CN103718129A - 用于确定由光伏设备输出的功率的方法和装置 - Google Patents

Abstract

本解决方案通过如下方式改善光伏设备(PV设备)的可用性，即相邻PV设备的遮蔽信息被考虑用于预报由当前PV设备所输出的功率。尤其是考虑云运动和云形状。这改善了预报精确性。在此有利的是，例如涉及最接近的15分钟的短时预报是可行的，并且可以在由该PV设备输出的功率中断前相应即使地启动备用能源。本发明例如可以被用在可更新能源、PV设备或智能电网中。

Description

用于确定由光伏设备输出的功率的方法和装置

技术领域

本发明涉及用于确定由光伏设备输出的功率的方法和装置。

背景技术

可更新能量在能量网络中越来越重要对预报所需要的和可供使用的馈入功率提出了新的要求，以便能由此尽可能最佳地控制该网。该挑战反映在也允许分散地控制能量流动的所谓“智能电网”的概念中。

由Zimmermann H.G.、NeuneierR.、Grothmann R.在Modeling and ForecastingFinancial Data,Techniques of Nonlinear Dynamics中的文章Modeling of DynamicalSystems by Error Correction Neural Networks(编辑Soofi,A.和Cao,L.，KluwerAcademic出版社，2002，第237-263页)已知所谓的纠错神经元网络(ErrorCorrction Neural Network,ECNN)。

为了能均衡在能量网络的下级网络部分中的负载流的控制而无需在此利用来自上级网络部分的能量，需要事先知道预测的馈入功率。因而，功率平衡和/或驱动装置负荷可以通过可控消耗器、蓄能器或能量生成装置(例如热力耦合设备(KWK设备))来均衡，但为此需要一定时间的预运转，以便能考虑其动态情况(延时响应特性)并且最终保证该可控消耗器、蓄能器或能量生成装置及时准备好工作。

这特别在所提到的可更新能量的情况下是成问题的，因为所提供的功率可能短时剧烈变化。

发明内容

本发明的任务在于避免上述的缺点并且尤其说明一种解决方案，其使得能够有效控制网络部分，即使该网络部分具有基于可更新能量的能源。

该任务根据独立权利要求的特征来解决。还由从属权利要求得到本发明的改进方案。

为了解决该任务，说明一种用于确定由光伏设备输出的功率的方法，

-基于至少一个相邻的光伏设备的至少一个遮蔽信息。

相邻的光伏设备也可以是提供关于太阳辐射遮蔽的数据的(地点)相邻的测量区。

因此，可以通过如下方式进行对光伏设备遮蔽的有效和短时的预报，即相对于至少另一个光伏设备的地理布置被考虑进来。通过确定遮蔽、例如浮云运动的动态特定，可以预测出遮蔽方位和速度。在考虑该光伏设备和相邻的光伏设备之间距离的情况下，可以确定出在遮蔽抵达之前的时间。相应地，可以根据遮蔽的类型和规模来及时激活可控消耗器、蓄能器或能量生成装置。

这种方案具备高精确性，因为以高的时间分辨率和精度生成并考虑了气候状况。因此，也可以预报对于光伏设备的遮蔽，而对于这样的遮蔽，全球可供使用的气候信息及其时间上的预报持续时间太粗略且不准确。

一个改进方案是该遮蔽信息包括以下信息，所述信息基于减小的亮度并且尤其基于由云运动引起的遮蔽。

因此，遮蔽例如基于太阳辐射被云和其它气候作用影时遮蔽。

另一个改进方案是：

-提供多个相邻光伏设备的多个遮蔽信息，

-基于这些遮蔽信息来确定关于即将来临的遮蔽的时间和地点预报，

-根据即将来临的遮蔽来确定该光伏设备的预期输出功率。

因此，可以根据该光伏设备的预期输出功率来提前确定附加地需要其它能源，以补偿即将来临的遮蔽和与之相关的光伏设备功率损失。

一个改进方案尤其是，根据该光伏设备的预期输出功率来激活其它能源。

一个改进方案还在于，其它能源包括以下能源中的至少一个：

-可控消耗器，

-蓄能器，

-能量生成装置。

另外一个改进方案是，多个相邻的光伏设备在空间上至少部分包围该光伏设备。

因而这些相邻的光伏设备可以布置在该光伏设备周围。这些光伏设备优选不重叠。

在一个附加的改进方案范围内，基于这些遮蔽信息根据预报模型来确定关于即将来临的遮蔽的时间和地点预报。

预报模型例如是用于识别和预测开放动态系统的非线性状态空间模型，该系统一方面由内部动态特性(设备特性)且另一方面由外部影响因素(例如天气情况和相邻设备状况)来驱使。该模型能以时间展开的回归神经原网络的形式来表述。开放动态特性的状态和输出公式优选作为神经原网络的参数化函数的形式来描述。这些参数通过优化算法匹配于观测数据以获得尽可能高的预测品质。可选地，神经原网络包含纠错机制，其对动态特性的干扰做出反应并至少部分均衡所述干扰。神经原网络尤其具有以下优点，即可以对非线性影响进行映像。

