CN101728984A

CN101728984A - 并网型光伏电站发电功率预测方法

Info

Publication number: CN101728984A
Application number: CN201010033376A
Authority: CN
Inventors: 米增强; 王飞; 刘兴杰; 梅华威; 石金玮; 余洋
Original assignee: North China Electric Power University
Current assignee: North China Electric Power University
Priority date: 2010-01-18
Filing date: 2010-01-18
Publication date: 2010-06-09
Anticipated expiration: 2030-01-18
Also published as: CN101728984B

Abstract

一种并网型光伏电站发电功率预测方法，属光伏发电技术领域，用于预测光伏电站的发电功率，其技术方案是：它利用在并网型光伏电站生产现场所采集的包括太阳辐射强度、环境温度、风速在内的光伏电站输入参数和光伏电站输出参数，即输出功率，建立光伏电站输入、输出参数关联数据库，并通过在线自学习对该数据库进行实时更新；对于给定的并网型光伏电站输入参数的预测信息，利用数据挖掘技术在光伏电站输入、输出参数关联数据库中进行数据挖掘，得到并网型光伏电站发电功率的预测值。本发明可以准确预测并网型光伏电站的发电功率，为电力系统的调度管理部门提供可靠的参考信息，大大提高了电力系统的管理水平。

Description

并网型光伏电站发电功率预测方法

技术领域

本发明涉及一种根据太阳辐射强度、环境温度和风速等因素预测并网型光伏电站发电功率的方法，属光伏发电技术领域。

背景技术

电能的生产、输送、分配、消费是同时进行的，要时刻维持这个供需平衡，使之不遭到破坏才能保证电力系统的正常运行。由于光伏发电直接受太阳光照、温度、时间、季节等因素影响，“有阳光就有电，无阳光就无电”，其输出功率会表现出剧烈的波动性和间歇性。大容量并网型光伏电站接入电网势必会对电力系统的调度管理和安全稳定运行带来严峻挑战，将大大加重电网的调度负担。随着目前及未来光伏发电的迅猛发展，对其发电功率进行预测将成为电力系统调度管理部门的迫切要求。

发明内容

本发明的目的在于提供一种能满足电力系统调度管理需求的并网型光伏电站发电功率预测方法。

本发明所述问题是以下述技术方案实现的：

一种并网型光伏电站发电功率预测方法，它利用在并网型光伏电站生产现场所采集的包括太阳辐射强度、环境温度、风速在内的光伏电站输入参数和光伏电站输出参数，即输出功率，建立光伏电站输入、输出参数关联数据库，并通过在线自学习对该数据库进行实时更新；对于给定的并网型光伏电站输入参数的预测信息，利用数据挖掘技术在光伏电站输入、输出参数关联数据库中进行数据挖掘，得到并网型光伏电站发电功率的预测值。

上述并网型光伏电站发电功率预测方法，所述光伏电站输入、输出参数关联数据库的建立和在线自学习的方法是：

在并网型光伏电站的运行过程中，不断采集光伏电站的输入参数和输出参数数据，并对不同输入参数及与之对应的输出参数进行记录，得到光伏电站输入、输出参数关联数据库，该数据库中每条数据记录的结构是(G，T，V，P)，其中，G为太阳辐射强度、T为环境温度、V为风速、P为发电功率；所采集的每一条新增数据，均按照下面的步骤在线实时对关联数据库进行更新：

①判断新增数据(G，T，V，P)中的前三项数据(G，T，V)是否与关联数据库中已有的某条记录的前三项数据完全相同，如果关联数据库中没有任何记录的前三项数据与(G，T，V)完全相同，则将新增数据(G，T，V，P)作为新出现的运行状态加入关联数据库，数据库更新过程结束，否则进入下一步；

②如果新增数据(G，T，V，P)中的前三项数据(G，T，V)与关联数据库中某条已有记录的前三项数据完全相同，则继续判断新增数据(G，T，V，P)中的发电功率P与关联数据库中对应记录(G，T，V，P₀)中的发电功率P₀是否相同，若二者相同，即P＝P₀，则关联数据库不做任何修改，数据库更新过程结束，否则进入下一步；

③如果新增数据(G，T，V，P)的发电功率P与关联数据库中对应记录(G，T，V，P₀)的发电功率P₀不同，即P≠P₀，则对新增数据记录的发电功率P和关联数据库中对应记录的发电功率P₀进行加权平均，得到发电功率的更新值P_X：

