CN102103164B

CN102103164B - 太阳能光伏电池发电能力预测系统及方法

Info

Publication number: CN102103164B
Application number: CN 200910189031
Authority: CN
Inventors: 杨朋; 李磊; 徐国卿
Original assignee: Shenzhen Institute of Advanced Technology of CAS
Current assignee: Zhuhai Institute Of Advanced Technology Chinese Academy Of Sciences Co ltd
Priority date: 2009-12-17
Filing date: 2009-12-17
Publication date: 2012-12-26
Anticipated expiration: 2029-12-17
Also published as: CN102103164A

Abstract

一种太阳能光伏电池发电能力预测系统及方法，采集待测日以前的多日多个时刻的温度和光强数据并记录为历史数据；根据历史数据计算待测日多个时刻的温度和光强，并计算待测日多个时刻的功率，且计算待测日的总发电量。本发明实现了预测待测日多个时刻的功率和总发电量，用户能够合理地安排电器的使用时间，实现最大限度地利用太阳能能源和减少用电成本。

Description

太阳能光伏电池发电能力预测系统及方法

【技术领域】

本发明涉及太阳能发电系统及方法，尤其涉及一种太阳能光伏电池发电能力预测系统及方法。

【背景技术】

近几年来，太阳能以其独有的优势成为人们关注的焦点。丰富的太阳辐射能，是取之不尽用之不竭、无污染、廉价的能源。太阳能发电分为太阳能直接光发电和太阳能间接光发电。太阳能直接光发电主要是太阳能光伏发电，太阳能间接光发电主要是太阳能热发电。由于电能具有的巨大优势，太阳能光伏发电就成为一种主要的利用太阳能的方式。将光能转变为电能的光伏发电技术是项非常重要的技术。

太阳能光伏发电能力主要受到温度和光强的影响，由于太阳能电池板本身的特性，其输出特性具有强烈的非线性。在现有的业界研究中，重点关注的都是光伏电池的电压-电流曲线，功率-电压曲线等，这些曲线往往通过仿真的方式获得，这些曲线并不能实时反映太阳能光伏电池发电的能力，无法指导用户合理安排用电器使用时间，最大限度的利用太阳能。

太阳能光伏发电能力受到温度和光强的制约，如果能够预测得到太阳能光伏电池一天之中发电功率随时间的变化曲线(P-t曲线)和累计发电量(光伏电池所发出的电能)，那么用户就能够根据P-t曲线和发电量合理安排用电器使用时间，达到最大限度利用太阳能电源和减小用电成本的目的，目前并无这样的预测系统和方法。

【发明内容】

基于此，有必要提供一种能根据历史温度和光强获取待测日多个时刻的功率和待测日的总发电量的太阳能光伏电池发电能力预测系统。

此外，还有必要提供一种太阳能光伏电池发电能力预测方法。

本发明提供了一种太阳能光伏电池发电能力预测系统，包括温度光强采集处理模块、预测处理模块和输出模块；所述温度光强采集处理模块用于采集待测日以前的多日多个时刻的温度和光强数据并记录为历史数据；所述预测处理模块与所述温度光强采集处理模块相连，用于根据历史数据计算待测日多个时刻的温度和光强，并计算待测日多个时刻的功率，且计算待测日的总发电量；所述输出模块与所述预测处理模块相连，用于输出待测日多个时刻的功率和总发电量；所述预测处理模块包括时钟模块、预测温度光强获取模块、功率获取模块、数据库模块和发电量获取模块；所述时钟模块用于提供时间数据；所述预测温度光强获取模块与所述时钟模块和所述温度光强采集处理模块相连，用于根据所述温度光强采集处理模块采集记录的历史数据，计算待测日多个时刻的温度和光强；所述数据库模块中存储有功率与温度、光强的映射表；所述功率获取模块与所述预测温度光强获取模块、所述数据库模块相连，用于根据待测日多个时刻的温度和光强从所述数据库模块获取待测日多个时刻对应的功率；所述发电量获取模块连接所述功率获取模块，用于根据获取的待测日多个时刻的功率计算得出待测日的总发电量；