下一个改进方案在于，通过互相关性的最大化来求出遮蔽速度、尤其是浮云速度，

$R_{\mathrm{ab}}=\frac{1}{T}\·\underset{-T/2}{\overset{T/2}{\∫}}{P}_a\left(t\right)\·P_b(t+T)\mathrm{dt}$

其中 $T=\frac{d_{\mathrm{ab}}}{{\mathrm{\υ}}_{\mathrm{wolke}}},$

其中

a,b表示两个光伏设备，

T表示观测的时间间隔，

P表示馈入功率，

d_ab表示光伏设备a和b之间的距离，

υ_wolke表示浮云的所估计的速度。

一种构型在于，根据空间上不动取向的光伏设备的互相关性的比较来确定遮蔽方向、尤其是浮云方向。

为此，对于相邻的PV设备，分别成对计算出互相关性，并且确定具有所馈入能量的变化的最高相关性的那个PV设备。从该设备的空间布置和该变化的时间推移中，随后可以计算出浮云的运动方向和运动速度。

另一个实施方式在于，

-确定大空间气流的方向，

-确定以不同程度远离的光伏设备的互相关性的方差；

-根据所述气流的方向和方差来确定遮蔽变化、尤其是浮云形状的变化。

为了确定大空间气流，首先根据以上方案作为运动矢量计算不同遮蔽的运动方向和运动速度。随后，可以从多个所述运动矢量中例如通过求平均值来计算出遮蔽(以及因此气流)的大空间运动。对此有利的是，通过在遮蔽的运动方向上的一系列PV设备来观测遮蔽的运动。因为遮蔽的形状在其运动经过PV设备器件可能明显改变，因此例如可以将运动方向和运动速度的方差考虑用作云形状变化的度量，并且因而在未来遮蔽的预报中考虑。

下一个构型在于，该光伏设备的预期输出功率基于所确定的遮蔽变化来确定。

为了估计绝对馈入功率，可以采用已知的模型，其借助气象信息和PV设备参数来估计馈入功率，其中该模型的输出可借助新获得的浮云数据来修正。

在此情况下常采用分析(物理)模型，其根据设备特性、而不是空间状况或邻近关系被校准。在此情况下，对外界影响的考虑保持受限于少许本地测量值。另外，外部因素和馈入功率之间的相互关系的类型通常只限于线性关系。

还有一种构型，即基于混合模型、尤其基于纠错神经原网络来确定该光伏设备的功率。

因此，可以根据纠错神经原网络(Error Correction Neutral Network，ECNN)在将浮云信息和必要时其它(本地出现的)数据、如温度包括进来的情况下纠正在根据现有技术的上述模型(例如分析模型)和实际馈入功率之间的偏差。

上述任务也通过一种用于调节光伏设备的装置来解决，，该装置具有处理单元，该处理单元被设置为使得由光伏设备输出的功率可以基于至少一个相邻的光伏设备的至少一个遮蔽信息来确定。

尤其是为了解决该任务还提出一种PV设备，其具有处理单元，借助该处理单元基于至少一个相邻的光伏设备的至少一个遮蔽信息能确定由该光伏设备输出的功率。

该处理单元尤其可以是处理器单元和/或至少部分固定连线的电路装置或逻辑电路装置，所述电路装置例如被设置为，使得能执行本文所述的方法。所述的处理单元可以是或者包括任何类型的带有相应所需的外围设备(存储器、输入/输出接口、单输出设备等)的处理器或计算装置或计算机。

以上涉及方法的阐述相应地适用于装置。该装置能以一个部件实施或分布式地以多个部件的形式实施。尤其是该装置的一部分也可以通过网络接口(如互联网)相连。

一个改进方案在于该装置是光伏设备。

该任务也通过一种包括至少一个本文所述的装置或光伏设备的系统来解决。

附图说明

以下根据附图来示出和阐述本发明的实施例。

图1示出具有被多个PV设备(也称为相邻的PV设备)包围的一个PV设备的示意图，

图2示出具有用于确定或预报由PV设备输出的功率的方法的步骤的框图。

具体实施方式

所提出的用于预报光伏设备(PV设备)的馈入功率的解决方案的特点尤其是，可以将由于太阳辐射被云和其它气候影响临时遮蔽所造成的影响考虑进来。

为此，在预报模型中考虑空间相邻的PV设备的信息。该信息的使用例如可以根据所谓的测量区来进行，其中测量区具有多个PV设备，这些PV设备在空间上包围当前待观测的设备。