P_{X} = \frac{a_{1} P + a_{2} P_{0}}{2}

其中，P_X为发电功率的更新值，a₁，a₂为功率权重系数，用P_X来更新关联数据库中原有的记录(G，T，V，P₀)，更新后的记录为(G，T，V，P_X)。

上述并网型光伏电站发电功率预测方法，根据并网型光伏电站输入参数的预测信息，获得并网型光伏电站发电功率的预测值的方法是：

假设光伏电站输入参数的预测信息为(G_Y，T_Y，V_Y)，其中，G_Y为太阳辐射强度的预测值、T_Y为环境温度的预测值、V_Y为风速的预测值，如果关联数据库中存在一条记录(G，T，V，P)，其运行条件与(G_Y，T_Y，V_Y)完全相同，即，G＝G_Y，T＝T_Y，V＝V_Y，则该记录中的发电功率P即为发电功率预测值；

如果关联数据库中没有任何记录的运行条件与(G_Y，T_Y，V_Y)完全相同，则分别计算关联数据库中各条记录的运行条件(G_i，T_i，V_i)与(G_Y，T_Y，V_Y)之间的加权距离L_i：

L_{i} = \sqrt{q_{1} {(G_{Y} - G_{i})}^{2} + q_{2} {(T_{Y} - T_{i})}_{2}^{2} + q_{3} {(V_{Y} - V_{i})}^{2}}

然后选取关联数据库中与运行条件预测信息(G_Y，T_Y，V_Y)之间加权距离最小的前K个数据记录：

(G₁，T₁，V₁，P_D1)，(G₂，T₂，V₂，P_D2)，……，(G_K，T_K，V_K，P_DK)，L₁≤L₂≤…≤L_K

其中，G_i为关联数据库中第i条记录的太阳辐射强度值，T_i为关联数据库中第i条记录的环境温度值，V_i为关联数据库中第i条记录的风速值，q₁，q₂，q₃分别为太阳辐射强度、环境温度、风速的权重系数，K为运行条件加权距离搜索常数(取正整数)，P_Dj为关联数据库中与运行条件预测信息(G_Y，T_Y，V_Y)之间加权距离最小的前K个数据记录中对应的发电功率值，

发电预测功率值P_Y由下式计算：

P_{Y} = \frac{Σ_{j = 1}^{K} b_{j} P_{DJ}}{K}

b_j为第j条记录的权重系数，具体的权重系数在后面给出。

上述并网型光伏电站发电功率预测方法，为了剔除由于传感器故障、数据传输错误、电磁干扰或其它原因引起的非正常数据，应对新增数据记录进行有效性处理：

如果新增数据的各项数值均在表1中对应项的取值范围之内，则认为该新增数据是有效数据；

表1

序号	参数、符号	单位	取值范围
序号	参数、符号	单位	取值范围	1	太阳辐射强度，G	w/m²	[0，1000]
2	环境温度，T	℃	[-50，75]	1	太阳辐射强度，G	w/m²	[0，1000]
2	环境温度，T	℃	[-50，75]	3	风速，V	m/s	[0，30]
4	发电功率，P	W	[0，光伏电站最大功率]	3	风速，V	m/s	[0，30]

否则认为该新增数据为无效数据，将其丢弃。

上述并网型光伏电站发电功率预测方法，所述功率权重系数的值为：a1＝0.4，a2＝1.6。

上述并网型光伏电站发电功率预测方法，所述运行条件加权距离搜索常数K＝8。

上述并网型光伏电站发电功率预测方法，所述发电功率预测值计算公式中的权重系数b_j的取值为：b₁＝1.8，b₂＝1.6，b₃＝1.4，b₄＝1.2，b₅＝0.8，b₆＝0.6，b₇＝0.4，b₈＝0.2

上述并网型光伏电站发电功率预测方法，经计算得到的发电功率预测值P_Y同与其对应的光伏电站输入参数的预测信息(G_Y，T_Y，V_Y)构成一条新信息，该信息记入关联数据库。

