CN102567809A - 光伏电站发电输出功率预测系统 - Google Patents
光伏电站发电输出功率预测系统 Download PDFInfo
- Publication number
- CN102567809A CN102567809A CN2011103697663A CN201110369766A CN102567809A CN 102567809 A CN102567809 A CN 102567809A CN 2011103697663 A CN2011103697663 A CN 2011103697663A CN 201110369766 A CN201110369766 A CN 201110369766A CN 102567809 A CN102567809 A CN 102567809A
- Authority
- CN
- China
- Prior art keywords
- power
- photovoltaic
- data
- server
- generation output
- 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.)
- Granted
Links
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种光伏电站发电输出功率预测系统,包括:数据库服务器,进行数据的存储及数据交互;数值天气预报处理服务器,对从网络下载的数值天气预报数据进行处理生成光伏电站所在地的预测时间段的气象要素数据,并将气象要素数据送入数据库服务器;功率预测服务器,从数据库服务器调取气象要素数据,并根据气象要素数据与输出功率的关系得到与该气象要素数据对应的预测时间段的光伏电站发电输出功率,并将结果送入数据库服务器存储;用户界面服务器,从数据库服务器调取功率预测服务器的处理结果实现与用户交互。本发明系统简单易行,准确度高。
Description
技术领域
本发明涉及光伏发电技术领域,具体地说是一种光伏电站发电输出功率预测系统。
背景技术
太阳能光伏发电是利用太阳能电池的光伏效应将太阳辐射能直接转换为电能的一种发电形式。现阶段,太阳能的推广应用日益呈现方兴未艾的世界潮流,太阳能产业成为全球蓬勃兴起的新能源产业之一。开发利用清洁、安全、环保的太阳能成为人类社会缓解日益加剧的能源短缺的共同选择和治理严峻环境污染的有生力量。电网的稳定运行需要在供需双方之间保持一定的平衡,即根据用户的消耗变化,预先安排火电、水电等发电机组的开启和关停,从而相应地调整供应的总功率。由于光伏发电受天气的影响较大,且不能像火电及水电一样自由控制,所以光伏电站发电的输出功率具有剧烈变化及间歇性等特点。由此,光伏电站并入电网必将对电网的平衡产生巨大影响。
1)调峰问题。随着天气的变化,光伏电站的输出功率剧烈变化,严重影响电网的调峰;
2)电网稳定问题。在电网发生大扰动时,光伏电站由于不具备低电压穿越能力,容易退出运行从而对电网带来二次冲击,影响电网的暂态稳定性;
所以对光伏电站输出功率进行有效监测和预测,把光伏电站输出功率纳入电网的发电计划编制,并参与实时调度,是保证电网稳定经济运行的重要措施之一。从而能够实施发电运行自动控制,实现多元电源联合调度。
太阳能光伏发电功率预测的研究起步较晚。德国、丹麦、日本、美国、法国和加拿大等国均进行过相关研究。主要是在全国范围设立 太阳能资源监测点,收集太阳能资源数据,并建立光伏发电功率预测模型,预测全国范围光伏发电出力的时空分布。国外虽然已经开展了太阳能资源布点监测和光伏电站功率预测系统的相关研究,但仍然属于起步阶段,目前还没有成熟的光伏电站功率预测系统系统。
有鉴于此,本发明人积极加以研究和创设,以发明一种光伏电站发电输出功率预测系统,来实现对光伏电站输出功率的准确预测。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种光伏电站发电输出功率预测系统。本发明系统具有结构简单,易于实现,准确度高的特点。
为了解决上述技术问题,本发明采用了如下技术方案:
光伏电站发电输出功率预测系统,包括:
数据库服务器,进行数据的存储及数据交互;
数值天气预报处理服务器,对从网络下载的数值天气预报数据进行处理生成光伏电站所在地的预测时间段的气象要素数据,并将气象要素数据送入数据库服务器;
功率预测服务器,从数据库服务器调取气象要素数据,并根据气象要素数据与输出功率的关系得到与该气象要素数据对应的预测时间段的光伏电站发电输出功率,并将结果送入数据库服务器存储;
用户界面服务器,从数据库服务器调取功率预测服务器的处理结果实现与用户交互。
进一步,所述功率预测服务器通过BP神经网络由预测时间段的气象要素数据得到该预测时间段的光伏电站发电输出功率。
进一步,所述BP神经网络预先用光伏电站所在地的历史气象要素数据作为输入数据,以与历史气象要素数据对应的输出功率为输出数据进行训练。
进一步,所述气象要素数据包括辐照强度、温度和风速。
进一步,功率预测服务器先将调取的辐照强度转换为有效辐照强度,将温度转换为有效温度。
进一步,功率预测服务器通过如下公式将辐照强度转换为有效辐照强度:
式中,It为光伏板表面的有效辐照强度,Ib为直射辐照强度,Id为散射辐照强度,Ih为水平面总辐照强度,β为光伏板倾角,θi为太阳入射角,ρ为反射系数。
