一种太阳能并网发电功率预测方法及预测系统
技术领域
本发明涉及太阳能发电技术,特别一种太阳能并网发电功率预测方法及预测系统。
背景技术
分布式新能源并网即时性与不稳定的特点给电力部门的调峰与错峰工作带来了极大的挑战,这使得分布式新能源并网发电的功率预测技术变得极其重要;在太阳能并网发电技术中,太阳能并网发电功率预测技术为相关电力调配工作提供了预见性的必要参数,对电力调配具体措施的制定具有非常重要的实际意义。
电力部门通常通过各个大中型太阳能电站上报的预测发电功率数据来计算今后数天或一段时间内片区电网太阳能在白天的总体平均发电功率,并以这个数据指导相关的电力调配工作;在现有技术中,各个太阳能电站的发电功率预测通常是以下的方式测得,以预测一天峰值日照时间段内发电平均功率为例:
第一步:计算太阳能电站内正常并网发电的电池板的总额定功率,记为P0;
第二步:查询预测当天,太阳能电站地区的天气情况,并根据天气的具体情况计算出功率修正比例值,记为δ1,(0≤δ1≤1);
第三步:计算太阳能发电损耗,包括太阳能电力的直流传输损耗,逆变损耗,隔离变压器损耗等,并由此计算本电站太阳能发电的效率,记为δ2,(0≤δ2≤1);
第四步:太阳能电站某天峰值日照时间段内平均发电功率P=P0×δ1×δ2;
在实际的太阳能发电系统中,照在太阳能电池方阵上的光线的光谱、光强受到大气层厚度,即大气质量、地理位置、所在地的气候和气象、地形地物等
的影响,其能量在一日之内都有着较大的变化,而现有的太阳能发电功率预测只能提供一段时间,一天、数天或数周内太阳能发电功率的平均功率预测值,其次,现有的预测方式没有考虑太阳能电池板的性能衰减、电池阵列放置的位置差异、电池板的工作温度等重要信息对发电功率的影响,预测精度不高,因此,现有的预测方式所能提供的太阳能并网发电功率预测值对电力调配的参考价值不高。
发明内容
本发明的目的是提供一种太阳能并网发电功率预测方法,它能预测一段时间内,一天或数天每个小时的太阳能并网平均发电功率,且具有较高的精度,对电力调配具有较高的参考价值,为优化电力调配提供了便利。
本发明的上述技术目的是通过以下技术方案得以实现的:一种太阳能并网发电功率预测方法,定义影响太阳能电池板发电功率的天气因素为W,峰值日照时数因素为H,温度因素为T; 定义日期信息为D;该种预测方法包括:
记录当天的日期D,并向服务器输入当天的天气W、峰值日照时数H、温度T,并通过数据建模形成存储数组INPUTSAVE=[W,H,T]的步骤;
以并网逆变器所连接的太阳能电池板作为一个整体,使发电功率预测服务器实时访问并网逆变器读取并记录该整体当天每个小时的平均发电功率,记为数组P,并将当天的日期信息D、INPUTSAVE=[W,H,T]及P进行数据处理,形成结构体Pday,以Pday作为基本存储单元,建立历史发电数据库Solar DB的步骤;
Struct Pady {uint16 D;float INPUTSAVE[ ];float P[ ];}
使发电功率预测服务器向气象预测服务器查询预测当天的天气W、峰值日照时数H以及温度T并通过数据建模形成数组INPUTFORECAST=[W,H,T]的步骤;
将INPUTFORECAST=[W,H,T]与历史发电数据库中各Pday中的INPUTSAVE=[W,H,T]分别进行对比,从而选定相似天的步骤;若0.9≤WFORECAST/WSAVE≤1.1,则判定W相似;若0.9≤HFORECAST/HSAVE≤1.1,则判定H相似;若|TFORECAST-TSAVE|≤5,则判定T相似,若INPUTSAVE=[W,H,T]中的W,H,T都判定为相似,则判定与该INPUTSAVE=[W,H,T]对应的Pday与预测天为相似天;
将相似天的日期D和INPUTSAVE=[W,H,T]与预测天的D和INPUTFORECAST=[W,H,T]进行接近度分析,并赋予相似天INPUTSAVE=[W,H,T]中的W,H,T加权值和D的加权值,从而计算预测天每小时发电功率数组PFORECAST的步骤。