本发明利用光伏电站运行状态的有效数据记录建立光伏电站输入、输出参数关联数据库，并通过在线自学习对该数据库进行实时更新，使关联数据库能够反映并网型光伏电站发电功率随时间变化的特性与规律，完整地记忆光伏电站曾经出现过的各种不同的运行状态。该方法利用数据挖掘技术对并网型光伏电站发电功率进行预测，不仅可确保预测的准确性，而且能保证对于任何运行条件预测信息，都能得到与之对应的发电功率预测值。

本发明可以准确预测并网型光伏电站的发电功率，为电力系统的调度管理部门合理安排电站的运行方式、制定发电计划和检修计划提供可靠的参考信息，大大提高了电力系统的管理水平，同时也为其参与电力市场提供了技术支持。

附图说明

下面结合附图对本发明进一步说明。

图1是关联数据库的建立与在线自学习方法流程图；

图2是发电功率的智能预测方法流程图。

文中所用符号：G、太阳辐射强度；T、环境温度；V、风速；P、发电功率；P_X、发电电功率的更新值；a₁、a₂、功率权重系数；G_Y、太阳辐射强度的预测值；T_Y、环境温度的预测值；V_Y、风速的预测值；G_i、关联数据库中第i条记录的太阳辐射强度值；T_i、关联数据库中第i条记录的环境温度值；V_i、关联数据库中第i条记录的风速值；q₁、q₂、q₃分别为太阳辐射强度、环境温度、风速的权重系数，K为运行条件加权距离搜索常数，P_Dj、关联数据库中与运行条件预测信息之间加权距离最小的前K个数据记录中对应的发电功率值；b_j、第j条记录的权重系数。

具体实施方式

并网型光伏电站的组成与工作原理：

并网型光伏电站包括建筑物一体化的并网型光伏系统和建在沙漠、滩涂、盐碱地上的大型并网型光伏系统。并网型光伏发电系统主要由光伏电池阵列、逆变器和变压器组成，光伏电池所发出的直流电经逆变器转换为交流后经变压器升压并入电网。绝大多数并网型光伏电站并不配备蓄电池组进行能量的存储。由于光伏电站接受的太阳辐射、所处环境温度、每天不同时间、季节等因素的变化，其输出功率会表现出剧烈的波动性和间歇性。

影响并网型光伏电站发电功率的因素：

由并网型光伏电站的组成和工作原理可知，太阳能是经过光伏电池、逆变器、变压器三者串联的通路转化为电能并入电网，因此，这三者的特性和效率都会影响到光伏电站的输出功率。并网型光伏电站的发电功率与很多因素有关，主要包括：光伏电池的型号、光伏电池阵列的面积、光伏电池阵列安装方式、电池表面污染情况、光伏电池的工作状态、光伏电池的衰减特性、每天时间的变化、季节的变化、天气状况、太阳辐射、环境温度、风速、逆变器控制策略、并网变压器损耗、某些随机因素的影响等。单纯考虑以上某个因素来预测光伏电站的发电功率很难得到准确的结果，应当综合考虑这些因素的作用。由于这些因素与发电功率之间多为复杂的非线性关系，且相互之间存在多重耦合，因此，建立直接考虑所有相关影响因素的并网型光伏电站发电功率的预测模型并确定其参数非常困难。但是，我们知道，一旦某并网型光伏电站建成并投入运行，其构成与内部工作特性将基本稳定，其输出量(发电功率)的大小只与其输入量(如太阳辐射强度、环境温度、风速等)密切相关。本发明正是基于此原理提出的。

本发明的技术路径分为三个基本环节：

(1)利用并网型光伏电站生产现场所安装的有关传感器取得的数据(如太阳辐射强度、环境温度、风速等，本发明把这些参数称为光伏电站的输入参数)和其监控系统取得的光伏电站输出功率(本发明把其称为光伏电站的输出参数)，建立光伏电站输入、输出参数关联数据库，该数据库具有在线自学习功能。

(2)获取并网型光伏电站当地的太阳辐射强度、环境温度及风速等预测信息。

(3)根据步骤(2)的预测信息，利用数据挖掘技术在步骤(1)的关联数据库中进行数据挖掘，得到并网型光伏电站发电功率的预测值。

本发明的技术方案按如下步骤实施：

1、输入、输出参数关联数据库的建立与自学习方法

(1)输入、输出参数关联数据库的数据结构

输入、输出参数关联数据库的数据结构如表1所示。

表1

序号	参数、符号	单位	取值范围
序号	参数、符号	单位	取值范围	1	太阳辐射强度，G	w/m²	[0，1000]