所述的所述预测温度光强获取模块根据历史数据得出待测日多个时刻的温度光强权重参数，按照以下公式计算待测日多个时刻的温度、光强，

T_{i} = a_{i}^{(1)} * T_{i}^{(1)} + a_{i}^{(2)} * T_{i}^{(2)} + . . . + a_{i}^{(n)} * T_{i}^{(n)}

γ_{i} = b_{i}^{(1)} * γ_{i}^{(1)} + b_{i}^{(2)} * γ_{i}^{(2)} + . . . + b_{i}^{(n)} γ_{i}^{(n)}

其中，T_i表示待测日i时刻温度，γ_i表示待测日i时刻光强，

表示待测日n天前第i时刻的温度，

表示待测日n天前第i时刻的光强，

和表示表示待测日n天前第i时刻的权重。

优选地，所述温度光强采集处理模块包括温度传感器模块、光强传感器模块、模/数转换模块和寄存器模块；所述温度传感器模块用于采集待测日以前的多日多个时刻的温度；所述光强传感器模块用于采集待测日以前的多日多个时刻的光强；所述模/数转换模块与所述温度传感器模块、所述光强传感器模块及所述寄存器模块相连，用于将采集的温度和光强进行模/数转换且将转换后的温度和光强数据传输到所述寄存器模块存储。

优选地，所述功率与温度、光强的映射表采用离散方法获取，将温度和光强划分为多个区间，在温度和光强各个区间内通过测量得出太阳能光伏电池对应的功率，将功率与温度光强对应关系建立映射表。

优选地，所述发电量获取模块根据待测日多个时刻的功率采用分段求和的方法计算总发电量：将两邻近时刻的功率进行平均，再与该两邻近时刻的时间间隔相乘获取对应的发电量，将待测日所有相邻两时刻的功率采取相同处理，将所获取的所有时段的发电量累计，获取待测日总发电量。

优选地，所述预测处理模块还包括存储模块，所述存储模块与所述发电量获取模块和所述输出模块相连，用于存储预测所得的待测日多个时刻的功率和待测日总发电量并传输至输出模块输出。

优选地，进一步包括工作模式设置模块，所述工作模式设置模块与所述预测处理模块相连，用于设置工作状态，包括设置季节、天气状况及工作时间段。

优选地，进一步包括查询选择模块，所述查询选择模块与所述温度光强采集处理模块、预测处理模块相连，用于供用户查询数据。

优选地，进一步包括显示模块，所述显示模块与所述输出模块相连，用于显示数据。

一种太阳能光伏电池发电能力预测方法，包括如下步骤：

采集步骤，采集待测日以前的多日多个时刻的温度和光强数据并记录为历史数据；

计算预测步骤，根据历史数据计算待测日多个时刻的温度和光强，并计算待测日多个时刻的功率，且计算待测日的总发电量；

输出步骤，输出待测日多个时刻的功率和总发电量；

所述计算预测步骤中计算待测日多个时刻的温度和光强包括如下步骤：根据历史数据计算待测日该时的温度光强权重参数，按照以下公式计算待测日多个时刻的温度光强值，

T_{i} = a_{i}^{(1)} * T_{i}^{(1)} + a_{i}^{(2)} * T_{i}^{(2)} + . . . + a_{i}^{(n)} * T_{i}^{(n)}

γ_{i} = b_{i}^{(1)} * γ_{i}^{(1)} + b_{i}^{(2)} * γ_{i}^{(2)} + . . . + b_{i}^{(n)} γ_{i}^{(n)}

其中，T_i表示待测日i时刻温度，γ_i表示待测日i时刻光强，

表示待测日n天前第i时刻的温度，

表示待测日n天前第i时刻的光强，

和

表示表示待测日n天前第i时刻的权重。

优选地，所述温度光强权重参数采用最小二乘法得出。

优选地，所述计算预测步骤中计算待测日多个时刻的功率包括如下步骤：

提供功率与温度、光强的映射表；

根据待测日多个时刻的温度和光强从所述功率与温度、光强的映射表获取待测日多个时刻对应的功率。

优选地，所述计算预测步骤中计算待测日的总发电量包括如下步骤：根据待测日多个时刻的功率采用分段求和的方法计算总发电量，将两邻近时刻的功率进行平均，再与该两邻近时刻的时间间隔相乘获取对应的发电量，将待测日所有相邻两时刻的功率采取相同处理，将所获取的所有时段的发电量累计，获取待测日总发电量。