作为本发明的优选,历史发电数据库Solar DB按天实时更新。
作为本发明的优选,定义天气W相似度加权为Qw,Qw∈[0,A],峰值日照时数H相似度加权为Qh,Qh∈[0,B],温度T相似度加权为Qt,Qt∈[0,C],日期D间隔差异加权为Qd,Qd∈[0,D],且A+B+C+D=100;定义相似天的总加权为Q=Qw+Qh+Qt+Qd;
预测天每小时的平均发电功率PFORECAST由以下公式获得,
PFORECAST=(Q1P1+Q2P2+……+QnPn)/ (Q1+Q2+……+Qn)=[X1预测,X2预测,X3预测,…,X24预测];
判定的相似天为n天,记为Pdayn,其中, Pn是从相似天的Pdayn中提取的表示相似天每小时平均发电功率的数组P; Qn是相应相似天的综合加权值。
本发明的目的还在于提供一种太阳能并网发电功率预测系统,定义影响太阳能电池板发电功率的天气因素为W,峰值日照时数因素为H,温度因素为T; 定义日期信息为D;
该种预测系统包括,
连接太阳能电池板并能够计算所连接的太阳能电池板当天每个小时发电功率并形成数组P的并网逆变器,
能够预测天气因素W、峰值日照时数因素H及温度因素T的气象预测服务器,
读取所述并网逆变器中的发电功率信息及气象服务器中的天气因素W、峰值日照时数因素为H及温度因素为T,并进行数据处理从而计算预测当天每个小时发电功率的发电功率预测服务器;
所述发电功率预测服务器包括,
将读取的天气因素W、峰值日照时数因素H及温度因素T进行处理从而形成数组INPUT=[W,H,T]的数据建模模块,
读取并网逆变器中的数组P,实时读取当天的日期信息D,且实时接收并记录数据建模模块发送的与该日期信息D对应的INPUTSAVE=[W,H,T],并将与日期信息D对应的数组P及INPUTSAVE=[W,H,T]形成结构体Pday,并以Pday作为基本存储单元的历史发电数据库Solar DB,
接收数据建模模块发送的预测当天的INPUTFORECAST=[W,H,T],并与历史发电数据库中的Pday中INPUTSAVE=[W,H,T]进行对比,从而确定相似天的判断相似天模块,
若0.9≤WFORECAST/WSAVE≤1.1,则判定W相似;若0.9≤HFORECAST/HSAVE≤1.1,则判定H相似;若|TFORECAST-TSAVE|≤5,则判定T相似,若INPUTSAVE=[W,H,T]中的W,H,T都判定为相似,则判定与该INPUTSAVE=[W,H,T]对应的Pday与预测天为相似天,
对照判断相似天模块确定的相似天的INPUTSAVE=[W,H,T],并分别赋予INPUTFORECAST=[W,H,T]中的W,H,T加权值的分析相似度模块,
定义天气W相似度加权为Qw,Qw∈[0,A],峰值日照时数H相似度加权为Qh,Qh∈[0,B],温度T相似度加权为Qt,Qt∈[0,C],日期D间隔差异加权为Qd,Qd∈[0,D],且A+B+C+D=100;定义相似天的总加权为Q=Qw+Qh+Qt+Qd,
接收分析模块的数据信息,并通过公式计算预测发电功率数组PFORECAST的计算模块;
PFORECAST=(Q1P1+Q2P2+……+QnPn)/(Q1+Q2+……+Qn)=[X1预测,X2预测,X3预测,…,X24预测] 。
综上所述,本发明具有以下有益效果:本发明以历史实际的发电数据作为基础数据,因此,实际上已考虑了影响太阳能电池板发电功率的任何因素,包括太阳能电池板的性能衰减、电池阵列放置的位置差异、电池板的工作温度等,因此,本发明的预测结果具有较高的精度;且本发明以历史发电的每个小时的数据为基础,因此,能预测一天或数天内每个小时的发电功率,因此,对电力调配更具指导意义。
附图说明