序号	参数、符号	单位	取值范围
序号	参数、符号	单位	取值范围	2	环境温度，T	℃	[-50，75]
3	风速，V	m/s	[0，30]	2	环境温度，T	℃	[-50，75]
3	风速，V	m/s	[0，30]	4	发电功率，P	W	[0，光伏电站最大功率]

注：①表1中的“太阳辐射强度G”、“环境温度T”、“风速V”分别表示光伏电站所处地点的太阳辐射强度、环境温度和风速，“发电功率P”表示光伏电站注入电网的总功率。

②表1中“光伏电站最大功率”指并网型光伏电站所有光伏电池阵列的最大功率之和。

③将表1中的前三项参数(G，T，V)作为光伏电站的输入参数，但不限于仅这三个量。

④光伏电站的发电功率P作为光伏电站的输出参数。

(2)实际数据的有效性处理

对于并网型光伏电站生产现场所安装的有关传感器取得的太阳辐射强度G、环境温度T、风速V等数据和其监控系统取得光伏电站实际输出功率P进行有效性处理，以剔除由于传感器故障、数据传输错误、电磁干扰或其它原因引起的非正常数据。

实际数据的有效性处理方法是：如果实际数据的数值在表1中其所对应的取值范围之内，则认为该数据是有效数据；如果实际数据的数值超出表1中其所对应的取值范围，则认为该数据为无效数据，将其丢弃。

经过有效性处理的实际数据：太阳辐射强度G、环境温度T、风速V、发电功率P共同构成一条有效的数据记录(G，T，V，P)，此数据记录反映了并网型光伏电站某个特定的运行状态。

(3)输入、输出参数关联数据库的建立与自学习方法

在并网型光伏电站的运行过程中，随着时间的推移会不断地出现新的有效数据记录，根据新增的有效数据记录与关联数据库中已有的数据记录之间对应关系的不同情况，按照下面的步骤建立并在线实时更新关联数据库D：

①判断新增的有效数据记录(G，T，V，P)中的前三项数据(G，T，V)是否与D中已有的某条记录的前三项数据完全相同：如果关联数据库D中没有任何记录的前三项数据与(G，T，V)完全相同，则将新增的有效数据记录(G，T，V，P)作为新出现的运行状态加入关联数据库D，数据库更新过程结束。否则进入下一步。

②如果新增的有效数据记录(G，T，V，P)中的前三项数据(G，T，V)与D中某条已有记录的前三项数据完全相同，则继续判断新增有效数据记录(G，T，V，P)中的发电功率P与D中对应记录(G，T，V，P₀)中的发电功率P₀是否相同：如果两个发电功率相同，即P＝P₀，说明新增有效数据记录(G，T，V，P)与D中的对应记录(G，T，V，P₀)完全一样，则忽略此新增数据，关联数据库D不做任何修改，数据库更新过程结束。否则进入下一步。

③如果新增有效数据记录(G，T，V，P)的发电功率P与关联数据库D中对应记录(G，T，V，P₀)的发电功率P₀不同，即P≠P₀，则对新增数据记录的发电功率P和D中对应记录的发电功率P₀进行加权平均，见(1)式：

P_{X} = \frac{a_{1} P + a_{2} P_{0}}{2} - - - (1)

P_X为发电功率的更新值

a₁，a₂为功率权重系数

用(1)式计算得到的发电功率加权平均值P_X来更新关联数据库D中原有的记录(G，T，V，P₀)，关联数据库D中更新后的记录为(G，T，V，P_X)。

根据多个并网型光伏电站大量实测数据和预测结果的对比分析，(1)式中的功率权重系数取a1＝0.4，a2＝1.6。

反映曾经出现过的各种不同运行状态的有效数据记录(G，T，V，P)经过上述过程处理后，即可建立并网型光伏电站输入、输出参数关联数据库D并实现不断的自学习，输入、输出参数关联数据库D中的数据记录如表2所示。

表2

序号	G	T	V	P
序号	G	T	V	P	1	G1	T1	V1	P1
2	G2	T2	V2	P2	1	G1	T1	V1	P1
2	G2	T2	V2	P2	3	G3	T3	V3	P3
···	···	···	···	···	3	G3	T3	V3	P3
···	···	···	···	···	n	Gn	Tn	Vn	Pn
···	···	···	···	···	n	Gn	Tn	Vn	Pn