优选地，在采集步骤和计算预测步骤之间进一步包括如下步骤：工作模式设置步骤，根据需要设置工作模式，包括设置季节、天气状况及工作时间段。

优选地，在计算预测步骤和输出步骤之间进一步包括如下步骤：查询步骤，供用户输入查询要求，根据用户查询需要输出数据。

由于采用上述的技术方案，本发明的有益效果如下：

本发明根据待测日以前多日多个时刻的温度光强进行预测处理获取待测日多个时刻的温度光强，再计算待测日多个时刻的功率和待测日的总发电量，从而得出待测日多个时刻的功率和总发电量，根据获得的待测日多个时刻的功率和总发电量，用户能够合理地安排电器的使用时间，达到最大限度的利用太阳能能源和减少用电成本。

本发明中，采用存有功率与温度光强的映射表，通过查询映射表的方式，获取待测日多个时刻的功率，简单、方便、节约时间。

本发明中，采用查询选择，方便用户查询相关的历史温度和光强数据。

本发明中，采用分段求和的方式计算待测日总发电量，简单便捷。

本发明中，采用工作模式设置，可以更加准确的预测待测日多个时刻的温度和光强且获得的待测日多个时刻的功率及待测日的总发电量也更加准确，更加方便用户合理利用太阳能能源。

【附图说明】

图1为一实施例的太阳能光伏电池发电能力预测系统结构示意图。

图2为一实施例的太阳能光伏电池发电能力预测方法工作流程图。

【具体实施方式】

实施例1：太阳能光伏电池发电能力预测系统

一种太阳能光伏电池发电能力预测系统包括温度光强采集处理模块、预测处理模块和输出模块。

温度光强采集处理模块包括温度传感器模块、光强传感器模块、模/数转换模块和寄存器模块。温度传感器模块用于采集待测日以前多日多个时刻的温度数据；光强传感器模块用于采集待测日以前多日多个时刻的光强数据；模/数转换模块与温度传感器模块和光强传感器模块相连，将采集的待测日以前多日多个时刻的温度和光强数据进行模/数转换处理；寄存器模块与模/数转换模块相连，用于将经过模/数转换处理的待测日以前多日多个时刻的温度和光强数据进行记录存储并作为历史的温度和光强数据。

采集时间在白天早上6点至晚上18点(工作时间段可进行调整)，采取每隔一定时间对温度和光强进行采集的方式进行。

预测处理模块与温度光强采集处理模块和输出模块相连，用于接收记录在温度光强采集处理模块的寄存器模块内的待测日以前多日多个时刻的温度和光强历史数据并根据历史数据计算待测日多个时刻的温度和光强，并计算获取待测日多个时刻的功率，再计算待测日的总发电量，并将计算所得的待测日多个时刻的功率和待测日的总发电量传输到输出模块输出。

因为在同一种天气条件下，温度和光强的变化具有较大的规律性，因此待测日多个时刻的温度和光强可以由历史数据获得。

预测处理模块包括时钟模块、预测温度光强获取模块、功率获取模块、数据库模块和发电量获取模块。

时钟模块用于提供时间信号，提供具体的时间。

预测温度光强获取模块与时钟模块和温度光强采集处理模块相连，用于根据温度光强采集处理模块采集记录的历史数据，得出待测日多个时刻的温度光强权重参数，然后再按照以下公式计算待测日多个时刻的温度、光强，

T_{i} = a_{i}^{(1)} * T_{i}^{(1)} + a_{i}^{(2)} * T_{i}^{(2)} + . . . + a_{i}^{(n)} * T_{i}^{(n)}