图1是实施例1中历史发电数据库建立与实时更新流程图;(Solar DB数据库建立流程如图1所示)
图2是实施例1流程图;(预测发电功率流程如图2所示)
图3是实施例2预测发电功率服务器各模块之间的数据传输示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。
实施例1:一种太阳能并网发电功率预测方法,定义影响太阳能电池板发电功率的天气因素为W,峰值日照时数因素为H,温度因素为T; 定义日期信息为D;
如图2所示,该种预测方法包括:
记录当天的日期D,并向服务器输入当天的天气W、峰值日照时数H、温度T,并通过数据建模形成存储数组INPUTSAVE=[W,H,T]的步骤;
以并网逆变器所连接的太阳能电池板作为一个整体,使发电功率预测服务器实时访问并网逆变器读取并记录该整体当天每个小时的平均发电功率,记为数组P,并将当天的日期信息D、INPUTSAVE=[W,H,T]及P进行数据处理,形成结构体Pday,以Pday作为基本存储单元,建立按天实时更新的历史发电数据库Solar DB的步骤;
Struct Pady {uint16 D;float INPUTSAVE[];float P[];}
使发电功率预测服务器向气象预测服务器查询预测当天的天气W、峰值日照时数H以及温度T并通过数据建模形成数组INPUTFORECAST=[W,H,T]的步骤;
将INPUTFORECAST=[W,H,T]与历史发电数据库中各Pday中的INPUTSAVE=[W,H,T]分别进行对比,从而选定相似天的步骤;若0.9≤WFORECAST/WSAVE≤1.1,则判定W相似;若0.9≤HFORECAST/HSAVE≤1.1,则判定H相似;若|TFORECAST-TSAVE|≤5,则判定T相似,若INPUTSAVE=[W,H,T]中的W,H,T都判定为相似,则判定与该INPUTSAVE=[W,H,T]对应的Pday与预测天为相似天;
将相似天的日期D和INPUTSAVE=[W,H,T]与预测天的D和INPUTFORECAST=[W,H,T]进行接近度分析,并赋予相似天INPUTSAVE=[W,H,T]中的W,H,T加权值和D的加权值,定义天气相似度加权为Qw,Qw∈[0,A],峰值日照时数相似度加权为Qh,Qh∈[0,B],温度相似度加权为Qt,Qt∈[0,C],日期间隔差异加权为Qd,Qd∈[0,D],且A+B+C+D=100;定义相似天的总加权为Q=Qw+Qh+Qt+Qd;计算相似天针对预测天相似程度的综合加权Q,此加权综合考虑了天气、峰值光照时间、气温、日期远近这4方面的相似程度,合理的对相似天与预测天的相似程度给出了数字化的判定,根据查得的相似天数据Pday和算得的综合加权Q,计算预测天每小时发电功率数组PFORECAST的步骤。
预测天每小时的平均发电功率数组PFORECAST由以下公式获得,
PFORECAST=(Q1P1+Q2P2+……+QnPn)/(Q1+Q2+……+Qn)=[X1预测,X2预测, X3预测,…,X24预测];
假设判定的相似天为n天,其数据记为Pdayn,其中,Pn是从相似天的所有数据Pdayn中提取的表示相似天每小时平均发电功率的数组; Qn是各个相似天的综合加权值。
历史发电数据库建立与实时更新流程图如图1所示。
一.假设天气因素建模,如下,
天气因素分为:晴,少云,多云,晴转阴,阴转晴,阴,晴转雨,雨转晴,小雨,阵雨,中雨,大雨,暴雨,雾霭,晴转雪,雪转晴,雨夹雪,小雪,中雪,大雪,暴风雪,浮尘,扬沙;
因素建模程序,将天气进行数字化标记,如下:
二.假设建立历史发电数据库Solar DB如下
为了贴近实际情况,我们只取每天早八点到晚六点的每小时平均发电功率数据,即X1 X2 X3…X10。
H的单位为小时,T的单位为摄氏,X的单位为千瓦
三.查找预测天的气象数据