按照上述方法建立的输入、输出参数关联数据库D中各个记录的前三项数据(G，T，V)是互异的，即对于某个已经出现过的特定的运行条件(G，T，V)，在关联数据库D中只有唯一的P与之对应。

并网型光伏电站的有效数据记录(G，T，V，P)中包含了发电功率P与三个输入参数(G，T，V)之间的内在关系信息，而且随着时间的推移，不断增加的有效数据记录对关联数据库D进行持续不断的在线实时更新，使得关联数据库D能够反映并网型光伏电站发电功率随时间变化的特性与规律，完整的记忆了光伏电站曾经出现过的各种不同的运行状态。输入、输出参数关联数据库的建立与在线自学习方法如图1所示。

2、G_Y，T_Y，V_Y等预测信息的获取与接收

并网型光伏电站发电功率的预测值P_Y取决于太阳辐射强度的预测值G_Y、环境温度的预测值T_Y和风速的预测值V_Y等因素。预测信息(G_Y，T_Y，V_Y)的获取方式包括由气象部门或专业机构提供，但不限于此方式。

预测信息(G_Y，T_Y，V_Y)的接收包括有线方式、无线方式和其它接收方式。

本发明能眵接收的预测信息的时间尺度包括：0-2小时、0-6小时、0-12小时、0-24小时及以上。

3、发电功率P_Y的预测方法

根据获取的预测信息(G_Y，T_Y，V_Y)，在关联数据库D中查找，如果关联数据库D中有记录(G，T，V，P)的运行条件与(G_Y，T_Y，V_Y)完全相同，即，G＝G_Y，T＝T_Y，V＝V_Y，则该记录中的发电功率P即为预测值；

L_{i} = \sqrt{q_{1} {(G_{Y} - G_{i})}^{2} + q_{2} {(T_{Y} - T_{i})}_{2}^{2} + q_{3} {(V_{Y} - V_{i})}^{2}}

其中，G_i为关联数据库中第i条记录的太阳辐射强度值，T_i为关联数据库中第i条记录的环境温度值，V_i为关联数据库中第i条记录的风速值，q₁，q₂，q₃分别为太阳辐射强度、环境温度、风速的权重系数，根据多个并网型光伏电站大量实测数据和预测结果的对比分析，权重系数q₁，q₂，q₃取q1＝1.8，q2＝0.6，q3＝0.6。

L_i是表示两个不同的运行条件(G_i，T_i，V_i)与(G_Y，T_Y，V_Y)之间差别大小的度量，加权距离L_i越小表示这两个运行条件之间的差别就越小，反之则表示差别越大。加权距离L_i的几何意义是运行条件状态空间中两个不同运行条件之间的加权欧氏距离，物理意义就是这两个不同运行条件之间的差别。

根据确定的运行条件加权距离搜索常数K(K为正整数)和运行条件预测信息(G_Y，T_Y，V_Y)，计算关联数据库D中数据记录对应的运行条件(G，T，V)与预测信息(G_Y，T_Y，V_Y)之间的加权距离L，得到关联数据库D中与运行条件预测信息(G_Y，T_Y，V_Y)之间加权距离最小的前K个数据记录：

(G₁，T₁，V₁，P_D1)，(G₂，T₂，V₂，P_D2)，……，(G_K，T_K，V_K，P_DK)

对这K个记录的发电功率数值进行加权平均，如(3)式所示，

P_{Y} = \frac{Σ_{j - 1}^{K} b_{j} P_{Dj}}{K} - - - (3)

P_Y为发电功率预测数值；

K为设定的加权距离搜索常数；

P_Dj为关联数据库D中与运行条件预测信息(G_Y，T_Y，V_Y)之间加权距离最小的前K个数据记录中对应的发电功率数值；

b_j为对应各个记录的权重系数

按照(3)计算得到的即为对应于运行条件预测信息(G_Y，T_Y，V_Y)的发电功率预测值P_Y。该预测值以及对应的运行条件预测信息(G_Y，T_Y，V_Y，P_Y)作为最新记录加入关联数据库D。

根据多个并网型光伏电站大量实测数据和预测结果的对比分析，(3)式中的运行条件加权距离搜索常数取K＝8。

按照上述的智能预测方法，在确定的运行条件预测信息(G_Y，T_Y，V_Y)下，总能得到对应的发电功率预测值P_Y，即(G_Y，T_Y，V_Y，P_Y)，从而实现基于关联数据库和运行条件预测信息的并网型光伏电站发电功率的预测。

光伏电站发电功率的智能预测方法如图2所示。

本发明提出的方法可通过计算机、软件程序实现，建立并网型光伏电站发电功率预测系统，该系统可成为一个独立的计算机系统，也可以作为并网型光伏电站监控系统集成的一个高级应用系统。

Claims

1.一种并网型光伏电站发电功率预测方法，其特征是，它是利用在并网型光伏电站生产现场所采集的包括太阳辐射强度、环境温度、风速在内的光伏电站输入参数和光伏电站输出参数，即输出功率，建立光伏电站输入、输出参数关联数据库，并通过在线自学习对该数据库进行实时更新；对于给定的并网型光伏电站输入参数的预测信息，利用数据挖掘技术在光伏电站输入、输出参数关联数据库中进行数据挖掘，得到并网型光伏电站发电功率的预测值。

2.根据权利要求1所述并网型光伏电站发电功率预测方法，其特征是，所述光伏电站输入、输出参数关联数据库的建立和在线自学习的方法是：

③如果新增数据(G，T，V，P)的发电功率P与关联数据库中对应记录(G，T，V，P₀)的发电功率P₀不同，即P≠P₀，则对新增数据记录的发电功率P和关联数据库中对应记录的发电功率P₀进行加权平均，得到发电机电功率的更新值P_X：

P_{X} = \frac{a_{1} P + a_{2} P_{0}}{2}

其中，R_X为发电功率的更新值，a₁，a₂为权重系数，用P_X来更新关联数据库中原有的记录(G，T，V，P₀)，更新后的记录为(G，T，V，P_X)。

3.根据权利要求1或2所述并网型光伏电站发电功率预测方法，其特征是，根据并网型光伏电站输入参数的预测信息，获得并网型光伏电站发电功率的预测值的方法是：

设光伏电站输入参数的预测信息为(G_Y，T_Y，V_Y)，其中，G_Y为太阳辐射强度的预测值、T_Y为环境温度的预测值、V_Y为风速的预测值，如果关联数据库中存在一条记录(G，T，V，P)，其运行条件与(G_Y，T_Y，V_Y)完全相同，即，G＝G_Y，T＝T_Y，V＝V_Y，则该记录中的发电功率P即为发电功率预测值；

若关联数据库中没有任何记录的运行条件与(G_Y，T_Y，V_Y)完全相同，则分别计算关联数据库中各条记录的运行条件(G_i，T_i，V_i)与(G_Y，T_Y，V_Y)之间的加权距离L_i：

L_{i} = \sqrt{q_{1} {(G_{Y} - G_{i})}^{2} + q_{2} {(T_{Y} - T_{i})}_{2}^{2} + q_{3} {(V_{Y} - V_{i})}^{2}}

发电预测功率值P_Y由下式计算：

P_{Y} = \frac{Σ_{j = 1}^{K} b_{j} P_{Dj}}{K}

b_j为第j条记录的权重系数。

4.根据权利要求3所述并网型光伏电站发电功率预测方法，其特征是，按如下原则对新增数据记录进行有效性处理：

若新增数据的各项数值均在如下对应项的取值范围之内，则认为该新增数据是有效数据：

太阳辐射强度G，单位w/m²，取值范围[0，1000]；

环境温度T，单位℃，取值范围[-50，75]；

风速V，单位m/s，取值范围[0，30]；

发电功率P，单位W，取值范围[0，光伏电站最大功率]；

否则认为该新增数据为无效数据，将其丢弃。

5.根据权利要求4所述并网型光伏电站发电功率预测方法，其特征是，所述功率权重系数的值为：a1＝0.4，a2＝1.6。

6.根据权利要求4所述并网型光伏电站发电功率预测方法，其特征是，所述运行条件加权距离搜索常数K＝8。

7.根据权利要求6所述并网型光伏电站发电功率预测方法，其特征是，经计算得到的发电功率预测值P_Y同与其对应的光伏电站输入参数的预测信息(G_Y，T_Y，V_Y)构成一条新信息，该信息记入关联数据库。