CN102147839A - 一种光伏发电量预测方法 - Google Patents
一种光伏发电量预测方法 Download PDFInfo
- Publication number
- CN102147839A CN102147839A CN2011101192397A CN201110119239A CN102147839A CN 102147839 A CN102147839 A CN 102147839A CN 2011101192397 A CN2011101192397 A CN 2011101192397A CN 201110119239 A CN201110119239 A CN 201110119239A CN 102147839 A CN102147839 A CN 102147839A
- Authority
- CN
- China
- Prior art keywords
- data
- generated energy
- hours
- weather
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Photovoltaic Devices (AREA)
Abstract
一种光伏发电量预测方法,本发明将光伏电站的历史发电量数据进行筛选分类,及对光伏电站历史数据进行挖掘,并对气象数据再加工得到光伏电站的总辐射量,然后将天气类型、温度、雨量、湿度、季节、总辐射量经归一化后作为预测模型的输入,经神经网络计算,预测出12小时或4小时光伏电站发电量。
Description
技术领域
本发明属新能源应用领域,涉及一种光伏发电量预测方法。
背景技术
光伏发电具有波动性和间歇性,大规模光伏电站并网运行会影响电力系统的安全稳定经济运行。对光伏电站的输出功率进行预测有助于电网调度部门统筹安排常规电源和光伏发电的协调配合,适时及时地调整调度计划,合理安排电网运行方式,一方面有效地减轻光伏接入对电网的不利影响,提高电力系统运行的安全性和稳定性,另一方面降低电力系统的旋转备用容量和运行成本,以充分利用太阳能资源,获得更大的经济效益和社会效益。
光伏发电量的预测需要气象数据的支持,而常规的气象要素包括气温、气压、风、湿度、云、降水等,但不包括总辐射量。在目前报道的光伏发电量预测方法中,也未有将常规气象数据再加工,拟合出总辐射量作为气象预测的输入的相关研究,而总辐射量与光伏电站的发电量具有强正相关,能有效地提高光伏发电预测的精度。
同时,对支撑光伏发电量预测的历史数据,进行合理分类后作为不同天气情况下的数据样本,可有效提高预测的准确性。
发明内容
本光伏发电量预测方法,针对目前技术现状的不足,提出一种基于历史数据挖掘和气象数据加工的光伏发电量预测方法,包括光伏电站历史运行数据分类、气象预报数据输入、光伏电站历史数据进行挖掘、对气象数据再加工得到光伏电站的总辐射量,从而进行12小时或4小时光伏发电量预测。本发明方法包括:
1、对光伏电站的历史发电量数据进行分析、归类,将其分为四类:高发电量、较高发电量、较低发电量、低发电量,并建立相应的存储数据库;
2、对四类运行数据库中的历史发电量数据进行筛选,去除其中的错误数据,并将合格的实时发电量数据添加到数据库:
(1)求取历史发电量数据的标准差SD1;
(2)合格数据满足条件k1*SD1< E1 <k2*SD1,去除数据库中错误数据;
(3)对筛选后的历史发电量数据,重新求取其标准差SD2;
(4)将满足k3*SD2< E2 <k4*SD2的运行数据存入分类数据库;
其中,k1、k2、、k3、k4为系数; E1为历史发电量数据,E2为待写入数据库的实时发电量数据;
3、将气象台提供的预报天气类型归纳、合并成四类:高发电量天气、较高发电量天气、较低发电量天气、低发电量天气;
4、根据气象台预报的气象要素,结合光伏电站的历史数据辨识公式中的系数,预测出光伏电站的12小时或4小时总辐射量Y:
Y=b0+b1T+b2T’+b3Rh+b4P+b5Tg+b6V+b7W
其中,b0、b1 、b2、b3、b4、b5、b6、b7为系数;T为干球温度,T’为湿球温度,Rh相对湿度,P为气压,Tg为地温,V为风速,W为风向;
5、根据气象台预报,确定预测时段的天气类型属于步骤3中的类型,并从步骤1中选择相应的发电量数据库类型;
6、建立光伏发电量预测模型:将12小时或4小时的天气类型、温度、雨量、湿度、季节、总辐射量经归一化后作为预测模型的输入,经神经网络计算,输出12小时或4小时光伏发电量;对输入数据和目标数据(发电量)进行归一化处理,归一化公式为:
7、采用均方根误差对神经网络模型的误差进行评估:
N——测试样本数;
P——光伏电站容量;
8、更新光伏发电量预测的数据库:在光伏电站达到4小时或12小时累计运行时间后,将光伏电站实际发电量数据,判断其数据合理性后,以条件触发方式写入步骤1中数据库。
本发明的有益效果是,将光伏电站的历史发电量数据进行筛选分类,及对光伏电站历史数据进行挖掘,并对气象数据再加工得到光伏电站的总辐射量,然后将天气类型、温度、雨量、湿度、季节、总辐射量经归一化后作为预测模型的输入,经神经网络计算,预测出12小时或4小时光伏电站发电量。
以下结合附图和具体实施例对本发明的具体实施方式进一步详细的说明。
附图说明
图1是光伏发电量预测流程图;
图2是光伏发电量预测框图;