γ_{i} = b_{i}^{(1)} * γ_{i}^{(1)} + b_{i}^{(2)} * γ_{i}^{(2)} + . . . + b_{i}^{(n)} γ_{i}^{(n)}

其中：T_i表示待测日i时刻温度；γ_i表示待测日i时刻光强；

表示待测日n(n≥2)天前第i时刻的温度；

表示待测日n(n≥2)天前第i时刻的光强；

和

表示待测日n(n≥2)天前第i时刻的权重。

优先地，n取3。

待测日多个时刻的温度光强权重参数采用最小二乘法得出。待测日i时刻的温度权重参数采用最小二乘法计算如下：

{(T_{i}^{(1)})}^{2} = {(a_{i}^{(1)} * T_{i}^{(2)} + a_{i}^{(2)} * T_{i}^{(3)} + . . . + a_{i}^{(n)} * T_{i}^{(n + 1)})}^{2}

{(T_{i}^{(2)})}^{2} = {(a_{i}^{(1)} * T_{i}^{(3)} + a_{i}^{(2)} * T_{i}^{(4)} + . . . + a_{i}^{(n)} * T_{i}^{(n + 2)})}^{2}

{(T_{i}^{(3)})}^{2} = {(a_{i}^{(1)} * T_{i}^{(4)} + a_{i}^{(2)} * T_{i}^{(5)} + . . . + a_{i}^{(n)} * T_{i}^{(n + 3)})}^{2}

……

{(T_{i}^{(n)})}^{2} = {(a_{i}^{(1)} * T_{i}^{(n + 1)} + a_{i}^{(2)} * T_{i}^{(n + 2)} + . . . + a_{i}^{(n)} * T_{i}^{(2 n)})}^{2}

式中，

为待测日i时刻的温度权重参数；

为待测日前n(n≥2)天i时刻的温度；

将上述求和，得出i时刻温度残差函数

当

的值最小时，对该式进行求偏导处理，得出关于

的偏导式，令该偏导式为零，求出

值，即待测日i时刻的温度权重参数。

同样，待测日i时刻的光强权重参数采用最小二乘法计算如下：

{(r_{i}^{(1)})}^{2} = {(b_{i}^{(1)} * r_{i}^{(2)} + b_{i}^{(2)} * r_{i}^{(3)} + . . . + b_{i}^{(n)} * r_{i}^{(n + 1)})}^{2}

{(r_{i}^{(2)})}^{2} = {(b_{i}^{(1)} * r_{i}^{(3)} + b_{i}^{(2)} * r_{i}^{(4)} + . . . + b_{i}^{(n)} * r_{i}^{(n + 2)})}^{2}

{(r_{i}^{(3)})}^{2} = {(b_{i}^{(1)} * r_{i}^{(4)} + b_{i}^{(2)} * r_{i}^{(5)} + . . . + b_{i}^{(n)} * r_{i}^{(n + 3)})}^{2}

……

{(r_{i}^{(n)})}^{2} = {(b_{i}^{(1)} * r_{i}^{(n + 1)} + b_{i}^{(2)} * r_{i}^{(n + 2)} + . . . + b_{i}^{(n)} * r_{i}^{(2 n)})}^{2}

式中，

为待测日i时刻的光强权重参数；

为待测日前n(n≥2)天i时刻的光强；

上述求和得出i时刻光强残差函数

Σ_{n = 1}^{n} {(r_{i}^{(n)})}^{2} = f (b_{i}^{(1)}, b_{i}^{(2)}, \cdot \cdot \cdot \cdot \cdot \cdot, b_{i}^{(n)}),

当

Σ_{n = 1}^{n} {(r_{i}^{(n)})}^{2}

的值最小时，采取同得出待测日i时刻的温度权重参数一样的方法，可以求出待测日i时刻的光强权重参数。

这样采用最小二乘法获得待测日多个时刻的温度和光强权重参数。

数据库模块中存储有功率与温度、光强的映射表。功率与温度、光强的映射表采用离散方法获取，将温度和光强划分为多个区间，在温度和光强的各个区间内通过的实验测量得出太阳能光伏电池对应的功率，并将功率与温度光强对应关系建立映射表。功率与温度、光强的映射表如下：

表中，P_(i，j)表示功率。

该数据表只与光伏电池本身特性有关，针对不同光伏电池数值会不同。

功率获取模块与预测温度光强获取模块、数据库模块相连，用于接收预测温度光强获取模块计算获得的待测日某个时刻的温度和光强数据，并从数据库模块内功率与温度光强的映射表中采用查询离散二维表的方式获取待测日该时刻对应的功率，重复上述方式，获取待测日多个时刻的温度和光强数据。

发电量获取模块根据功率获取模块获得的待测日多个时刻的功率，计算待测日总发电量，并通过输出模块将获得的待测日多个时刻的功率值和总发电量一起输出。

待测日总发电量采取分段求和的方法计算得出：将两邻近时刻的功率进行平均，再与该两邻近时刻的时间间隔相乘获取对应的发电量，将待测日所有相邻两时刻的功率采取相同处理，将所获取的所有时段的发电量累计，获取待测日总发电量。

计算待测日总电量公式如下：

w = Σ_{i = 1}^{n - 1} \frac{(p_{i} + p_{i + 1}) (t_{i + 1} - t_{i})}{2}

其中，w为待测日总发电量；

pi为待测日i时刻的功率。

预测处理模块还可以包括存储模块，存储模块与发电量获取模块和输出模块相连，用于存储计算所得的待测日多个时刻的功率和待测日总发电量并传输至输出模块输出。

本发明的太阳能光伏电池发电能力预测系统还可以包括工作模式设置模块、查询选择模块和显示模块其中任一个或任两个或三个。

工作模式设置模块与预测处理模块相连，用于设置设备的工作状态，设置的内容为季节(春、夏、秋、冬)，天气状况(晴、雨、阴、多云)，工作时间段等，这些由用户按需要进行操作设置。

根据季节类型、天气状况、历史温度和光强数据计算处理获得的待测日多个时刻的温度光强更加准确，从而获取的待测日多个时刻的功率和待测日的总发电量也更加准确。

查询选择模块与温度光强采集处理模块和输出模块相连，用户根据需要输入相关查询命令通过查询选择模块从温度光强采集处理模块中查出所需的历史温度和光强数据，并将查询所得的温度和光强数据通过输出模块输出。

显示模块用于显示输出模块输出的数据，显示模块可以为LED液晶显示设备、等离子显示设备或其他显示设备。

实施例2：太阳能光伏电池发电能力预测方法

参见图2，本发明的太阳能光伏电池发电能力预测方法，包括如下步骤：

采集步骤，采集待测日以前的多日多个时刻的温度和光强数据并记录为历史数据。

通过温度传感器采集待测日以前的多日多个时刻的温度，通过光强传感器采集待测日以前的多日多个时刻的光强，并将采集的温度和光强作为历史数据记录。

工作模式设置步骤，根据需要设置工作模式，包括设置季节、天气状况及工作时间段。

设置的季节包括春、夏、秋、冬，天气状况包括晴、雨、阴、多云，工作时间段可为白天早上6点至晚上18点这个时间段，这些由用户按需要进行操作设置。

计算预测步骤，根据历史数据计算待测日多个时刻的温度和光强，并计算待测日多个时刻的功率，且计算待测日的总发电量。

计算预测步骤中计算待测日多个时刻的温度和光强包括如下步骤：根据历史数据计算待测日多个时刻的温度光强权重参数，按照以下公式计算待测日多个时刻的温度光强值，

T_{i} = a_{1} * T_{i}^{(1)} + a_{2} * T_{i}^{(2)} + a_{3} * T_{i}^{(3)}

γ_{i} = b_{1^{*}} γ_{i}^{(1)} + b_{2^{*}} γ_{i}^{(2)} + b_{n^{*}} γ_{i}^{(3)}

其中：T_i表示待测日i时刻温度；γ_i表示待测日i时刻光强；

表示待测日n(n≥2)天前第i时刻的温度；

表示待测日n(n≥2)天前第i时刻的光强；

和

表示待测日n(n≥2)天前第i时刻的权重。

优先地，n取3。

待测日多个时刻的温度光强权重参数根据历史数据采用最小二乘法得出。待测日i时刻的温度权重参数采用最小二乘法计算如下：

{(T_{i}^{(1)})}^{2} = {(a_{i}^{(1)} * T_{i}^{(2)} + a_{i}^{(2)} * T_{i}^{(3)} + . . . + a_{i}^{(n)} * T_{i}^{(n + 1)})}^{2}