进一步,功率预测服务器通过如下公式将温度修正为光伏板表面的温度:T=Tair+K·S
式中,T为光伏板表面的温度,Tair为环境温度,S为光照强度,K为温度系数。
进一步,BP神经网络的输入数据还包括时间数据,所述时间数据包括月、日和时。
与现有技术相比,本发明的有益效果在于:
本发明的光伏电站发电输出功率预测系统根据光伏电站所处的地理位置,分析了影响光伏电站出力的各种气象因素,利用历史数值天气预报和历史的光伏电站的输出功率建立神经网络模型,实现对未来光伏电站输出功率的预测,结构简单,易于实现。本发明系统采用了人工智能的系统,不需要光伏电站内部元件的各类特性,避免了元件参数不精确造成的误差,预测效果较好,准确度高。为光伏电站与常规电源的协调配合,保障电网安全稳定运行的各项措施提供了基础性数据。
具体实施方式
下面结合具体实施例对本发明作进一步详细描述,但不作为对本 发明的限定。
光伏电站发电输出功率预测系统,包括数据库服务器及与数据库服务器连接的数值天气预报处理服务器、功率预测服务器和用户界面服务器。其中数据库服务实现数据的存储及交互。数值天气预报处理服务器从internet网络下载数值天气预报数据,并进生成所需预测时间段的气象要素数据,并存入数据库服务器。功率预测服务器调取气象要素数据,处理生成气象要素数据所在时间段的输出功率。用户界面服务器,从数据库服务器调取功率预测服务器的处理结果实现与用户交互。
下面对本发明的系统进行详细的解释及说明。
数据库服务器,进行数据的存储及数据交互。
数值天气预报处理服务器,对从网络下载的数值天气预报数据进行处理生成光伏电站所在地的预测时间段的气象要素数据,并将气象要素数据送入数据库服务器。
功率预测服务器,从数据库服务器调取气象要素数据,并根据气象要素数据与输出功率的关系得到与该气象要素数据对应的预测时间段的光伏电站发电输出功率,并将结果送入数据库服务器存储。
用户界面服务器,从数据库服务器调取功率预测服务器的处理结果实现与用户交互。
作为优选,数值天气预报处理服务器依次通过第一二层交换机、反向隔离装置和第二二层交换机与数据库服务器连接。从而保证了本发明系统的安全运行。
功率预测服务器通过BP神经网络由预测时间段的气象要素数据得到该预测时间段的光伏电站发电输出功率。BP神经网络预先用光伏电站所在地的历史气象要素数据作为输入数据,以与历史气象要素数据对应的输出功率为输出数据进行训练。气象要素数据包括辐照强度、温度和风速。功率预测服务器先将调取的辐照强度转换为有效辐照强度,将温度转换为有效温度。
功率预测服务器通过如下公式将辐照强度转换为有效辐照强度:
式中,It为光伏板表面的有效辐照强度,Ib为直射辐照强度,Id为散射辐照强度,Ih为水平面总辐照强度,β为光伏板倾角,θi为太阳入射角,ρ为反射系数。
功率预测服务器通过如下公式将温度修正为光伏板表面的温度:T=Tair+K·S
式中,T为光伏板表面的温度,Tair为环境温度,S为光照强度,K为温度系数。一般取值为0.03(℃·m2/w)。
BP神经网络的输入数据还包括时间数据,所述时间数据包括月、日和时。由于时间数据与光伏电站的输出功率之间也有较大的关系,所以将时间数据作为BP神经网络的输入数据,而与光伏电站的输出功率相关联,可以提高预测的准确度。另外,气象要素数据不仅限于辐照强度、温度及风速,还可包括其他与发电量相关联的气象要素数据。
下表1为光伏电站使用本发明系统进行功率预测的预测误差统计表。
表1
从表中可以看出本发明系统的预测结果准确度高,满足电网运行使用的要求。
误差统计说明:
1、平均绝对值误差(nMAE)
该指标反映预测结果的绝对值的误差,可以在一定程度上反映误差的情况。但误差较大的点在做统计平均时容易被淹没,不能反映误差特别大的极端情况。
2、均方根误差(nRMSE)
该指标没有对应的物理意义。因为是平方和开根号,放大了误差较大的点的影响。在统计时间范围内,大多数点预测值偏离实际值10%左右,但有少量点的预测值偏离实际值50%以上(该类情况对调度影响较大),采用该项误差可能在15%~20%甚至更大,体现这些误差偏大的点的影响。
3、误差不超过20%的点所占的比例(pre20)
np为误差超过20%的点的个数,n为所有样本个数
体现了预测值与实际值的偏差在可接受范围内的概率。这里20%是可以改变的参数。
该指标的优点调度人员可以根据该指标衡量为光伏发电功率准备的备用容量的风险性。可以根据实际需要,做出多个范围的概率指标,例如误差不超过10%的点的比例,误差不超过30%的点的比例等。
以上实施例仅为本发明的示例性实施例,不用于限制本发明,本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内,对本发明做出各种修改或等同替换,这种修改或等同替换也应视为落在本发明的保护范围内。
Claims (9)
1.光伏电站发电输出功率预测系统,其特征在于,包括:
数据库服务器,进行数据的存储及数据交互;
数值天气预报处理服务器,对从网络下载的数值天气预报数据进行处理生成光伏电站所在地的预测时间段的气象要素数据,并将气象要素数据送入数据库服务器;
功率预测服务器,从数据库服务器调取气象要素数据,并根据气象要素数据与输出功率的关系得到与该气象要素数据对应的预测时间段的光伏电站发电输出功率,并将结果送入数据库服务器存储;