图3是神经网络架构示意图。
具体实施方式
如图1所示,将季节、温度、总辐射量、天气类型、雨量、湿度进行归一化计算后,作为BP神经网络的输入量;在进行预测计算时会调整BP神经网络隐含层的权值,从而产生光伏发电量的预测结果;在预测结果达到精度要求或迭代次数超过20000次时,结果本次光伏发电量预测。
如图2所示,准备光伏发电量预测所需的原始数据,并对原始数据进行加工,得到光伏发电量预测的输入数据,并将其传递到光伏发电量预测模型,经计算后得到所需的4小时或12小时光伏发电量预测值。
如图3所示,神经网络的工作方式就是将加权总和与神经元的阈值进行比较,若它大于阈值,神经元被激活。当它被激活时,信号被传送到与其相连的更高一级神经元。故神经网络由层层的处理单元组成,接收输入信号的神经元层称为输入层,输出信号的神经元层称为输出层,不直接与输入/输出发生联系的神经元层称为中间层或隐层。
Claims (1)
1.一种光伏发电量预测方法,由光伏电站历史运行数据分类、气象预报数据输入、气象数据再加工、气象数据与历史数据相结合,进行12小时或4小时光伏发电量预测;其特征在于,该方法步骤包括:
A、对光伏电站的历史发电量数据进行分析、归类,将其分为四类:高发电量、较高发电量、较低发电量、低发电量,并建立相应的存储数据库;
B、对四类运行数据库中的历史发电量数据进行筛选,去除其中的错误数据,并将合格的实时发电量数据添加到数据库:
(1)求取历史发电量数据的标准差SD1;
(2)合格数据满足条件k1*SD1< E1 <k2*SD1,去除数据库中错误数据;
(3)对筛选后的历史发电量数据,重新求取其标准差SD2;
(4)将满足k3*SD2< E2 <k4*SD2的运行数据存入分类数据库;
其中,k1、k2、、k3、k4为系数; E1为历史发电量数据,E2为待写入数据库的实时发电量数据;
C、将气象台提供的天气预报类型归纳、合并成四类:高发电量天气、较高发电量天气、较低发电量天气、低发电量天气;
D、根据气象台预报的气象要素,结合光伏电站的历史数据辨识公式中的系数,预测出光伏电站的12小时或4小时总辐射量Y:
Y=b0+b1T+b2T’+b3Rh+b4P+b5Tg+b6V+b7W
其中,b0、b1 、b2、b3、b4、b5、b6、b7为系数;T为干球温度,T’为湿球温度,Rh相对湿度,P为气压,Tg为地温,V为风速,W为风向;
E、根据气象台预报,确定预测时段的天气类型属于C步骤中的类型,并从A步骤中选择相应的发电量数据库类型;
F、建立光伏发电量预测模型:将12小时或4小时的天气类型、温度、雨量、湿度、季节、总辐射量经归一化后作为预测模型的输入,经神经网络计算,输出12小时或4小时光伏发电量;
G、采用均方根误差对神经网络模型的误差进行计算:
N——测试样本数;
P——装机容量;
H、将光伏电站实际发电量数据,在达到4小时或12小时累计并经过数据合理性检查后,以条件触发方式写入A步骤中数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101192397A CN102147839A (zh) | 2011-05-10 | 2011-05-10 | 一种光伏发电量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101192397A CN102147839A (zh) | 2011-05-10 | 2011-05-10 | 一种光伏发电量预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102147839A true CN102147839A (zh) | 2011-08-10 |
Family
ID=44422102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101192397A Pending CN102147839A (zh) | 2011-05-10 | 2011-05-10 | 一种光伏发电量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102147839A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495953A (zh) * | 2011-11-29 | 2012-06-13 | 河北省电力建设调整试验所 | 基于采集到的电能质量数据和环境参数对光伏数据进行分析评估和发电负荷预测的方法 |
CN102567809A (zh) * | 2011-11-18 | 2012-07-11 | 中国电力科学研究院 | 光伏电站发电输出功率预测系统 |
CN102810861A (zh) * | 2012-08-23 | 2012-12-05 | 海南汉能光伏有限公司 | 光伏发电系统发电量预测方法和系统 |
CN103020766A (zh) * | 2012-12-10 | 2013-04-03 | 上海电力设计院有限公司 | 用于光伏发电系统的光伏发电量计划方法 |
CN103106544A (zh) * | 2013-02-01 | 2013-05-15 | 东南大学 | 一种基于t-s型模糊神经网络的光伏发电预测系统 |
CN103324829A (zh) * | 2013-05-09 | 2013-09-25 | 国家电网公司 | 基于标杆光伏组件的大型光伏发电基地弃光电量评估方法 |
CN103955757A (zh) * | 2014-04-18 | 2014-07-30 | 国家电网公司 | 采用复合数据源基于多项式核函数支持向量机的光伏发电功率短期预测方法 |
CN104376130A (zh) * | 2013-08-12 | 2015-02-25 | 天津永明新能源科技有限公司 | 分布式光伏发电气象数据平台研究 |
CN104809532A (zh) * | 2015-05-25 | 2015-07-29 | 海南汉能薄膜太阳能有限公司 | 一种光伏系统发电量的预测方法 |
CN104115166B (zh) * | 2011-12-21 | 2016-12-14 | 西门子公司 | 发电厂的电能使用的计算机辅助确定的方法和装置 |
CN113409149A (zh) * | 2021-05-10 | 2021-09-17 | 国网浙江省电力有限公司杭州供电公司 | 一种基于发电量预测的光伏电站投融资决策方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101728984A (zh) * | 2010-01-18 | 2010-06-09 | 华北电力大学(保定) | 并网型光伏电站发电功率预测方法 |
CN101769788A (zh) * | 2009-12-29 | 2010-07-07 | 青海国泰节能技术研究院 | 一种光伏电站光功率预测及发电量预测的方法 |
CN101969207A (zh) * | 2010-09-16 | 2011-02-09 | 国网电力科学研究院 | 结合卫星遥感与气象遥测技术的光伏超短期功率预测方法 |
-
2011
- 2011-05-10 CN CN2011101192397A patent/CN102147839A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101769788A (zh) * | 2009-12-29 | 2010-07-07 | 青海国泰节能技术研究院 | 一种光伏电站光功率预测及发电量预测的方法 |
CN101728984A (zh) * | 2010-01-18 | 2010-06-09 | 华北电力大学(保定) | 并网型光伏电站发电功率预测方法 |
CN101969207A (zh) * | 2010-09-16 | 2011-02-09 | 国网电力科学研究院 | 结合卫星遥感与气象遥测技术的光伏超短期功率预测方法 |
Non-Patent Citations (3)
Title |
---|
刘晶淼等: "太阳紫外辐射强度与气象要素的相关分析", 《高原气象》, vol. 22, no. 1, 28 February 2003 (2003-02-28), pages 45 - 50 * |
卢静等: "光伏发电功率预测统计方法研究", 《华东电力》, vol. 38, no. 4, 30 April 2010 (2010-04-30), pages 0563 - 0567 * |
陈昌松等: "基于神经网络的光伏阵列发电预测模型的设计", 《电工技术学报》, vol. 24, no. 9, 30 September 2009 (2009-09-30), pages 153 - 158 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567809A (zh) * | 2011-11-18 | 2012-07-11 | 中国电力科学研究院 | 光伏电站发电输出功率预测系统 |
CN102567809B (zh) * | 2011-11-18 | 2015-12-16 | 中国电力科学研究院 | 光伏电站发电输出功率预测系统 |
CN102495953A (zh) * | 2011-11-29 | 2012-06-13 | 河北省电力建设调整试验所 | 基于采集到的电能质量数据和环境参数对光伏数据进行分析评估和发电负荷预测的方法 |
US10352973B2 (en) | 2011-12-21 | 2019-07-16 | Siemens Aktiengesellschaft | Method of computer-assisted determination of the usage of electrical energy produced by a power generation plant, particularly a renewable power generation plant |
CN104115166B (zh) * | 2011-12-21 | 2016-12-14 | 西门子公司 | 发电厂的电能使用的计算机辅助确定的方法和装置 |
CN102810861B (zh) * | 2012-08-23 | 2015-05-13 | 海南汉能光伏有限公司 | 光伏发电系统发电量预测方法和系统 |
CN102810861A (zh) * | 2012-08-23 | 2012-12-05 | 海南汉能光伏有限公司 | 光伏发电系统发电量预测方法和系统 |