{(T_{i}^{(2)})}^{2} = {(a_{i}^{(1)} * T_{i}^{(3)} + a_{i}^{(2)} * T_{i}^{(4)} + . . . + a_{i}^{(n)} * T_{i}^{(n + 2)})}^{2}

{(T_{i}^{(3)})}^{2} = {(a_{i}^{(1)} * T_{i}^{(4)} + a_{i}^{(2)} * T_{i}^{(5)} + . . . + a_{i}^{(n)} * T_{i}^{(n + 3)})}^{2}

……

{(T_{i}^{(n)})}^{2} = {(a_{i}^{(1)} * T_{i}^{(n + 1)} + a_{i}^{(2)} * T_{i}^{(n + 2)} + . . . + a_{i}^{(n)} * T_{i}^{(2 n)})}^{2}

式中，为待测日i时刻的温度权重参数；

为待测日前n(n≥2)天i时刻的温度。

将上述多项式求和，得出i时刻温度残差函数

当

的值最小时，对该式进行求偏导处理，得出关于

的偏导式，令该偏导式为零，求出

值，即待测日i时刻的温度权重参数。

{(r_{i}^{(1)})}^{2} = {(b_{i}^{(1)} * r_{i}^{(2)} + b_{i}^{(2)} * r_{i}^{(3)} + . . . + b_{i}^{(n)} * r_{i}^{(n + 1)})}^{2}

{(r_{i}^{(2)})}^{2} = {(b_{i}^{(1)} * r_{i}^{(3)} + b_{i}^{(2)} * r_{i}^{(4)} + . . . + b_{i}^{(n)} * r_{i}^{(n + 2)})}^{2}

{(r_{i}^{(3)})}^{2} = {(b_{i}^{(1)} * r_{i}^{(4)} + b_{i}^{(2)} * r_{i}^{(5)} + . . . + b_{i}^{(n)} * r_{i}^{(n + 3)})}^{2}

……

{(r_{i}^{(n)})}^{2} = {(b_{i}^{(1)} * r_{i}^{(n + 1)} + b_{i}^{(2)} * r_{i}^{(n + 2)} + . . . + b_{i}^{(n)} * r_{i}^{(2 n)})}^{2}

式中，为待测日i时刻的光强权重参数；

为待测日前n(n≥2)天i时刻的光强。

上述求和得出i时刻光强残差函数

Σ_{n = 1}^{n} {(r_{i}^{(n)})}^{2} = f (b_{i}^{(1)}, b_{i}^{(2)}, \cdot \cdot \cdot \cdot \cdot \cdot, b_{i}^{(n)}),

当

Σ_{n = 1}^{n} {(r_{i}^{(n)})}^{2}

计算预测步骤中计算待测日多个时刻的功率包括如下步骤：

提供功率与温度、光强的映射表；

根据待测日多个时刻的温度和光强从功率与温度、光强的映射表获取待测日多个时刻对应的功率。

由于温度和光强对光伏发电的影响具有高度非线性特征，功率与温度、光强的映射表采用离散方法获取，包括将温度和光强划分为多个区间，在温度和光强各个区间内通过测量得出太阳能光伏电池对应的功率，将功率与温度光强对应关系建立映射表。