假设我们需要预测1/15/12的发电量;从气象单位查得待预测日的外界因素W=1.0,H=5.2,T=7,所以INPUTFORECAST=[1.0,5.2,7]。
四.相似天的确定:
同时满足如下所有条件才可判断为相似天:
1. 历史天W 在预测天W±10%内,0.9≤WFORECAST/WSAVE≤1.1;
2. 历史天H 在预测天H ±10%内,0.9≤HFORECAST/HSAVE≤1.1;
3. 历史天T 在预测天T ±5℃内,|TFORECAST-TSAVE|≤5;
五.为相似天分配加权
加权约束:
1.天气相似度加权值 Qw∈[0,A];
2.峰值日照相似度加权值 Qh∈[0,B];
3.温度相似度加权值 Qt∈[0,C];
4.日期间隔相似差异加权值 Qd∈[0,D];
5.A+B+C+D=100;
加权值分配规则:
1.天气差越大,加权值Qw越小;
2.峰值日照差越大,加权值Qh越小;
3.温度差越大,加权值Qt越小;
4.日期间隔差越大,加权值Qd越小;
5.相似天的总加权为Q=Qw+Qh+Qt+Qd;
六.计算预计发电功率
1. 根据预测天的气象数据与相似天的比较规则,得相似天为:
2. 计算相似天的加权值:
3. 计算预计发电功率
X1=91.137×120+88.38×122+88.43×105+88.94×122+79.47×131+89.48×104+96.99×11191.137+88.38+88.43+88.94+79.47+89.48+96.99=116KW
预测天其余每小时的功率计算依次类推。
实施例2:一种太阳能并网发电功率预测系统,包括
连接太阳能电池板并能够计算所连接的太阳能电池板当天每个小时发电功率并形成数据P的并网逆变器,
能够预测天气因素W、峰值日照时数因素H及温度因素T的气象预测服务器,
读取所述并网逆变器中的发电功率信息及气象服务器中的天气因素W、峰值日照时数因素为H及温度因素为T,并进行数据处理从而计算预测当天每个小时发电功率的发电功率预测服务器;
所述发电功率预测服务器包括,
将读取的天气因素W、峰值日照时数因素H及温度因素T进行处理从而形成数组INPUT=[W,H,T]的数据建模模块,
读取并网逆变器中的数组P,实时读取当天的日期信息D,且实时接收并记录数据建模模块发送的与该日期信息D对应的INPUTSAVE=[W,H,T],并将与日期信息D对应的数组P及INPUTSAVE=[W,H,T]形成结构体Pday,并以Pday作为基本存储单元的历史发电数据库Solar DB,
接收数据建模模块发送的预测当天的INPUTFORECAST=[W,H,T],并与历史发电数据库中的Pday中INPUTSAVE=[W,H,T]进行对比,从而确定相似天的判断相似天模块,若0.9≤WFORECAST/WSAVE≤1.1,则判定W相似;若0.9≤HFORECAST/HSAVE≤1.1,则判定H相似;若|TFORECAST-TSAVE|≤5,则判定T相似,若INPUTSAVE=[W,H,T]中的W,H,T都判定为相似,则判定与该INPUTSAVE=[W,H,T]对应的Pday与预测天为相似天,
对照判断相似天模块确定的相似天的INPUTSAVE=[W,H,T],并分别赋予INPUTFORECAST=[W,H,T]中的W,H,T加权值的分析相似度模块,定义天气W相似度加权为Qw,Qw∈[0,A],峰值日照时数H相似度加权为Qh,Qh∈[0,B],温度T相似度加权为Qt,Qt∈[0,C],日期D间隔差异加权为Qd,Qd∈[0,D],且A+B+C+D=100;定义相似天的总加权为Q=Qw+Qh+Qt+Qd,
接收分析模块的数据信息,并通过公式计算预测发电功率数组PFORECAST的计算模块。
PFORECAST=(Q1P1+Q2P2+……+QnPn)/ (Q1+Q2+……+Qn)=[X1预测,X2预测,X3预测,…,X24预测]
发电功率预测服务器中的各模块之间数据流向如图3所示。