子群优化算法对适应度函数进行最优解的求解计算，得到分布式光伏电站的目标优化参数，最后通过目标优化参数对分布式光伏电站进行优化。针对分布式光伏电站的多个待优化参数构建对应的适应度函数，并利用粒子群优化算法迭代寻找适应度函数中的最优解，以确定分布式光伏电站的最佳优化参数(即目标优化参数)，通过最佳优化参数有针对性的对分布式光伏电站进行优化处理，提高了对分布式光伏电站的优化处理的灵活性，降低了优化成本，进而实现了整体性能的最佳优化。

[0070] 可选地，在本申请实施例提供的分布式光伏电站的优化装置中，确定单元包括：第一计算模块，用于依据多个待优化参数进行计算，得到分布式光伏电站的目标计算结果；第二计算模块，用于依据预设数值和目标计算结果进行计算，得到分布式光伏电站的适应度函数。

[0071] 可选地，在本申请实施例提供的分布式光伏电站的优化装置中，计算单元包括：第一确定模块，用于依据多个光伏组件的多个待优化参数，确定第一粒子群；初始化模块，用于对第一粒子群的多个待优化参数进行初始化，得到第二粒子群；第三计算模块，用于依据第二粒子群和适应度函数进行计算，得到分布式光伏电站的目标优化参数。

[0072] 可选地，在本申请实施例提供的分布式光伏电站的优化装置中，第三计算模块包括：计算子模块，用于依据适应度函数和第二粒子群的多个待优化参数进行计算，得到多个第一优化参数；判断子模块，用于判断多个第一优化参数是否满足预设条件，得到判断结果；确定子模块，用于若判断结果表征多个第一优化参数满足预设条件，则将多个第一优化参数确定为目标优化参数。

[0073] 可选地，在本申请实施例提供的分布式光伏电站的优化装置中，该装置还包括：更新单元，用于在判断多个第一优化参数是否满足预设条件，得到判断结果之后，若判断结果表征多个第一优化参数不满足预设条件，则重复执行依据多个第一优化参数对第二粒子群的多个待优化参数进行更新，得到第三粒子群；并依据适应度函数和第三粒子群的多个待优化参数进行计算，得到多个第二优化参数的步骤，直至多个第二优化参数满足预设条件。

[0074] 可选地，在本申请实施例提供的分布式光伏电站的优化装置中，更新单元包括：排序模块，用于对多个第一优化参数进行排序，得到参数列表；获取模块，用于获取参数列表中的目标参数，其中，目标参数在参数列表中的次序小于参数列表中剩余参数在参数列表中的次序；更新模块，用于依据目标参数，对第二粒子群的多个待优化参数进行更新，得到第三粒子群。

[0075] 可选地，在本申请实施例提供的分布式光伏电站的优化装置中，优化单元包括：第二确定模块，用于依据目标优化参数，确定分布式光伏电站的优化策略；优化模块，用于依据优化策略，对分布式光伏电站进行优化。

[0076] 分布式光伏电站的优化装置包括处理器和存储器，上述的确定单元301，计算单元302，优化单元303等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现对分布式光伏电站的高效优化。

[0077] 处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现对分布式光伏电站的高效优化。

[0078] 存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

[0079] 本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现分布式光伏电站的优化方法。

[0080] 本发明实施例提供了一种处理器，处理器用于运行程序，其中，程序运行时执行分布式光伏电站的优化方法。

[0081] 如图4所示，本发明实施例提供了一种电子设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：依据分布式光伏电站中的多个光伏组件的多个待优化参数，确定分布式光伏电站的适应度函数，其中，多个待优化参数至少包括：分布式光伏电站的位置、电压响应速率、功率因数、峰值功率电压、峰值功率电流和组件效率；依据粒子群优化算法和适应度函数进行计算，得到分布式光伏电站的目标优化参数；依据目标优化参数，对分布式光伏电站进行优化。

[0082] 可选地，依据分布式光伏电站中的多个光伏组件的多个待优化参数，确定分布式光伏电站的适应度函数包括：依据多个待优化参数进行计算，得到分布式光伏电站的目标计算结果；依据预设数值和目标计算结果进行计算，得到分布式光伏电站的适应度函数。

[0083] 可选地，依据粒子群优化算法和适应度函数进行计算，得到分布式光伏电站的目标优化参数包括：依据多个光伏组件的多个待优化参数，确定第一粒子群；对第一粒子群的多个待优化参数进行初始化，得到第二粒子群；依据第二粒子群和适应度函数进行计算，得到分布式光伏电站的目标优化参数。

[0084] 可选地，依据第二粒子群和适应度函数进行计算，得到分布式光伏电站的目标优化参数包括：依据适应度函数和第二粒子群的多个待优化参数进行计算，得到多个第一优化参数；判断多个第一优化参数是否满足预设条件，得到判断结果；若判断结果表征多个第一优化参数满足预设条件，则将多个第一优化参数确定为目标优化参数。

[0085] 可选地，在判断多个第一优化参数是否满足预设条件，得到判断结果之后，该方法还包括：若判断结果表征多个第一优化参数不满足预设条件，则重复执行依据多个第一优化参数对第二粒子群的多个待优化参数进行更新，得到第三粒子群；并依据适应度函数和第三粒子群的多个待优化参数进行计算，得到多个第二优化参数的步骤，直至多个第二优化参数满足预设条件。

[0086] 可选地，依据多个第一优化参数对第二粒子群的多个待优化参数进行更新，得到第三粒子群包括：对多个第一优化参数进行排序，得到参数列表；获取参数列表中的目标参数，其中，目标参数在参数列表中的次序小于参数列表中剩余参数在参数列表中的次序；依据目标参数，对第二粒子群的多个待优化参数进行更新，得到第三粒子群。

[0087] 可选地，依据目标优化参数，对分布式光伏电站进行优化包括：依据目标优化参数，确定分布式光伏电站的优化策略；依据优化策略，对分布式光伏电站进行优化。

[0088] 本文中的设备可以是服务器、PC、PAD、手机等。

[0089] 本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：依据分布式光伏电站中的多个光伏组件的多个待优化参数，确定分布式光伏电站的适应度函数，其中，多个待优化参数至少包括：分布式光伏电站的位置、电压响应速率、功率因数、峰值功率电压、峰值功率电流和组件效率；依据粒子群优化算法和适应度函数进行计算，得到分布式光伏电站的目标优化参数；依据目标优化参数，对分布式光伏电站进行优化。

[0090] 可选地，依据分布式光伏电站中的多个光伏组件的多个待优化参数，确定分布式光伏电站的适应度函数包括：依据多个待优化参数进行计算，得到分布式光伏电站的目标计算结果；依据预设数值和目标计算结果进行计算，得到分布式光伏电站的适应度函数。

[0091] 可选地，依据粒子群优化算法和适应度函数进行计算，得到分布式光伏电站的目标优化参数包括：依据多个光伏组件的多个待优化参数，确定第一粒子群；对第一粒子群的多个待优化参数进行初始化，得到第二粒子群；依据第二粒子群和适应度函数进行计算，得到分布式光伏电站的目标优化参数。

[0092] 可选地，依据第二粒子群和适应度函数进行计算，得到分布式光伏电站的目标优化参数包括：依据适应度函数和第二粒子群的多个待优化参数进行计算，得到多个第一优化参数；判断多个第一优化参数是否满足预设条件，得到判断结果；若判断结果表征多个第一优化参数满足预设条件，则将多个第一优化参数确定为目标优化参数。

[0093] 可选地，在判断多个第一优化参数是否满足预设条件，得到判断结果之后，该方法还包括：若判断结果表征多个第一优化参数不满足预设条件，则重复执行依据多个第一优化参数对第二粒子群的多个待优化参数进行更新，得到第三粒子群；并依据适应度函数和第三粒子群的多个待优化参数进行计算，得到多个第二优化参数的步骤，直至多个第二优化参数满足预设条件。

[0094] 可选地，依据多个第一优化参数对第二粒子群的多个待优化参数进行更新，得到第三粒子群包括：对多个第一优化参数进行排序，得到参数列表；获取参数列表中的目标参数，其中，目标参数在参数列表中的次序小于参数列表中剩余参数在参数列表中的次序；依据目标参数，对第二粒子群的多个待优化参数进行更新，得到第三粒子群。

[0095] 可选地，依据目标优化参数，对分布式光伏电站进行优化包括：依据目标优化参数，确定分布式光伏电站的优化策略；依据优化策略，对分布式光伏电站进行优化。

[0096] 本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。

[0097] 本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

[0098] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

[0099] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

[0100] 在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

[0101] 存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

[0102] 计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD‑ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

[0103] 还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

[0104] 本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。

[0105] 以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。