将温度和光强划分多个区间，该区间长度可以根据当地温度和光强的变化范围灵活选取。

在温度和光强的各个区间内通过测量得出太阳能光伏电池对应的功率，是通过实验的方法获得，并将功率与温度光强的对应关系建立映射表，功率与温度光强的映射表如下：

表中，P_(i，j)表示功率。

该数据表只与太阳能光伏电池本身特性有关，针对不同太阳能光伏电池数值会不同。

计算预测步骤中计算待测日的总发电量包括如下步骤，根据待测日多个时刻的功率采用分段求和的方法计算总发电量，将两邻近时刻的功率进行平均，再与该两邻近时刻的时间间隔相乘获取对应的发电量，将待测日所有相邻两时刻的功率采取相同处理，将所获取的所有时段的发电量累计，获取待测日总发电量。

计算待测日总发电量公式如下：

w = Σ_{i = 1}^{n - 1} \frac{(p_{i} + p_{i + 1}) (t_{i + 1} - t_{i})}{2}

其中，w为待测日总发电量；

p_i为待测日i时刻的功率。

查询步骤，供用户输入查询要求，根据用户查询需要输出数据，数据包括待测日以前多日多个时刻的温度和光强。

输出步骤，输出查询的历史数据、待测日多个时刻的功率和总发电量。

采用上述技术方案，本发明的有益效果如下：

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims

1.一种太阳能光伏电池发电能力预测系统，其特征在于：包括温度光强采集处理模块、预测处理模块和输出模块；所述温度光强采集处理模块用于采集待测日以前的多日多个时刻的温度和光强数据并记录为历史数据；所述预测处理模块与所述温度光强采集处理模块相连，用于根据历史数据计算待测日多个时刻的温度和光强，并计算待测日多个时刻的功率，且计算待测日的总发电量；所述输出模块与所述预测处理模块相连，用于输出待测日多个时刻的功率和总发电量；所述预测处理模块包括时钟模块、预测温度光强获取模块、功率获取模块、数据库模块和发电量获取模块；所述时钟模块用于提供时间数据；所述预测温度光强获取模块与所述时钟模块和所述温度光强采集处理模块相连，用于根据所述温度光强采集处理模块采集记录的历史数据，计算待测日多个时刻的温度和光强；所述数据库模块中存储有功率与温度、光强的映射表；所述功率获取模块与所述预测温度光强获取模块、所述数据库模块相连，用于根据待测日多个时刻的温度和光强从所述数据库模块获取待测日多个时刻对应的功率；所述发电量获取模块连接所述功率获取模块，用于根据获取的待测日多个时刻的功率计算得出待测日的总发电量；

所述预测温度光强获取模块根据历史数据得出待测日多个时刻的温度光强权重参数，按照以下公式计算待测日多个时刻的温度、光强，

T_{i} = a_{i}^{(1)} * T_{i}^{(1)} + a_{i}^{(2)} * T_{i}^{(2)} + . . . + a_{i}^{(n)} * T_{i}^{(n)}

γ_{i} = b_{i}^{(1)} * γ_{i}^{(1)} + b_{i}^{(2)} * γ_{i}^{(2)} + . . . + b_{i}^{(n)} γ_{i}^{(n)}

其中，T_i表示待测日i时刻温度，γ_i表示待测日i时刻光强，

表示待测日n天前第i时刻的温度，

表示待测日n天前第i时刻的光强，

和

表示表示待测日n天前第i时刻的权重。

2.根据权利要求1所述的太阳能光伏电池发电能力预测系统，其特征在于：所述温度光强采集处理模块包括温度传感器模块、光强传感器模块、模/数转换模块和寄存器模块；所述温度传感器模块用于采集待测日以前的多日多个时刻的温度；所述光强传感器模块用于采集待测日以前的多日多个时刻的光强；所述模/数转换模块与所述温度传感器模块、所述光强传感器模块及所述寄存器模块相连，用于将采集的温度和光强进行模/数转换且将转换后的温度和光强数据传输到所述寄存器模块存储。

3.根据权利要求1所述的太阳能光伏电池发电能力预测系统，其特征在于：所述温度光强权重参数采用最小二乘法得出。

4.根据权利要求1至3中任一项所述的太阳能光伏电池发电能力预测系统，其特征在于：所述功率与温度、光强的映射表采用离散方法获取，将温度和光强划分为多个区间，在温度和光强各个区间内通过测量得出太阳能光伏电池对应的功率，将功率与温度光强对应关系建立映射表。

5.根据权利要求1至3中任一项所述的太阳能光伏电池发电能力预测系统，其特征在于：所述发电量获取模块根据待测日多个时刻的功率采用分段求和的方法计算总发电量：将两邻近时刻的功率进行平均，再与该两邻近时刻的时间间隔相乘获取对应的发电量，将待测日所有相邻两时刻的功率采取相同处理，将所获取的所有时段的发电量累计，获取待测日总发电量。

6.根据权利要求1至3中任一项所述的太阳能光伏电池发电能力预测系统，其特征在于：所述预测处理模块还包括存储模块，所述存储模块与所述发电量获取模块和所述输出模块相连，用于存储预测所得的待测日多个时刻的功率和待测日总发电量并传输至输出模块输出。

7.根据权利要求1至3中任一项所述的太阳能光伏电池发电能力预测系统，其特征在于：进一步包括工作模式设置模块，所述工作模式设置模块与所述预测处理模块相连，用于设置工作状态，包括设置季节、天气状况及工作时间段。

8.根据权利要求1至3中任一项所述的太阳能光伏电池发电能力预测系统，其特征在于：进一步包括查询选择模块，所述查询选择模块与所述温度光强采集处理模块、预测处理模块相连，用于供用户查询数据。

9.根据权利要求1至3中任一项所述的太阳能光伏电池发电能力预测系统，其特征在于：进一步包括显示模块，所述显示模块与所述输出模块相连，用于显示数据。

10.一种太阳能光伏电池发电能力预测方法，包括如下步骤：

输出步骤，输出待测日多个时刻的功率和总发电量；

所述计算预测步骤中计算待测日多个时刻的温度和光强包括如下步骤：根据历史数据计算待测日该时的温度光强权重参数，按照以下公式计算待测日多个时刻的温度光强，

T_{i} = a_{i}^{(1)} * T_{i}^{(1)} + a_{i}^{(2)} * T_{i}^{(2)} + . . . + a_{i}^{(n)} * T_{i}^{(n)}

γ_{i} = b_{i}^{(1)} * γ_{i}^{(1)} + b_{i}^{(2)} * γ_{i}^{(2)} + . . . + b_{i}^{(n)} γ_{i}^{(n)}

其中，T_i表示待测日i时刻温度，γ_i表示待测日i时刻光强，

表示待测日n天前第i时刻的温度，

表示待测日n天前第i时刻的光强，

和

表示表示待测日n天前第i时刻的权重。

11.根据权利要求10所述的太阳能光伏电池发电能力预测方法，其特征在于：所述温度光强权重参数采用最小二乘法得出。

12.根据权利要求10至11中任一项所述的太阳能光伏电池发电能力预测方法，其特征在于，所述计算预测步骤中计算待测日多个时刻的功率包括如下步骤：

提供功率与温度、光强的映射表；

13.根据权利要求12所述的太阳能光伏电池发电能力预测方法，其特征在于：所述功率与温度、光强的映射表采用离散方法获取，将温度和光强划分为多个区间，在温度和光强各个区间内通过测量得出太阳能光伏电池对应的功率，将功率与温度光强对应关系建立映射表。

14.根据权利要求10至11中任一项所述的太阳能光伏电池发电能力预测方法，其特征在于，所述计算预测步骤中计算待测日的总发电量包括如下步骤：根据待测日多个时刻的功率采用分段求和的方法计算总发电量，将两邻近时刻的功率进行平均，再与该两邻近时刻的时间间隔相乘获取对应的发电量，将待测日所有相邻两时刻的功率采取相同处理，将所获取的所有时段的发电量累计，获取待测日总发电量。

15.根据权利要求10至11中任一项所述的太阳能光伏电池发电能力预测方法，其特征在于，在采集步骤和计算预测步骤之间进一步包括如下步骤：

16.根据权利要求10至11中任一项所述的太阳能光伏电池发电能力预测的方法，其特征在于，在计算预测步骤之间和输出步骤之间进一步包括如下步骤：

查询步骤，供用户输入查询要求，根据用户查询需要输出数据。