用户界面服务器,从数据库服务器调取功率预测服务器的处理结果实现与用户交互。
2.根据权利要求1所述的光伏电站发电输出功率预测系统,其特征在于,所述数值天气预报处理服务器依次通过第一二层交换机、反向隔离装置和第二二层交换机与数据库服务器连接。
3.根据权利要求1所述的光伏电站发电输出功率预测系统,其特征在于,所述功率预测服务器通过BP神经网络由预测时间段的气象要素数据得到该预测时间段的光伏电站发电输出功率。
4.根据权利要求3所述的光伏电站发电输出功率预测系统,其特征在于,所述BP神经网络预先用光伏电站所在地的历史气象要素数据作为输入数据,以与历史气象要素数据对应的输出功率为输出数据进行训练。
5.根据权利要求1所述的光伏电站发电输出功率预测系统,其特征在于,所述气象要素数据包括辐照强度、温度和风速。
6.根据权利要求5所述的光伏电站发电输出功率预测系统,其特征在于,功率预测服务器先将调取的辐照强度转换为有效辐照强度,将温度转换为有效温度。
7.根据权利要求6所述的光伏电站发电输出功率预测系统,其特征在于,功率预测服务器通过如下公式将辐照强度转换为有效辐照强度:
式中,It为光伏板表面的有效辐照强度,Ib为直射辐照强度,Id为散射辐照强度,Ih为水平面总辐照强度,β为光伏板倾角,θi为太阳入射角,ρ为反射系数。
8.根据权利要求6所述的光伏电站发电输出功率预测系统,其特征在于,功率预测服务器通过如下公式将温度修正为光伏板表面的温度:T=Tair+K·S
式中,T为光伏板表面的温度,Tair为环境温度,S为光照强度,K为温度系数。
9.根据权利要求1所述的光伏电站发电输出功率预测系统,其特征在于,BP神经网络的输入数据还包括时间数据,所述时间数据包括月、日和时。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110369766.3A CN102567809B (zh) | 2011-11-18 | 2011-11-18 | 光伏电站发电输出功率预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110369766.3A CN102567809B (zh) | 2011-11-18 | 2011-11-18 | 光伏电站发电输出功率预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102567809A true CN102567809A (zh) | 2012-07-11 |
CN102567809B CN102567809B (zh) | 2015-12-16 |
Family
ID=46413176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110369766.3A Active CN102567809B (zh) | 2011-11-18 | 2011-11-18 | 光伏电站发电输出功率预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102567809B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102902245A (zh) * | 2012-08-28 | 2013-01-30 | 深圳蓝波幕墙及光伏工程有限公司 | 一种光伏电站智能监控系统 |
CN103929129A (zh) * | 2014-05-08 | 2014-07-16 | 国家电网公司 | 一种分布式光伏功率预测方法及系统 |
CN103984988A (zh) * | 2014-05-06 | 2014-08-13 | 国家电网公司 | 测光网络实时校正arma模型光伏功率超短期预测方法 |
CN104537450A (zh) * | 2015-01-28 | 2015-04-22 | 国家电网公司 | 一种分布式光伏发电系统的功率预测系统 |
CN104713189A (zh) * | 2013-12-12 | 2015-06-17 | 珠海格力电器股份有限公司 | 光伏空调系统的控制方法以及光伏空调系统 |
CN104820877A (zh) * | 2015-05-21 | 2015-08-05 | 河海大学 | 基于云自适应pso-snn的光伏系统发电功率预测方法 |
CN105164593A (zh) * | 2013-02-05 | 2015-12-16 | 西门子股份公司 | 用于控制利用可再生能源操作的发电系统的方法和设备 |
CN105260528A (zh) * | 2015-09-30 | 2016-01-20 | 国网冀北电力有限公司电力科学研究院 | 光伏组件的输出特性计算方法及系统 |
CN105308853A (zh) * | 2013-06-21 | 2016-02-03 | 株式会社东芝 | 预测系统、预测装置以及预测方法 |
CN105512760A (zh) * | 2015-12-04 | 2016-04-20 | 北京国电通网络技术有限公司 | 基于神经网络的光伏电站发电量的计算方法及系统 |