图1示出具有一个PV设备101和多个相邻的PV设备102-107的示意图。每个PV设备101-107具备测量区，可借此来确定遮蔽。测量区优选是太阳能模块：根据输出功率的变化，可以推断出遮蔽。因此，可以考虑单个的太阳能模块或者可以考虑一组太阳能模块作为测量区。还可行的是，多个(例如小的)PV设备被组合成一个单个的测量区；相应地，可以将多个大的PV设备用作各个测量区或甚至提供多个测量区。

在图1中，每个PV设备101-107例如相当于一个测量区，其中这些PV设备102-107被用于预测PV设备101的遮蔽。例如太阳(没有被云遮蔽)在PV设备105和106上方照耀。可相应在此测量到无遮蔽。在PV设备102、103、104和107上方分别存在云，从而出现了太阳辐射被部分遮蔽。遮蔽可以根据各自测量区被确定。也可以确定遮蔽的时间变化过程。通过遮蔽的时间变化过程，可以推断出浮云的方向109-111及其速度。该信息可以由PV设备101的相邻的PV设备102-104和107提供，PV设备101可基于距相邻的PV设备102-104和107的距离来预测何时预期有遮蔽并且必要时遮蔽结果有多强烈。

在此，在PV设备102-107的相邻测量区中的云层程度可以是馈入功率的变化的第一要点。为了能确定更精确的预报，考虑浮云方向和云分布图案，即尤其是云的形状、长度和宽度以及其变化。

为了确定这些因素，优选不考虑近地气流(因为其只有条件地与浮云方向相关)。区分低云、中高云和高云的影响也是一个选项。因为在所提出的解决方案中从气象数据中推导出在预报中由云层程度造成的中高云和高云的影响，所以本方案也涉及对短时遮蔽作用负责并且或许(尚)未被考虑进气象数据中的那些云的影响。

在此提出的解决方案确定了关于在测量区中的不同PV设备的互相关性R_ab的上述参数。在此，可以根据以下关系确定按照相互距离d_ab布置的两个PV设备a和b的馈入功率P的互相关性R_ab：

$R_{\mathrm{ab}}=\frac{1}{T}\·\underset{-T/2}{\overset{T/2}{\∫}}{P}_a\left(t\right)\·P_b(t+T)\mathrm{dt}$

其中

$T=\frac{d_{\mathrm{ab}}}{{\mathrm{\υ}}_{\mathrm{wolke}}},$

其中T是所观测的时间间隔，并且υ_wolke是(估计的)浮云速度。

浮云的速度在此可根据在相同空间取向上的不同PV设备对的互相关性的最大化来确定，而浮云方向可通过比较空间上不同取向的PV设备对的互相关性来确定。

在分析不同PV设备对的互相关性时，优选考虑浮云的形状和运动可能受到叠加作用的影响。这样的叠加作用可以被彼此分开地确定。一方面，云在大空间的气候流范围内运动，从而即使是彼此远离的PV设备对的互相关性也应是高的。但是，垂直气流的叠加导致浮云的形状和光学密度的改变，因而相互远离的PV设备对之间的互相关性可剧烈减弱。

在此提出的解决方案尤其是通过如下方式利用该作用，即例如大空间气流的方向首先被确定，并且随后确定在该大空间气流的方向上不同程度地相互远离的PV设备的互相关性的方差。基于该数据，随后可以估计出浮云在其形状方面的变化。

如此求出的关于浮云的数据由测量区提供给预报区，其中每个区视情况而定既可以是测量区也可以是预报区。

因此有利的是如此设计这些区，使得它们对应于智能电网的网络部分。在此情况下，可以避免出现由重叠区所造成的附加作用。

预报区优选利用由测量区和一些测量求出的大空间气流的方向，以识别如下测量区，所述测量区在气流方向上位于气流之前并因而能与预报相关地提供相关数据。因为气流方向的确定带有不可靠性，因此可能有利的是，用与估计气流方向的偏差加权地将其它测量区的数据包含进来。

预报区的馈入功率的变化现在可以基于浮云经过预报区的所估计的运动来确定，其中在第一方案中可以从当前的馈入功率和云遮蔽相对于未来的云遮蔽中估计出变化。

为了估计绝对馈入功率，可以采用已知的模型(例如分析模型)，其借助气象信息和PV设备参数来估计馈入功率，其中模型的输出可借助新获得的浮云数据来修正。

例如为此可以采用混合模型，在该混合模型中，所谓的纠错神经原网络(Error Correction Neural Network,ECNN)在将云信息和必要时其它(本地提出的)数据如温度包含进来的情况下修正在根据现有技术的上述模型和实际馈入功率之间的偏差。

因此，在此提出的解决方案实现了对于PV设备的遮蔽作用的短时预报并因而构成了用于馈入能量和所需能量之间的均衡的基础，因为为了成本高效地平衡负载流而必须事先(即及时)控制一些驱动装置。例如KWK设备必须被及时启动以便能在PV设备被遮蔽情况下提供损失的能量。

这样的平衡的目的在于避免从上级的网络部分中汲取调节功率，以便由此节约附加成本。

一种选项在于，将由测量区确定的数据传递给中央服务站、例如气象服务站，以便通过附加的本地信息来改善其预报。

图2示出具有用于确定或预报由PV设备输出的功率的方法的步骤的框图。

在步骤201中，提供至少一个相邻的PV设备——例如相邻的PV设备的至少一个测量区——的遮蔽信息。在步骤202中，根据该遮蔽信息来确定对于即将来临的遮蔽、例如涉及浮云的预报，并且在步骤203中根据该预报来确定针对当前PV设备所预测的输出功率。因而可以判断出是否(例如在达到预给定阈值时)必须激活备用能源以补偿当前PV设备的功率损失。

Claims (15)

1.一种用于确定由光伏设备输出的功率的方法，

-基于至少一个相邻的光伏设备的至少一个遮蔽信息。

2.根据权利要求1的方法，其中该遮蔽信息包括以下信息，所述信息基于减小的亮度并且尤其基于由云运动所引起的遮蔽。

3.根据前述权利要求之一的方法，

-其中提供多个相邻的光伏设备的多个遮蔽信息，

-其中基于这些遮蔽信息来确定关于即将来临的遮蔽的时间和地点的预报，

-其中根据即将来临的遮蔽来确定该光伏设备的预期输出功率。

4.根据权利要求3的方法，其中根据该光伏设备的预期输出功率来激活其它能源。

5.根据权利要求4的方法，其中所述其它能源包括以下能源中的至少一种：

-可控的消耗器，

-蓄能器，

-能量生成装置。

6.根据权利要求3至5之一的方法，其中所述多个相邻的光伏设备在空间上至少部分包围该光伏设备。

7.根据权利要求3至6之一的方法，其中基于这些遮蔽信息根据预报模型来确定关于即将来临的遮蔽的时间和地点的预报。

8.根据权利要求3至7之一的方法，其中遮蔽的速度、尤其是浮云的速度通过互相关性R_ab的最大化来确定：

$R_{\mathrm{ab}}=\frac{1}{T}\·\underset{-T/2}{\overset{T/2}{\∫}}{P}_a\left(t\right)\·P_b(t+T)\mathrm{dt}$

其中 $T=\frac{d_{\mathrm{ab}}}{{\mathrm{\υ}}_{\mathrm{wolke}}},$

其中

a,b表示两个光伏设备，

T表示观测的时间间隔，

P表示馈入功率，

d_ab表示光伏设备a和b之间的距离，

υ_wolke表示浮云的所估计的速度。

9.根据权利要求8的方法，其中根据空间上不同取向的光伏设备的互相关生的比较来确定遮蔽的方向、尤其是浮云的方向。

10.根据权利要求8或9的方法，其中

-确定气流的方向，

-确定以不同程度远离的光伏设备的互相关性的方差；

-根据所述气流和方差和所述方差来确定遮蔽的变化、尤其是浮云形状的变化。

11.根据权利要求10的方法，其中基于所确定的遮蔽变化来确定该光伏设备的预期输出功率。

12.根据权利要求11的方法，其中基于混合模型、尤其是基于纠错神经原网络来确定该光伏设备的功率。

13.一种用于调节光伏设备的装置，该装置具有处理单元，该处理单元被设置为使得由该光伏设备输出的功率能基于至少一个相邻的光伏设备的至少一个遮蔽信息来确定。

14.根据权利要求13的装置，其中该装置是光伏设备。

15.一种系统，包括根据权利要求13或14的至少一个装置。

Images