CN103971167B - 预测光伏发电设备的发电功率的方法和系统 - Google Patents
预测光伏发电设备的发电功率的方法和系统 Download PDFInfo
- Publication number
- CN103971167B CN103971167B CN201310037419.XA CN201310037419A CN103971167B CN 103971167 B CN103971167 B CN 103971167B CN 201310037419 A CN201310037419 A CN 201310037419A CN 103971167 B CN103971167 B CN 103971167B
- Authority
- CN
- China
- Prior art keywords
- cloud
- light transmittance
- mrow
- region
- power generation
- 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.)
- Active
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000002834 transmittance Methods 0.000 claims abstract description 124
- 230000008859 change Effects 0.000 claims abstract description 52
- 230000005540 biological transmission Effects 0.000 claims abstract description 25
- 230000033001 locomotion Effects 0.000 claims abstract description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000007639 printing Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 16
- 238000009826 distribution Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000009738 saturating Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 235000002918 Fraxinus excelsior Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 239000002956 ash Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/12—Sunshine duration recorders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种预测光伏发电设备的发电功率的方法和系统。所述方法包括：计算在初始时刻光伏发电设备所在区域的天空中的云的初始透光率；通过表示所述区域的天空中的云的透光率的变化的方程，使用所述初始透光率计算在未来时刻所述区域的天空中的云的透光率，所述方程包括与云的平流运动有关的项和与云的源汇有关的项；以及根据在未来时刻所述区域的天空中的云的透光率，预测在未来时刻光伏发电设备的发电功率。通过所述方法和系统，可以准确地预测未来较长时间内的光伏发电设备的发电功率。
Description
技术领域
本发明涉及光伏发电领域，并且更具体地涉及一种用于预测光伏发电设备的发电功率的方法和系统。
背景技术
目前，光伏发电技术正在迅速发展。使用这种技术的光伏发电设备（例如太阳能电池）利用光伏效应将太阳光能转变为电能，其发电功率取决于光伏发电设备接收到的太阳光量。在晴空（即，晴朗无云）条件下，可以根据光伏发电设备的地理位置而容易地预测未来时刻的发电功率。具体地，在晴空条件下，根据光伏发电设备的地理位置和要预测发电功率的时刻，可以计算出该时刻的太阳高度角，以便预测在该时刻入射到光伏发电设备的太阳光量，从而计算出在该时刻光伏发电设备的发电功率。然而，当天空中有云时，由于云的遮挡，到达光伏发电设备的太阳光量减少，使得光伏发电设备的发电功率减小。由于天空中的云的大小、厚度和位置随着时间不断变化，光伏发电设备的发电功率也不断波动。在云量突变的情况下，光伏发电设备的发电功率甚至会剧烈变化。这给光伏发电设备乃至电网的安全运营和管理带来一系列的问题。因此，希望能够准确地预测未来时刻的光伏发电设备的发电功率。
传统上，使用物理模型预测法或图像预测法来预测光伏发电设备的发电功率。物理模型预测法使用诸如数值天气预报（NWP）模型或辐射模型之类的物理模型，基于初始时刻的云分布来预测未来时刻的云分布，从而预测未来时刻的发电功率。然而，所述物理模型描述的初始时刻的云分布并不准确。此外，尽管所述物理模型能够较为准确地预测未来的温度（T）、湿度（q）、气压（p）、以及风速和风向等基础量，但是该物理模型本身没有准确地描述水的相态变化导致的云的变化（例如云的源汇）等，因此其对云变化过程的描述并不准确。因此，物理模型预测法无法获得准确的预测结果。图像预测法使用根据卫星云图确定的初始云分布来预测未来时刻的云分布，该初始云分布是准确的，但是这种方法假设云的运动是线性的并且在运动期间形态不变，而实际上，云会受到大气风场（云所在高度上的风速和风向）以及水的相态（水汽的饱和度）影响，会产生和消散（源和汇），具有非常强的非线性特征。因此，图像预测法也无法获得准确的预测结果，而且也不能预测未来较长时间内的发电功率，其有效预测时间仅在几小时以内。
发明内容
鉴于以上问题而提出了本发明。本发明的一个目的是提供一种预测光伏发电设备的发电功率的方法和系统，其能够准确地预测未来较长时间内的光伏发电设备的发电功率。
根据本发明的一个方面，提供了一种预测光伏发电设备的发电功率的方法，包括：计算在初始时刻光伏发电设备所在区域的天空中的云的初始透光率；通过表示所述区域的天空中的云的透光率的变化的方程，使用所述初始透光率计算在未来时刻所述区域的天空中的云的透光率，所述方程包括与云的平流运动有关的项和与云的源汇有关的项；以及根据在未来时刻所述区域的天空中的云的透光率，预测在未来时刻光伏发电设备的发电功率。
根据本发明的另一个方面，提供了一种预测光伏发电设备的发电功率的系统，包括：第一计算装置，被配置为计算在初始时刻光伏发电设备所在区域的天空中的云的初始透光率；第二计算装置，被配置为通过表示所述区域的天空中的云的透光率的变化的方程，使用所述初始透光率计算在未来时刻所述区域的天空中的云的透光率，所述方程包括与云的平流运动有关的项和与云的源汇有关的项；以及预测装置，被配置为根据在未来时刻所述区域的天空中的云的透光率，预测在未来时刻光伏发电设备的发电功率。
在根据本发明上述方面的方法和系统中，所使用的初始透光率可以基于例如真实的卫星云图或通过地面云成像设备获得的真实云图来导出，因此是准确的。此外，根据本发明上述方面的方法和系统使用包含与云的平流运动有关的项和与云的源汇有关的项的物理方程来预测云的透光率变化，使得在预测过程中考虑了云的变化的非线性特征，因此与传统方法相比，具有更高的预测精度。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。
图1示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。
图2示出了根据本发明实施例的预测光伏发电设备的发电功率的方法的流程图。
图3示例性地示出了所拍摄的光伏发电设备所在的区域的卫星云图。
图4是示意性地示出根据图3所示的卫星云图获得的透光率的球面分布图。
图5示意性地示出了通过将图4所示的球面分布图投影到所述区域的地图上而获得的透光率的平面分布图。
图6是示意性地示出云的变化模式的图。
图7是示意性地示出根据本发明实施例的预测光伏发电设备的发电功率的系统的框图。
图8示意性地示出了图7所示的第一计算装置的一种示例实现方式的框图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
所属技术领域的技术人员知道，本发明可以实现为系统、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件（包括固件、驻留软件、微代码等），还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（RAM）、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言-诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
下面将参照本发明实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述本发明。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，这些计算机程序指令通过计算机或其它可编程数据处理装置执行，产生了实现流程图和/或框图中的方框中规定的功能/操作的装置。
也可以把这些计算机程序指令存储在能使得计算机或其它可编程数据处理装置以特定方式工作的计算机可读介质中，这样，存储在计算机可读介质中的指令就产生出一个包括实现流程图和/或框图中的方框中规定的功能/操作的指令装置(instructionmeans)的制造品（manufacture）。
也可以把计算机程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其它可编程装置上执行的指令能够提供实现流程图和/或框图中的方框中规定的功能/操作的过程。
图1示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。图1显示的计算机系统/服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图1所示，计算机系统/服务器12以通用计算设备的形式表现。计算机系统/服务器12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件（包括系统存储器28和处理单元16）的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构（ISA）总线，微通道体系结构（MAC）总线，增强型ISA总线、视频电子标准协会（VESA）局域总线以及外围组件互连（PCI）总线。
计算机系统/服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器（RAM）30和/或高速缓存存储器32。计算机系统/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质（图1未显示，通常称为“硬盘驱动器”）。尽管图1中未示出，可以提供用于对可移动非易失性磁盘（例如“软盘”）读写的磁盘驱动器，以及对可移动非易失性光盘（例如CD-ROM,DVD-ROM或者其它光介质）读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组（例如至少一个）程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组（至少一个）程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器12也可以与一个或多个外部设备14（例如键盘、指向设备、显示器24等）通信，还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备（例如网卡，调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口22进行。并且，计算机系统/服务器12还可以通过网络适配器20与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。如图所示，网络适配器20通过总线18与计算机系统/服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机系统/服务器12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
下面，将参照附图描述根据本发明实施例的用于预测光伏发电设备的发电功率的方法和系统。在本发明的实施例中，所述光伏发电设备可以是光伏发电板（太阳能电池板），也可以是能够接收太阳光能并且将其转换为电能的其他类型的光伏发电设备。
简单地说，如上文所述，在某个时刻光伏发电设备的发电功率取决于在该时刻入射到该光伏发电设备上的太阳光量，而入射到该光伏发电设备上的太阳光量可以通过将在晴空条件下入射到该光伏发电设备的太阳光量乘以该时刻的天空中的云的透光率来获得，所述透光率表示入射的太阳光透射过云的比率，其反映了云对太阳光的遮挡程度。由于可以根据光伏发电设备的地理位置容易地计算出在晴空条件下入射到该光伏发电设备的太阳光量，因此，可以通过预测未来时刻的天空中的云的透光率，来预测未来时刻光伏发电设备的发电功率。
下面，参照图2来详细描述根据本发明实施例的用于预测光伏发电设备的发电功率的方法。该方法通过预测未来时刻的天空中的云的透光率，来预测未来时刻光伏发电设备的发电功率。
如图2所示，在步骤S201中，计算在初始时刻光伏发电设备所在区域的天空中的云的透光率，即初始透光率。
具体地，天空中的云的位置和形态随着时间不断地变化，并且与周围的大气状态密切相关。例如，当天空中出现风时，风会使云从一个位置移动到另一个位置。此外，随着天空中水汽的聚集/散开，云的形态也会发生变化。例如，当水汽从周围天空聚集时，云会产生、变厚、变大。当水汽向周围天空扩散时，云会变薄、变小、甚至消失。因此，在进行未来时刻的天空中的云的透光率的预测时，不仅需要考虑光伏发电设备所在的地理位置处的天空中的云的情况，还需要考虑周围天空中的云的情况。为此，在本发明的实施例中，选择包含光伏发电设备所在的地理位置的预定大小的区域，并且使用该区域来进行透光率和发电功率的预测。所述区域的大小可以根据需要而灵活地选择，例如，可以将所述区域选择为200km×200km的正方形区域。
可以基于所述区域的云图来计算所述区域的天空中的云的初始透光率。具体地，可以在初始时刻通过气象卫星或地面云成像设备拍摄所述区域的云图，例如可见光云图或红外云图，然后基于该云图来计算云的初始透光率。图3示例性地示出了所拍摄的光伏发电设备所在区域的卫星云图。由于所述云图反映的是所述区域的天空中的真实云分布，因此根据所述云图计算的初始透光率是准确的。可以使用本领域公知的任何方法来基于所述云图计算所述区域的天空中的云的透光率，下面简单地介绍一种示例性方法。
在该示例性方法中，首先，可以对所拍摄的云图进行图像识别，以便从该云图中识别出存在于所述区域的天空中的云。由于在云图上有云的点和没有云的点具有不同的灰度，因此，可以根据云图上各个点的灰度值，从云图中识别云。
然后，可以基于云图的灰度值，确定该区域的天空中的云的透光率。例如，可以将天空中的云分类，然后根据云的类别和云图中的云的灰度值来确定云的透光率，其中，云的类别例如包括距地面高度较低的积云和距地面高度较高的层云等。或者，可以根据云图中的云的的灰度值直接确定云的透光率。如本领域所公知的，在云图中的云的灰度值与其透光率之间存在固定的关系，可以根据该关系来从云图中的云的灰度值确定云的透光率。也可以使用本领域公知的其他方法来基于云图的灰度值确定云的透光率。由于云的透光率是基于作为球面图的云图确定的，因此所确定的云的透光率也呈球面分布。云图上没有云的点的透光率可以视为100%。由此，可以获得云图上各个点的透光率。图4示意性地示出了根据图3所示的卫星云图确定的透光率的球面分布图。
最后，可以将基于云图确定的云的透光率投影到光伏发电设备所在区域的地图上，并且使用投影后的云的透光率作为所述初始透光率。可以使用本领域公知的方法来进行这一投影，在这里不再赘述。通过这一投影，可以将透光率的球面分布转换为该区域的天空中的云的透光率的平面分布。图5示意性地示出了通过将图4所示的球面分布图投影到所述区域的地图上而获得的所述区域的天空中的云的透光率的平面分布图。
返回图2，在步骤S202中，通过表示所述区域的天空中的云的透光率的变化的方程，使用所述初始透光率计算在未来时刻所述区域的天空中的云的透光率，所述方程包括与云的平流运动有关的项和与云的源汇有关的项。所述与云的平流运动有关的项可以表示由于风导致的云的透光率的变化，而所述与云的源汇有关的项可以表示由于云水量的变化导致的云的透光率的变化。
具体地，如上文所述，天空中的云的位置和形态随着时间不断地变化。例如，当天空中有风时，云进行平流运动，从而在天空中从一个位置移动到另一个位置。此外，随着大气中水汽条件的变化，可能发生云的产生（源）和消散（汇）。图6示意性地示出了云的变化模式，其中，中央的方块表示光伏发电设备所在的位置，细箭头的方向表示风向，细箭头的长度表示风速，“+”表示云的生成（源），“-”表示云的消散（汇）。如图6所示，在光伏发电设备所在区域的天空中，云的平流运动和云的源汇并存，呈现出非常强的非线性特征。
与光伏发电设备所在的区域的天空中的云的非线性变化相对应，云的透光率也非线性变化。在本发明的实施例中，为了准确描述这种非线性变化，使用考虑了云的平流运动和云的源汇的物理方程来表示所述区域的天空中的云的透光率随时间的变化，并且在该物理方程中，可以进一步使用通过数值天气预报模型预报的温度、气压和温度等变量。具体地，将云的透光率随时间的变化率表示为云的平流运动导致的透光率变化率和云的源汇导致的透光率变化率之和，其中，云的平流运动导致的云的透光率变化率取决于水平风向和水平风速，云的源汇导致的云的透光率变化率取决于云水量的变化率。
下面将详细描述建立该物理方程的方法。为便于描述，将透光率表示为Ac，假设初始时刻为t0，并且要预测未来时刻tn（n>1）的云的透光率。
首先，在光伏发电设备所在区域的地图上（即，在上述平面分布图上）建立二维坐标系。例如，可以以光伏发电设备所在的位置为原点，建立xy坐标系，如图5所示。
接下来，建立与云的平流运动有关的项。如上文所述，云的平流运动导致的云的透光率变化率取决于水平风向和水平风速。由于天空中的任何水平风都可以分解为x方向分量和y方向分量，因此，可以将在时刻tn在点（x，y）处的、由于平流运动导致的云的透光率变化率表示为：
其中，u为在时刻tn在x方向的风速，v为在时刻tn在y方向的风速，表示在时刻tn云的透光率在x方向上的梯度，表示在时刻tn云的透光率在y方向上的梯度。
然后，建立与云的源汇有关的项。如上文所述，云的源汇导致的云的透光率变化率取决于云水量的变化率。在本领域中，已经提出了一些方案来描述云的透光率与云水量的关系，例如暖雨方案、Lin方案、3类云方案、5类云方案等，并且相应地提出了一些表示透光率与云水量的关系的表达式。可以使用这些表达式中的任何一个来计算与云的源汇有关的云的透光率的变化率。例如，在暖雨方案中，表示在时刻tn云水量Qc与云的透光率的关系的表达式为：
其中，L表示在时刻tn的云的厚度，Qc表示在时刻tn的云水量。基于式（2），可以求出在时刻tn的云的源汇导致的透光率的变化率为
在暖雨方案中，其中，W是在时刻tn的垂直风速（即，垂直于地面的风速）。G是该垂直风速W的高度权重系数，并且为经验值。因此，可以将式（3）重写为：
将式（1）和式（4）相加，可以获得表示在时刻tn光伏发电设备所在区域的天空中的云的透光率变化率的物理方程如下：
在使用式（5）来预测未来时刻tn的透光率时，可以使用现有的数值天气预报模型来获得式（5）中的u、v和W。如上文所述，尽管现有的数值天气预报模型不能准确地描述云的变化过程，但是其可以较为准确地预测未来时刻的云水量（Qc）、温度（T）、湿度（q）、气压（p）、以及风速和风向等基础量，因此可以直接使用通过现有的数值天气预报模型预测的时刻tn的水平风速和垂直风速作为式（5）中的u、v和W。所述数值天气预报模型例如为天气研究和预报（WRF）模型、中等尺度模型版本5（MM5）、气候系统模型（CSM）等。
此外，可以使用现有的数值天气预报模型来计算得到未来时刻tn的云的厚度L。在一种示例计算方法中，对于某个点（x,y），可以使用数值天气预报模型预测在所述未来时刻tn、在该点上方天空中的各个垂直高度处的云水量Qc，然后计算在该时刻tn满足Qc>0的最高垂直高度与最低垂直高度之差，作为云的厚度L。在另一种示例方法中，可以使用数值天气预报模型预测在所述未来时刻tn、在该点上方天空中的各个垂直高度处的气压p、温度T和湿度q，使用气压p和温度T计算各个垂直高度处的饱和湿度Q，继而计算各个垂直高度处的相对湿度r=q/Q*100％，然后计算在该时刻tn满足r>95%（这对应于云水过饱和的情况）的最高垂直高度与最低垂直高度之差，作为云的厚度L。使用气压p和温度T计算饱和湿度Q的方法是本领域公知的，在这里不再赘述。可以使用这两种示例计算方法中的任何一种来计算云的厚度L。或者，可以在使用这两种示例计算方法获得的厚度值中选择较大的厚度值，作为在该时刻tn的式（5）的云的厚度L。通过上述物理方程（5），使用在步骤S201计算的初始透光率，可以计算在未来时刻tn所述区域的天空中的云的透光率。
例如，可以使用迭代的方法来从初始时刻t0的云的初始透光率计算出未来时刻tn的云的透光率。在这里，为了提高计算精度，可以将从初始时刻t0到未来时刻tn的时间段划分为多个子时间段，即t0-t1、t1-t2、…、tn-1-tn。随后，使用初始时刻t0的云的初始透光率、以及已知的初始时刻t0的u、v、w和以上文所述的方式计算的L，计算时刻t1的云的透光率（稍后将详细描述该计算方法）。然后，使用时刻t1的云的透光率、以及通过现有的数值天气预报模型预测的时刻t1的u、v、w和以上文所述的方式计算的L，计算时刻t2的云的透光率。接下来，使用时刻t2的云的透光率以及通过现有的数值天气预报模型预测的时刻t2的u、v、w和以上文所述的方式计算的L，计算时刻t3的云的透光率。依此类推，最终，可以使用时刻tn-1的云的透光率以及通过现有的数值天气预报模型预测的时刻tn-1的u、v、w和以上文所述的方式计算的L，计算时刻tn的云的透光率。应当认识到，将所述时间段划分的子时间段数目越多，最终计算的时刻tn的云的透光率就越准确，当然，也可以不划分上述时间段，而是使用初始时刻t0的云的初始透光率、以及已知的初始时刻t0的u、v、w和以上文所述的方式计算的L，直接计算时刻tn的云的透光率。
更具体地，可以将所述区域的地图划分为a×b的网格，a>1，b>1。对于地图上的某个点（xi，yj）(0<i≤a，0＜j≤b)，在初始时刻t0的云的初始透光率是已知的，因此可以使用该初始透光率，通过式（5）计算出时刻t1的云的透光率。在进行这一计算时，可以将式（5）中的近似为其中为在时刻t1在点（xi，yj）处的云的透光率，为在时刻t0在点（xi，yj）处的云的透光率；可以将近似为其中，为在时刻t0在点（xi，yj）处的x方向风速，为在时刻t0在沿x方向与点（xi，yj）相邻的点（xi-1，yj）处的云的透光率；可以将近似为其中，为在时刻t0在点（xi，yj）处的y方向风速，为在时刻t0与在沿y方向与点（xi，yj）相邻的点（xi，yj-1）处的云的透光率。通过这一系列近似，可以计算出在时刻t1在点（xi，yj）处的云的透光率。对于地图上的所有点，重复上述计算过程，从而可以确定在所有点处在时刻t1的云的透光率。应当认识到，划分地图所得的网格越小，所计算的透光率的准确性就越高。
然后，可以使用时刻t1的云的透光率，通过上式（5）类似地计算出t＝t2的云的透光率，在该计算过程中，代替已知的上述初始时刻的u、v和w以及以上文所述的方式计算的L，使用通过现有的数值天气预报模型预测的时刻t2的u、v和w以及以上文所述的方式计算的L。以此类推，最终，可以使用时刻tn-1的云的透光率，通过上式（5）计算出时刻tn的云的透光率。
由此，可以获得在未来时刻tn所述区域的天空中的云的透光率。
返回图2，在步骤S203中，根据在未来时刻所述区域的天空中的云的透光率，预测在未来时刻光伏发电设备的发电功率。
具体地，可以通过将在未来时刻所述区域中所述光伏发电设备所在的地理位置处的天空中的云的透光率乘以在未来时刻光伏发电设备的晴空发电功率，来预测在未来时刻光伏发电设备的发电功率。如上文所述，在晴空条件下，根据光伏发电设备的地理位置和要预测发电功率的所述未来时刻，可以计算出该未来时刻的太阳高度角，然后确定该未来时刻入射到光伏发电设备的太阳光量，从而可以计算出该未来时刻的光伏发电设备的晴空发电功率。通过将在未来时刻所述区域中所述光伏发电设备所在的地理位置处的天空中的云的透光率乘以该未来时刻的晴空发电功率，可以计算出在未来时刻在有云的情况下的发电功率，即未来时刻的光伏发电设备的发电功率的预测值。
下面，参照图7来详细描述根据本发明实施例的用于预测光伏发电设备的发电功率的系统。该系统可以执行在上文中参照图2描述的方法。
如图7所示，根据本发明实施例的用于预测光伏发电设备的发电功率的系统700包括第一计算装置701、第二计算装置702和预测装置703。
第一计算装置701计算在初始时刻光伏发电设备所在区域的天空中的云的透光率，即初始透光率。如上文所述，可以根据需要灵活地选择所述区域的大小。具体地，第一计算装置701可以基于所述区域的云图来计算在初始时刻所述区域的天空中的云的初始透光率，所述云图可以是例如通过卫星或地面云成像设备获得的可见光云图、红外云图或者其他类型的云图。第一计算装置701可以使用本领域公知的任何方法来基于所述云图计算初始透光率。
图8示出了第一计算装置701的一种示例实现方式的框图。如图8所示，第一计算装置701可以包括识别单元7011、确定单元7012和投影单元7013。识别单元7011可以对所拍摄的云图进行图像识别，以便从该云图中识别出存在于所述区域的天空中的云。确定单元7012可以基于云图的灰度值，确定该区域的天空中的云的透光率。投影单元7013可以将所确定的云的透光率投影到该区域的地图上，并且使用投影后的云的透光率作为所述初始透光率。这三个单元可以按照在上文中参照图2描述的方式来执行各自的操作，在这里为了避免重复而省略其详细描述。
第二计算装置702可以通过表示所述区域的天空中的云的透光率的变化的方程，使用所述初始透光率计算在未来时刻所述区域的天空中的云的透光率，所述方程包括与云的平流运动有关的项和与云的源汇有关的项。所述与云的平流运动有关的项可以表示由于风导致的云的透光率的变化，而所述与云的源汇有关的项可以表示由于云水量的变化导致的云的透光率的变化。具体地，第二计算装置702可以使用在上文中给出的方程（5）来计算在未来时刻所述区域的天空中的云的透光率，在这里不再赘述。
预测装置703可以根据在未来时刻所述区域的天空中的云的透光率，预测在未来时刻光伏发电设备的发电功率。具体地，预测装置703可以通过将在未来时刻所述区域中、所述光伏发电设备所在的地理位置处的天空中的云的透光率乘以在未来时刻光伏发电设备的晴空发电功率，来预测在未来时刻光伏发电设备的发电功率，其中，预测装置703可以根据光伏发电设备的地理位置，预先计算出在未来时刻光伏发电设备的晴空发电功率，以便在预测发电功率时使用。
在根据本发明实施例的预测光伏发电设备的发电功率的方法和系统中，使用真实的云图来获得在初始时刻的云的透光率，使用考虑了云的平流运动和云的源汇的物理方程来描述从初始时刻起的云的变化，并且在该物理方程中具体使用了通过数值天气预报模型预报的温度、湿度、风速等相关变量，因而与传统的物理模型预测法和图像预测法相比，能够更准确地预测未来时刻的光伏发电设备的发电功率。而且，根据本发明实施例的上述方法和系统可以预测未来较长时间（数小时乃至次日）的发电功率。因此，光伏发电设备的管理者以及电网的运营商可以根据发电功率的预测结果，及时采取适当的措施，从而避免由于发电功率的异常波动给光伏发电设备以及电网带来的安全和管理上的问题。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (12)
1.一种预测光伏发电设备的发电功率的方法，包括：
计算在初始时刻光伏发电设备所在区域的天空中的云的初始透光率；
通过表示所述区域的天空中的云的透光率的变化的方程，使用所述初始透光率计算在未来时刻所述区域的天空中的云的透光率，所述方程将表示云的平流运动导致的透光率变化率的项和表示云的源汇导致的透光率变化率的项求和；以及
根据在未来时刻所述区域的天空中的云的透光率，预测在未来时刻光伏发电设备的发电功率。
2.如权利要求1所述的方法，其中，所述计算在初始时刻光伏发电设备所在区域的天空中的云的初始透光率包括：
基于在初始时刻的所述区域的云图，识别所述区域的天空中的云；
基于云图的灰度值，确定该区域的天空中的云的透光率；以及
将所确定的云的透光率投影到该区域的地图上，并且使用投影后的云的透光率作为所述初始透光率。
3.如权利要求2所述的方法，其中，所述表示云的平流运动导致的透光率变化率的项表示由于风导致的云的透光率的变化。
4.如权利要求2或3所述的方法，其中，所述表示云的源汇导致的透光率变化率的项表示由于云水量的变化导致的云的透光率的变化。
5.如权利要求4所述的方法，其中，所述方程为：
<mrow>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>A</mi>
<mi>c</mi>
</msub>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>t</mi>
</mrow>
</mfrac>
<mo>=</mo>
<mo>-</mo>
<mi>u</mi>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>A</mi>
<mi>c</mi>
</msub>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>x</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mi>v</mi>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>A</mi>
<mi>c</mi>
</msub>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>y</mi>
</mrow>
</mfrac>
<mo>+</mo>
<mn>128</mn>
<mi>L</mi>
<mi>W</mi>
<mi>G</mi>
</mrow>
其中，Ac表示云的透光率，t表示时间，u表示在该区域的地图上建立的x-y坐标系中的x方向的风速，v表示所述坐标系中的y方向的风速，L表示云的厚度，W表示垂直风速，G表示应用于W的高度权重系数。
6.如权利要求1所述的方法，其中，所述根据在未来时刻所述区域的天空中的云的透光率，预测在未来时刻光伏发电设备的发电功率包括：通过将在未来时刻所述区域中、所述光伏发电设备所在的地理位置处的天空中的云的透光率乘以在未来时刻光伏发电设备的晴空发电功率，来预测在未来时刻光伏发电设备的发电功率。
7.一种预测光伏发电设备的发电功率的系统，包括：
第一计算装置，被配置为计算在初始时刻光伏发电设备所在区域的天空中的云的初始透光率；
第二计算装置，被配置为通过表示所述区域的天空中的云的透光率的变化的方程，使用所述初始透光率计算在未来时刻所述区域的天空中的云的透光率，所述方程将表示云的平流运动导致的透光率变化率的项和表示云的源汇导致的透光率变化率的项求和；以及
预测装置，被配置为根据在未来时刻所述区域的天空中的云的透光率，预测在未来时刻光伏发电设备的发电功率。
8.如权利要求7所述的系统，其中，所述第一计算装置包括：
识别单元，被配置为基于在初始时刻的所述区域的云图，识别所述区域的天空中的云；
确定单元，被配置为基于云图的灰度值，确定该区域的天空中的云的透光率；以及
投影单元，被配置为将所确定的云的透光率投影到该区域的地图上，并且使用投影后的云的透光率作为所述初始透光率。
9.如权利要求8所述的系统，其中，所述表示云的平流运动导致的透光率变化率的项表示由于风导致的云的透光率的变化。
10.如权利要求8或9所述的系统，其中，所述表示云的源汇导致的透光率变化率的项表示由于云的源汇导致的透光率的变化。
11.如权利要求10所述的系统，其中，所述方程为：
<mrow>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>A</mi>
<mi>c</mi>
</msub>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>t</mi>
</mrow>
</mfrac>
<mo>=</mo>
<mo>-</mo>
<mi>u</mi>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>A</mi>
<mi>c</mi>
</msub>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>x</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mi>v</mi>
<mfrac>
<mrow>
<mo>&part;</mo>
<msub>
<mi>A</mi>
<mi>c</mi>
</msub>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>y</mi>
</mrow>
</mfrac>
<mo>+</mo>
<mn>128</mn>
<mi>L</mi>
<mi>W</mi>
<mi>G</mi>
</mrow>
其中，Ac表示云的透光率，t表示时间，u表示在该区域的地图上建立的x-y坐标系中的x方向的风速，v表示所述坐标系中的y方向的风速，L表示云的厚度，W表示垂直风速，G表示应用于W的高度权重系数。
12.如权利要求7所述的系统，其中，所述预测装置通过将在未来时刻所述区域中、所述光伏发电设备所在的地理位置处的天空中的云的透光率乘以在未来时刻光伏发电设备的晴空发电功率，来预测在未来时刻光伏发电设备的发电功率。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310037419.XA CN103971167B (zh) | 2013-01-31 | 2013-01-31 | 预测光伏发电设备的发电功率的方法和系统 |
| GBGB1321958.9A GB201321958D0 (en) | 2013-01-31 | 2013-12-12 | Predicting a generated power of a photovoltaic power generation device |
| PCT/CN2014/070918 WO2014117659A1 (en) | 2013-01-31 | 2014-01-20 | Predicting a generated power of a photovoltaic power generation device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310037419.XA CN103971167B (zh) | 2013-01-31 | 2013-01-31 | 预测光伏发电设备的发电功率的方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103971167A CN103971167A (zh) | 2014-08-06 |
| CN103971167B true CN103971167B (zh) | 2017-11-17 |
Family
ID=50030799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310037419.XA Active CN103971167B (zh) | 2013-01-31 | 2013-01-31 | 预测光伏发电设备的发电功率的方法和系统 |
Country Status (3)
| Country | Link |
|---|---|
| CN (1) | CN103971167B (zh) |
| GB (1) | GB201321958D0 (zh) |
| WO (1) | WO2014117659A1 (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107133685B (zh) * | 2016-02-26 | 2020-07-28 | 华为技术有限公司 | 光伏发电系统发电量的预测方法及预测系统 |
| US11545830B2 (en) | 2017-01-18 | 2023-01-03 | Board Of Regents, The University Of Texas System | Systems and methods of hierarchical forecasting of solar photovoltaic energy production |
| CN107944649A (zh) * | 2018-01-10 | 2018-04-20 | 云南电网有限责任公司电力科学研究院 | 一种光伏电站辐照度的预测方法 |
| CN108320050B (zh) * | 2018-01-11 | 2021-08-27 | 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 |
| CN110633862A (zh) * | 2019-09-20 | 2019-12-31 | 旻投(上海)数据科技有限公司 | 一种基于卫星云图的光功率预测算法 |
| CN111815038B (zh) * | 2020-06-24 | 2022-05-13 | 山东大学 | 一种光伏超短期预测方法及系统 |
| CN112801413A (zh) * | 2021-03-02 | 2021-05-14 | 国网电子商务有限公司 | 一种光伏电站发电功率预测方法及装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007184354A (ja) * | 2006-01-05 | 2007-07-19 | Mitsubishi Electric Corp | 太陽光発電システム |
| JP3984604B2 (ja) * | 2004-07-12 | 2007-10-03 | 日本電信電話株式会社 | 太陽光発電システムの発電量予測方法、装置、およびプログラム |
| JP2009252940A (ja) * | 2008-04-04 | 2009-10-29 | Mitsubishi Electric Corp | 太陽光発電システムの出力予測装置およびそれを用いた需給制御システム |
| 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 |
| WO2011017323A1 (en) * | 2009-08-05 | 2011-02-10 | First Solar, Inc. | Cloud tracking |
| JP2011087372A (ja) * | 2009-10-14 | 2011-04-28 | Nec Engineering Ltd | 太陽光発電システムの発電量予測方法及び予測装置 |
| CN102111089A (zh) * | 2009-12-08 | 2011-06-29 | 索尼公司 | 发电量估计设备、系统、方法和计算机程序 |
| WO2011092882A1 (ja) * | 2010-01-26 | 2011-08-04 | 株式会社日立製作所 | 太陽光発電設備発電量予測システム，気象予測システム及び太陽光発電設備発電量予測方法 |
| JP2011159199A (ja) * | 2010-02-03 | 2011-08-18 | Gifu Univ | 太陽光発電装置の発電量予測システム及び発電量予測方法 |
| CN102244483A (zh) * | 2011-03-22 | 2011-11-16 | 苏州市思玛特电力科技有限公司 | 基于气象信息的光伏发电有功功率在线评估方法 |
| CN102521670A (zh) * | 2011-11-18 | 2012-06-27 | 中国电力科学研究院 | 基于气象要素的光伏电站发电输出功率预测方法 |
-
2013
- 2013-01-31 CN CN201310037419.XA patent/CN103971167B/zh active Active
- 2013-12-12 GB GBGB1321958.9A patent/GB201321958D0/en not_active Ceased
-
2014
- 2014-01-20 WO PCT/CN2014/070918 patent/WO2014117659A1/en active Application Filing
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3984604B2 (ja) * | 2004-07-12 | 2007-10-03 | 日本電信電話株式会社 | 太陽光発電システムの発電量予測方法、装置、およびプログラム |
| JP2007184354A (ja) * | 2006-01-05 | 2007-07-19 | Mitsubishi Electric Corp | 太陽光発電システム |
| JP2009252940A (ja) * | 2008-04-04 | 2009-10-29 | Mitsubishi Electric Corp | 太陽光発電システムの出力予測装置およびそれを用いた需給制御システム |
| WO2011017323A1 (en) * | 2009-08-05 | 2011-02-10 | First Solar, Inc. | Cloud tracking |
| JP2011087372A (ja) * | 2009-10-14 | 2011-04-28 | Nec Engineering Ltd | 太陽光発電システムの発電量予測方法及び予測装置 |
| CN102111089A (zh) * | 2009-12-08 | 2011-06-29 | 索尼公司 | 发电量估计设备、系统、方法和计算机程序 |
| WO2011092882A1 (ja) * | 2010-01-26 | 2011-08-04 | 株式会社日立製作所 | 太陽光発電設備発電量予測システム，気象予測システム及び太陽光発電設備発電量予測方法 |
| JP2011159199A (ja) * | 2010-02-03 | 2011-08-18 | Gifu Univ | 太陽光発電装置の発電量予測システム及び発電量予測方法 |
| 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 |
| CN102244483A (zh) * | 2011-03-22 | 2011-11-16 | 苏州市思玛特电力科技有限公司 | 基于气象信息的光伏发电有功功率在线评估方法 |
| CN102521670A (zh) * | 2011-11-18 | 2012-06-27 | 中国电力科学研究院 | 基于气象要素的光伏电站发电输出功率预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103971167A (zh) | 2014-08-06 |
| GB201321958D0 (en) | 2014-01-29 |
| WO2014117659A1 (en) | 2014-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103971167B (zh) | 预测光伏发电设备的发电功率的方法和系统 | |
| Weyn et al. | Improving data‐driven global weather prediction using deep convolutional neural networks on a cubed sphere | |
| Engelbrecht et al. | Multi-scale climate modelling over Southern Africa using a variable-resolution global model | |
| Zadra et al. | The next Canadian regional climate model | |
| Carneiro et al. | Review on photovoltaic power and solar resource forecasting: current status and trends | |
| CN113538391A (zh) | 一种基于Yolov4和热红外图像的光伏缺陷检测方法 | |
| KR102404397B1 (ko) | 태양광 발전량 예측 장치 및 그 방법 | |
| JP2016136001A (ja) | 予測装置 | |
| CN114493050B (zh) | 多维度融合的新能源功率并联预测方法和装置 | |
| US10673372B2 (en) | Cognitively predicting dust deposition on solar photovoltaic modules | |
| JP5871635B2 (ja) | 日射量算出装置、日射量算出装置の制御方法及びプログラム | |
| JP2007304080A (ja) | 気体状況予測装置、方法、プログラム、および拡散状況予測システム | |
| CN108121990A (zh) | 一种基于全天空成像设备的太阳辐照度预测方法和装置 | |
| Thatcher et al. | A technique for dynamically downscaling daily-averaged GCM datasets using the conformal cubic atmospheric model | |
| Dong et al. | The analysis and impact of simulated high-resolution surface observations in addition to radar data for convective storms with an ensemble Kalman filter | |
| TW202105306A (zh) | 發電量預測裝置、發電量預測方法、及程式 | |
| Laslett et al. | A method for generating synthetic hourly solar radiation data for any location in the south west of Western Australia, in a world wide web page | |
| Pereira et al. | Method for solar resource assessment using numerical weather prediction and artificial neural network models based on typical meteorological data: Application to the south of Portugal | |
| CN114493052B (zh) | 多模型融合自适应新能源功率预测方法和系统 | |
| Sward et al. | Genetic algorithm selection of the weather research and forecasting model physics to support wind and solar energy integration | |
| CN116029419A (zh) | 基于深度学习的长期新能源日均发电功率预测方法及系统 | |
| CN117421871A (zh) | 海上风电潜力评估方法、装置和计算机设备 | |
| JP2018126038A (ja) | 発電量予測装置、発電量予測方法、発電量予測システム | |
| Mejdoul et al. | Artificial neural network based prediction model of daily global solar radiation in Morocco | |
| CN116187807A (zh) | 光伏发电量评估方法、装置、计算机设备、介质和产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20181026 Address after: Valhalla, New York, USA Patentee after: Utopas insight company Address before: New York grams of Armand Patentee before: International Business Machines Corp. |