CN107727915A (zh) * | 2017-09-30 | 2018-02-23 | 国网青海省电力公司 | 光伏电站直流汇集系统数据采集精度预测方法 |
CN108320050A (zh) * | 2018-01-11 | 2018-07-24 | 国家电网公司 | 一种基于风速预报提高光伏短期功率预测精度的方法 |
CN108428019A (zh) * | 2018-05-15 | 2018-08-21 | 阳光电源股份有限公司 | 组件电池温度计算模型的建立方法及光伏功率预测方法 |
Citations (4)
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 |
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 |
CN102147839A (zh) * | 2011-05-10 | 2011-08-10 | 云南电力试验研究院(集团)有限公司 | 一种光伏发电量预测方法 |
CN202523101U (zh) * | 2011-11-18 | 2012-11-07 | 中国电力科学研究院 | 光伏电站发电输出功率预测系统 |
-
2011
- 2011-11-18 CN CN201110369766.3A patent/CN102567809B/zh active Active
Patent Citations (4)
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 |
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 |
CN102147839A (zh) * | 2011-05-10 | 2011-08-10 | 云南电力试验研究院(集团)有限公司 | 一种光伏发电量预测方法 |
CN202523101U (zh) * | 2011-11-18 | 2012-11-07 | 中国电力科学研究院 | 光伏电站发电输出功率预测系统 |
Non-Patent Citations (2)
Title |
---|
卢静: "《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 * |
邱国全,夏艳君,杨鸿毅: "《晴天太阳辐射模型的优化计算》", 《太阳能学报》, vol. 22, no. 4, 31 October 2001 (2001-10-31), pages 456 - 460 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102902245A (zh) * | 2012-08-28 | 2013-01-30 | 深圳蓝波幕墙及光伏工程有限公司 | 一种光伏电站智能监控系统 |
US9853592B2 (en) | 2013-02-05 | 2017-12-26 | Siemens Aktiengesellschaft | Method and device for controlling an energy-generating system which can be operated with a renewable energy source |
CN105164593A (zh) * | 2013-02-05 | 2015-12-16 | 西门子股份公司 | 用于控制利用可再生能源操作的发电系统的方法和设备 |
CN105308853A (zh) * | 2013-06-21 | 2016-02-03 | 株式会社东芝 | 预测系统、预测装置以及预测方法 |
CN104713189A (zh) * | 2013-12-12 | 2015-06-17 | 珠海格力电器股份有限公司 | 光伏空调系统的控制方法以及光伏空调系统 |
CN104713189B (zh) * | 2013-12-12 | 2017-12-19 | 珠海格力电器股份有限公司 | 光伏空调系统的控制方法以及光伏空调系统 |
CN103984988A (zh) * | 2014-05-06 | 2014-08-13 | 国家电网公司 | 测光网络实时校正arma模型光伏功率超短期预测方法 |
CN103984988B (zh) * | 2014-05-06 | 2018-03-02 | 国家电网公司 | 测光网络实时校正arma模型光伏功率超短期预测方法 |
CN103929129A (zh) * | 2014-05-08 | 2014-07-16 | 国家电网公司 | 一种分布式光伏功率预测方法及系统 |
CN104537450A (zh) * | 2015-01-28 | 2015-04-22 | 国家电网公司 | 一种分布式光伏发电系统的功率预测系统 |
CN104820877A (zh) * | 2015-05-21 | 2015-08-05 | 河海大学 | 基于云自适应pso-snn的光伏系统发电功率预测方法 |
CN105260528A (zh) * | 2015-09-30 | 2016-01-20 | 国网冀北电力有限公司电力科学研究院 | 光伏组件的输出特性计算方法及系统 |