CN103020766B (zh) * | 2012-12-10 | 2016-09-28 | 上海电力设计院有限公司 | 用于光伏发电系统的光伏发电量计划方法 |
CN103020766A (zh) * | 2012-12-10 | 2013-04-03 | 上海电力设计院有限公司 | 用于光伏发电系统的光伏发电量计划方法 |
CN103106544A (zh) * | 2013-02-01 | 2013-05-15 | 东南大学 | 一种基于t-s型模糊神经网络的光伏发电预测系统 |
CN103324829B (zh) * | 2013-05-09 | 2016-05-11 | 国家电网公司 | 基于标杆光伏组件的大型光伏发电基地弃光电量评估方法 |
CN103324829A (zh) * | 2013-05-09 | 2013-09-25 | 国家电网公司 | 基于标杆光伏组件的大型光伏发电基地弃光电量评估方法 |
CN104376130A (zh) * | 2013-08-12 | 2015-02-25 | 天津永明新能源科技有限公司 | 分布式光伏发电气象数据平台研究 |
CN103955757A (zh) * | 2014-04-18 | 2014-07-30 | 国家电网公司 | 采用复合数据源基于多项式核函数支持向量机的光伏发电功率短期预测方法 |
CN104809532A (zh) * | 2015-05-25 | 2015-07-29 | 海南汉能薄膜太阳能有限公司 | 一种光伏系统发电量的预测方法 |
CN113409149A (zh) * | 2021-05-10 | 2021-09-17 | 国网浙江省电力有限公司杭州供电公司 | 一种基于发电量预测的光伏电站投融资决策方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102147839A (zh) | 一种光伏发电量预测方法 | |
Liu et al. | Random forest solar power forecast based on classification optimization | |
Han et al. | A PV power interval forecasting based on seasonal model and nonparametric estimation algorithm | |
Abou Houran et al. | COA-CNN-LSTM: Coati optimization algorithm-based hybrid deep learning model for PV/wind power forecasting in smart grid applications | |
CN112749904B (zh) | 基于深度学习的配电网故障风险预警方法及系统 | |
CN102184337B (zh) | 一种受气象信息影响的新能源发电能力动态组合分析方法 | |
CN105069521A (zh) | 一种基于加权fcm聚类算法的光伏电站输出功率预测方法 | |
CN103390200A (zh) | 基于相似日的光伏电站发电输出功率预测方法 | |
CN105701596A (zh) | 一种基于大数据技术的配网抢修精益化方法以及管理系统 | |
CN110110912A (zh) | 一种光伏功率多模型区间预测方法 | |
CN104715292A (zh) | 基于最小二乘支持向量机模型的城市短期用水量预测方法 | |
CN103473621A (zh) | 风电场短期功率预测方法 | |
CN103390199A (zh) | 光伏发电量/发电功率预测装置 | |
CN105373857A (zh) | 一种光伏电站辐照度预测方法 | |
CN107944604A (zh) | 一种用于光伏功率预测的天气类型识别方法和装置 | |
CN103489046A (zh) | 风电场短期功率预测方法 | |
Ledmaoui et al. | Forecasting solar energy production: A comparative study of machine learning algorithms | |
CN110929953A (zh) | 基于聚类分析的光伏电站超短期出力预测方法 | |
WO2024051524A1 (zh) | 一种水风光发电功率联合预测方法、装置 | |
CN105868887A (zh) | 一种基于分项计量的楼宇综合能效分析方法 | |
CN110334870A (zh) | 基于门控循环单元网络的光伏电站短期功率预测方法 | |
CN115775045A (zh) | 一种基于历史相似日和实时多维研判的光伏平衡预测方法 | |
CN117272850B (zh) | 配电网安全运行调度弹性空间分析方法 | |
CN110119556A (zh) | 一种区域水源涵养功能的时空演变分析方法 | |
CN104200289A (zh) | 一种基于投资回报率的分布式光伏装机容量预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110810 |