CN105260528B (zh) * | 2015-09-30 | 2019-07-19 | 国网冀北电力有限公司电力科学研究院 | 光伏组件的输出特性计算方法及系统 |
CN105512760A (zh) * | 2015-12-04 | 2016-04-20 | 北京国电通网络技术有限公司 | 基于神经网络的光伏电站发电量的计算方法及系统 |
CN105512760B (zh) * | 2015-12-04 | 2019-08-20 | 北京中电普华信息技术有限公司 | 基于神经网络的光伏电站发电量的计算方法及系统 |
CN107727915A (zh) * | 2017-09-30 | 2018-02-23 | 国网青海省电力公司 | 光伏电站直流汇集系统数据采集精度预测方法 |
CN108320050A (zh) * | 2018-01-11 | 2018-07-24 | 国家电网公司 | 一种基于风速预报提高光伏短期功率预测精度的方法 |
CN108428019A (zh) * | 2018-05-15 | 2018-08-21 | 阳光电源股份有限公司 | 组件电池温度计算模型的建立方法及光伏功率预测方法 |
CN108428019B (zh) * | 2018-05-15 | 2021-09-03 | 阳光电源股份有限公司 | 组件电池温度计算模型的建立方法及光伏功率预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102567809B (zh) | 2015-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102567809A (zh) | 光伏电站发电输出功率预测系统 | |
CN102521670A (zh) | 基于气象要素的光伏电站发电输出功率预测方法 | |
CN102522917B (zh) | 光伏电站发电输出功率预测方法 | |
Cau et al. | Energy management strategy based on short-term generation scheduling for a renewable microgrid using a hydrogen storage system | |
CN102427244B (zh) | 大规模光伏风电信息接入系统 | |
CN103778340B (zh) | 大规模新能源发电特性的统计方法 | |
WO2018171210A1 (zh) | 一种基于Rollout算法的多能互补微网实时调度方法 | |
WO2023065113A1 (zh) | 风光水多能互补系统灵活性需求量化及协调优化方法 | |
CN104868505B (zh) | 大型太阳能光伏发电基地集群出力特性分析方法 | |
CN110620397B (zh) | 一种高比例可再生能源电力系统的调峰平衡评估方法 | |
CN109615120B (zh) | 一种分布式光伏发电出力预测方法 | |
CN109670694B (zh) | 一种多能源供给系统负荷预测方法 | |
CN104268659A (zh) | 一种光伏电站发电功率超短期预测方法 | |
CN202523101U (zh) | 光伏电站发电输出功率预测系统 | |
CN105427017A (zh) | 一种水电富集电网特大规模电站群短期计划编制方法 | |
CN107994592A (zh) | 一种基于储热装置提高电网谷时电能负荷方法 | |
CN104143839A (zh) | 基于功率预测的风电场集群限出力有功功率分配方法 | |
CN105678415A (zh) | 一种分布式电源配电网的净负荷预测方法 | |
CN103337989A (zh) | 一种基于净空模型的光伏电站最大输出功率预测方法 | |
CN102709926A (zh) | 智能电网建设中基于相关向量机的旋转热备用的调度方法 | |
CN105896535A (zh) | 用于最小化弃风电量的风电场发电权置换电量评估的方法 | |
CN116050865A (zh) | 一种季节性时间尺度下的氢储能电站规划方法 | |
Ebert et al. | Successful high wind penetration into a medium sized diesel grid without energy storage using variable speed wind turbine technology | |
Brka | Optimisation of stand-alone hydrogen-based renewable energy systems using intelligent techniques | |
Falkoni et al. | Linear correlation and regression between the meteorological data and the electricity demand of the Dubrovnik region in a short-term scale |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |