CN103984859A - 一种基于多元回归算法的太阳日照率计算的方法及系统 - Google Patents
一种基于多元回归算法的太阳日照率计算的方法及系统 Download PDFInfo
- Publication number
- CN103984859A CN103984859A CN201410197956.5A CN201410197956A CN103984859A CN 103984859 A CN103984859 A CN 103984859A CN 201410197956 A CN201410197956 A CN 201410197956A CN 103984859 A CN103984859 A CN 103984859A
- Authority
- CN
- China
- Prior art keywords
- month
- year
- sun
- percentage
- following
- 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
Abstract
本发明涉及一种基于多元回归算法的太阳日照率计算的方法,包括以下步骤,步骤S100,通过天气数据采集装置采集和处理实际天气数据,并将实际天气数据发送给数据库存储,并在数据库中形成过去两年内的历史天气数据;步骤S200,将过去两年内的历史天气数据中的太阳日照率根据过去两年内的历史天气数据中的大气湿度进行从小到大的排列,并将排列后的太阳日照率通过最小二乘法计算原理进行多元回归处理,计算出未来一年内预设月份的太阳日照率;步骤S300,将天气预报数据中的未来一年内预设月份的大气湿度代入到未来一年内预设月份的太阳日照率计算公式中计算出未来一年内预设月份的太阳日照率。本发明解决太阳能辐射预测中,太阳日照率预测的问题。
Description
技术领域
本发明涉及一种太阳日照率的计算方法及系统,具体的涉及一种基于多元回归算法的太阳日照率计算的方法及系统。
背景技术
在全球再生能源利用越来越广的前提下,光伏式发电也渐渐普及了起来。但由于太阳能光伏发电输出功率具有的不可调度,间歇性,随机波动性特征,目前对于太阳能辐射预测的技术在国内外仍处于探索和研究阶段。没有公认的成熟技术和产品。而太阳能辐射预测里面涉及到的一个比较重要的问题,就是未来日的太阳日照率问题,如果不能准确的计算未来日的太阳日照率,那么就会限制太阳能辐射预测的技术。
发明内容
本发明所要解决的技术问题是提供一种基于多元回归算法的太阳日照率计算的方法及系统,能够比较准确的计算出在不同的天气状况下,某一时刻点的湿度对应的太阳日照率,从而解决太阳能辐射预测中,太阳日照率预测的问题。为太阳能辐射预测技术,提供一个有力的支持。
本发明解决上述技术问题的技术方案如下:一种基于多元回归算法的太阳日照率计算方法,包括以下步骤:
步骤S100,通过天气数据采集装置采集和处理实际天气数据,并将实际天气数据发送给数据库存储,并在数据库中形成过去两年内的历史天气数据;
步骤S200,将过去两年内的历史天气数据中的太阳日照率根据过去两年内的历史天气数据中的大气湿度进行从小到大的排列,并将排列后的太阳日照率通过最小二乘法计算原理进行多元回归处理,得出未来一年内预设月份的太阳日照率计算公式,
步骤S300,将天气预报数据中的未来一年内预设月份的大气湿度代入到未来一年内预设月份的太阳日照率计算公式中计算出未来一年内预设月份的太阳日照率。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述未来一年内预设月份的太阳日照率的计算公式为y=a1*x^3+a2*x^2+a3*x+a4,其中,x为未来一年内预设月份的大气湿度减去过去两年内的历史天气数据中与未来一年内预设月份相对应月份的最小大气湿度后除以5的值,a1,a2,a3,a4为计算公式的系数,y为太阳日照率。
进一步,计算未来一年内预设月份的太阳日照率包括晴天太阳日照率的计算,
所述晴天太阳日照率的计算所采集的过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的晴天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的晴天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的晴天的天气实际数据和前年中与未来一年内预设月份相对应月份的晴天的天气实际数据。
进一步,计算未来一年内预设月份的太阳日照率包括雨天太阳日照率的计算,
所述雨天太阳日照率的计算所采集的过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的雨天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的雨天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的前一个月的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的后一个月的雨天的天气实际数据。
进一步,计算未来一年内预设月份的太阳日照率包括阴天太阳日照率的计算,
所述阴天太阳日照率的计算所采集的过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的阴天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的阴天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的前一个月的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的后一个月的阴天的天气实际数据。
进一步,在所述步骤S100中,处理实际天气数据的方法为剔除所有过去两年内的历史天气数据中的日出后30分钟内和日落前40分钟内的实际天气数据。
本发明的有益效果是:本发明一种基于多元回归算法的太阳日照率计算方法,能够比较准确的计算出在不同的天气状况下,某一时刻点的湿度对应的太阳日照率,从而解决太阳能辐射预测中,太阳日照率预测的问题。为太阳能辐射预测技术,提供一个有力的支持。
基于上述一种基于多元回归算法的太阳日照率计算的方法,本发明还提供了一种基于多元回归算法的太阳日照率的计算系统。
一种基于多元回归算法的太阳日照率计算的系统,包括依次连接的天气数据采集装置、数据库和基于多元回归算法的太阳日照率公式计算装置,还包括太阳日照率计算装置,所述太阳日照率计算装置与所述数据库相连,
所述天气数据采集装置用于采集和处理实际天气数据;
所述数据库用于将天气数据采集装置采集和处理的实际天气数据形成过去两年内的历史天气数据;
所述基于多元回归算法的太阳日照率公式计算装置用于将过去两年内的历史天气数据中的太阳日照率根据过去两年内的历史天气数据中的大气湿度进行从小到大的排列,并将排列后的太阳日照率通过最小二乘法计算原理进行多元回归处理,得出未来一年内预设月份的太阳日照率计算公式;
所述数据库还用于存储基于多元回归算法的太阳日照率计算装置计算出来的出未来一年内预设月份的太阳日照率计算公式;
所述太阳日照率计算装置用于向数据库中提取未来一年内预设月份的太阳日照率计算公式,再将天气预报数据中的未来一年内预设月份的大气湿度代入到未来一年内预设月份的太阳日照率计算公式中计算出未来一年内预设月份的太阳日照率。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述未来一年内预设月份的太阳日照率的计算公式为y=a1*x^3+a2*x^2+a3*x+a4,其中,其中x为未来一年内预设月份的大气湿度减去过去两年内的历史天气数据中与未来一年内预设月份相对应月份的最小大气湿度后除以5的值,a1,a2,a3,a4为计算公式的系数,y为日照率。
进一步,所述基于多元回归算法的太阳日照率公式计算装置计算未来一年内预设月份的太阳日照率包括对晴天太阳日照率计算公式的计算、雨天太阳日照率计算公式的计算和阴天太阳日照率计算公式的计算,
当所述晴天太阳日照率计算公式的计算时,数据库中过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的晴天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的晴天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的晴天的天气实际数据和前年中与未来一年内预设月份相对应月份的晴天的天气实际数据;
当所述雨天太阳日照率计算公式的计算时,数据库中过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的雨天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的雨天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的前一个月的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的后一个月的雨天的天气实际数据;
当所述阴天太阳日照率计算公式的计算时,数据库中过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的阴天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的阴天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的前一个月的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的后一个月的阴天的天气实际数据。
进一步,所述天气数据采集装置处理后的实际天气数据为剔除了所有过去两年内的历史天气数据中的日出后30分钟内和日落前40分钟内的实际天气数据。
附图说明
图1为大气湿度与云量的曲线图;
图2大气湿度与日照率的曲线图;
图3为本发明一种基于多元回归算法的太阳日照率计算的方法的流程图;
图4为本发明一种基于多元回归算法的太阳日照率计算的系统的结构框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,随着大气湿度的增加,云量也相应的增加;而随着云量的增加,必然对太阳日照率有影响,因此也间接的证明了如图2所示大气湿度与太阳日照率的相关性。
图3是本发明一种基于多元回归算法的太阳日照率计算的方法的流程图。一种基于多元回归算法的太阳日照率计算方法,包括以下步骤:
步骤S100,通过天气数据采集装置采集和处理实际天气数据,并将实际天气数据发送给数据库存储,并在数据库中形成过去两年内的历史天气数据;
步骤S200,将过去两年内的历史天气数据中的太阳日照率根据过去两年内的历史天气数据中的大气湿度进行从小到大的排列,并将排列后的太阳日照率通过最小二乘法计算原理进行多元回归处理(最小二乘法是一种数学优化技术,通过最小化误差的平方和寻找数据的最佳函数匹配,利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。),得出未来一年内预设月份的太阳日照率计算公式;
步骤S300,将天气预报数据中的未来一年内预设月份的大气湿度代入到未来一年内预设月份的太阳日照率计算公式中计算出未来一年内预设月份的太阳日照率。
为保证太阳日照率计算公式的准确性,那么就必须有一定数据量的实际天气数据。因为在所有的天气里面晴天的数据最多,因此推算晴天计算公式所需要的数据时,采用的数据包括下列4个月的晴天数据,而因为阴天和雨天的数据比较少,则采用的数据包括下列6个月阴天和雨天的数据。计算未来一年内预设月份的太阳日照率计算公式包括晴天太阳日照率的计算,所述晴天太阳日照率的计算所采集的过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的晴天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的晴天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的晴天的天气实际数据和前年中与未来一年内预设月份相对应月份的晴天的天气实际数据;计算未来一年内预设月份的太阳日照率计算公式包括雨天太阳日照率的计算,所述雨天太阳日照率的计算所采集的过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的雨天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的雨天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的前一个月的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的后一个月的雨天的天气实际数据;计算未来一年内预设月份的太阳日照率计算公式包括阴天太阳日照率的计算,所述阴天太阳日照率的计算所采集的过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的阴天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的阴天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的前一个月的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的后一个月的阴天的天气实际数据。
而为了保证数据的准确性,在所述步骤S100中,处理过去的天气实际数据的方法为剔除所有过去的天气数据中的日出后30分钟内和日落前40分钟内的天气实际数据。
在所述步骤S200中,对采集的过去的天气实际数据中的大气湿度数据和太阳日照率数据进行多元回归算法,计算出未来预设月份晴天、雨天和阴天所对应的太阳日照率,所述未来预设月份的太阳日照率的计算公式为y=a1*x^3+a2*x^2+a3*x+a4,其中,x为未来一年内预设月份的大气湿度减去过去两年内的历史天气数据中与未来一年内预设月份相对应月份的最小大气湿度后除以5的值,a1,a2,a3,a4为计算公式的系数,y为日照率。过去两年内的历史天气数据中与未来一年内预设月份相对应月份的最小湿度的设定方法为:因为在用多元回归方法推算计算公式的过程中,首先对收集的数据进行分类,分为晴天数据,阴天数据以及雨天数据,然后根据数据里面的大气湿度进行从大到小进行排序,从第一个数据开始查找,取第一能被5整除的大气湿度,如果在所有的大气湿度数据中,小于等于第一个被5整除的大气湿度的数据的条数在10条或10条以上,则设定这个大气湿度为最小湿度,例如,第一个能被5整除数据的大气湿度为35,那么在所有大气湿度数据里,大气湿度数据小于等于35的数据在10条或者10条以上,设定这个大气湿度35为最小湿度,否则继续往下查找,直到第一个符合上述条件的数据出现,则设定该数据的大气湿度为最小湿度。x设定原因为:因为在进行多元回归计算的过程中,我们对于湿度的设定是一5湿度单位为一个刻度,取5湿度单位里面日照率平均值为该单位最大湿度所对应的日照率来进行推理的,如:40湿度单位-45湿度单位的日照率平均值为0.725,则设定45湿度单位对应的日照率平均值为0.725然后进行多元回归计算。
本发明能够比较准确的计算出在不同的天气状况下,某一时刻点的湿度对应的太阳日照率,从而解决太阳能辐射预测中,太阳日照率预测的问题。为太阳能辐射预测技术,提供一个有力的支持。
基于上述一种基于多元回归算法的太阳日照率计算的方法,本发明还提供了一种基于多元回归算法的太阳日照率的计算系统。如图4所示,一种基于多元回归算法的太阳日照率计算的系统,包括依次连接的天气数据采集装置、数据库和基于多元回归算法的太阳日照率计算装置,还包括太阳日照率计算装置,所述太阳日照率计算装置与所述数据库相连,所述天气数据采集装置用于采集和处理实际天气数据;所述数据库用于将天气数据采集装置采集和处理的实际天气数据形成过去两年内的历史天气数据;所述基于多元回归算法的太阳日照率计算装置用于将过去两年内的历史天气数据中的太阳日照率根据过去两年内的历史天气数据中的大气湿度进行从小到大的排列,并将排列后的太阳日照率通过最小二乘法计算原理进行多元回归处理,的出未来一年内预设月份的太阳日照率计算公式;所述数据库还用于存储基于多元回归算法的太阳日照率计算装置计算出来的未来一年内预设月份的太阳日照率计算公式;所述太阳日照率计算装置用于向数据库中提取未来一年内预设月份的太阳日照率计算公式,再将天气预报数据中的未来一年内预设月份的大气湿度代入到未来一年内预设月份的太阳日照率计算公式中计算出未来一年内预设月份的太阳日照率;在图4中,气象台就是为太阳日照率计算装置提供未来一年内预设月份的大气湿度。
所述未来一年内预设月份的太阳日照率计算公式为y=a1*x^3+a2*x^2+a3*x+a4,其中,其中x为未来一年内预设月份的大气湿度减去过去两年内的历史天气数据中与未来一年内预设月份相对应月份的最小大气湿度后除以5的值,a1,a2,a3,a4为计算公式的系数,y为日照率。
所述基于多元回归算法的太阳日照率公式计算装置计算未来一年内预设月份的太阳日照率包括晴天太阳日照率计算公式的计算、雨天太阳日照率计算公式的计算和阴天太阳日照率计算公式的计算,
当所述晴天太阳日照率计算公式的计算时,数据库中过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的晴天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的晴天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的晴天的天气实际数据和前年中与未来一年内预设月份相对应月份的晴天的天气实际数据;
当所述雨天太阳日照率计算公式的计算时,数据库中过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的雨天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的雨天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的前一个月的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的后一个月的雨天的天气实际数据;
当所述阴天太阳日照率计算公式的计算时,数据库中过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的阴天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的阴天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的前一个月的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的后一个月的阴天的天气实际数据。
所述天气数据采集装置处理后的实际天气数据为剔除了所有过去两年内的历史天气数据中的日出后30分钟内和日落前40分钟内的实际天气数据。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于多元回归算法的太阳日照率计算的方法,其特征在于:包括以下步骤:
步骤S100,通过天气数据采集装置采集和处理实际天气数据,并将实际天气数据发送给数据库存储,并在数据库中形成过去两年内的历史天气数据;
步骤S200,将过去两年内的历史天气数据中的太阳日照率根据过去两年内的历史天气数据中的大气湿度进行从小到大的排列,并将排列后的太阳日照率通过最小二乘法计算原理进行多元回归处理,得出未来一年内预设月份的太阳日照率计算公式;
步骤S300,将天气预报数据中的未来一年内预设月份的大气湿度代入到未来一年内预设月份的太阳日照率计算公式中计算出未来一年内预设月份的太阳日照率。
2.根据权利要求1所述的一种基于多元回归算法的太阳日照率计算的方法,其特征在于:所述未来一年内预设月份的太阳日照率的计算公式为y=a1*x^3+a2*x^2+a3*x+a4,其中,x为未来一年内预设月份的大气湿度减去过去两年内的历史天气数据中与未来一年内预设月份相对应月份的最小大气湿度后除以5的值,a1,a2,a3,a4为计算公式的系数,y为太阳日照率。
3.根据权利要求1或2所述的一种基于多元回归算法的太阳日照率计算的方法,其特征在于:计算未来一年内预设月份的太阳日照率包括晴天太阳日照率的计算;
所述晴天太阳日照率的计算所采集的过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的晴天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的晴天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的晴天的天气实际数据和前年中与未来一年内预设月份相对应月份的晴天的天气实际数据。
4.根据权利要求1或2所述的一种基于多元回归算法的太阳日照率计算的方法,其特征在于:计算未来一年内预设月份的太阳日照率包括雨天太阳日照率的计算;
所述雨天太阳日照率的计算所采集的过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的雨天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的雨天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的前一个月的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的后一个月的雨天的天气实际数据。
5.根据权利要求1或2所述的一种基于多元回归算法的太阳日照率计算的方法,其特征在于:计算未来一年内预设月份的太阳日照率包括阴天太阳日照率的计算;
所述阴天太阳日照率的计算所采集的过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的阴天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的阴天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的前一个月的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的后一个月的阴天的天气实际数据。
6.根据权利要求1或2所述的一种基于多元回归算法的太阳日照率计算的方法,其特征在于:在所述步骤S100中,处理实际天气数据的方法为剔除所有过去两年内的历史天气数据中的日出后30分钟内和日落前40分钟内的实际天气数据。
7.一种基于多元回归算法的太阳日照率计算的系统,其特征在于:包括依次连接的天气数据采集装置、数据库和基于多元回归算法的太阳日照率公式计算装置,还包括太阳日照率计算装置,所述太阳日照率计算装置与所述数据库相连;
所述天气数据采集装置用于采集和处理实际天气数据;
所述数据库用于将天气数据采集装置采集和处理的实际天气数据形成过去两年内的历史天气数据;
所述基于多元回归算法的太阳日照率公式计算装置用于将过去两年内的历史天气数据中的太阳日照率根据过去两年内的历史天气数据中的大气湿度进行从小到大的排列,并将排列后的太阳日照率通过最小二乘法计算原理进行多元回归处理,得出未来一年内预设月份的太阳日照率计算公式;
所述数据库还用于存储基于多元回归算法的太阳日照率计算装置计算出来的未来一年内预设月份的太阳日照率计算公式;
所述太阳日照率计算装置用于向数据库中提取未来一年内预设月份的太阳日照率计算公式,再将天气预报数据中的未来一年内预设月份的大气湿度代入到未来一年内预设月份的太阳日照率计算公式中计算出未来一年内预设月份的太阳日照率。
8.根据权利要求7所述的一种多远回归算法的太阳日照率计算的系统,其特征在于:所述未来一年内预设月份的太阳日照率的计算公式为y=a1*x^3+a2*x^2+a3*x+a4,其中,其中x为未来一年内预设月份的大气湿度减去过去两年内的历史天气数据中与未来一年内预设月份相对应月份的最小大气湿度后除以5的值,a1,a2,a3,a4为计算公式的系数,y为日照率。
9.根据权利要求7或8所述的一种基于多元回归算法的太阳日照率计算的系统,其特征在于:所述基于多元回归算法的太阳日照率公式计算装置计算未来一年内预设月份的太阳日照率计算公式包括对晴天太阳日照率计算公式的计算、雨天太阳日照率计算公式的计算和阴天太阳日照率计算公式的计算,
当所述晴天太阳日照率计算公式的计算时,数据库中过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的晴天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的晴天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的晴天的天气实际数据和前年中与未来一年内预设月份相对应月份的晴天的天气实际数据;
当所述雨天太阳日照率计算公式的计算时,数据库中过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的雨天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的雨天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的前一个月的雨天的天气实际数据、前年中与未来一年内预设月份相对应月份的后一个月的雨天的天气实际数据;
当所述阴天太阳日照率计算公式的计算时,数据库中过去两年内的历史天气数据包括:去年中与未来一年内预设月份相对应月份的阴天的天气实际数据、去年中与未来一年内预设月份相对应月份的前一个月的阴天的天气实际数据、去年中与未来一年内预设月份相对应月份的后一个月的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的前一个月的阴天的天气实际数据、前年中与未来一年内预设月份相对应月份的后一个月的阴天的天气实际数据。
10.根据权利要求7或8所述的一种基于多元回归算法的太阳日照率计算的系统,其特征在于:所述天气数据采集装置处理后的实际天气数据为剔除了所有过去两年内的历史天气数据中的日出后30分钟内和日落前40分钟内的实际天气数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410197956.5A CN103984859B (zh) | 2014-05-12 | 2014-05-12 | 一种基于多元回归算法确定太阳日照率的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410197956.5A CN103984859B (zh) | 2014-05-12 | 2014-05-12 | 一种基于多元回归算法确定太阳日照率的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103984859A true CN103984859A (zh) | 2014-08-13 |
CN103984859B CN103984859B (zh) | 2017-04-12 |
Family
ID=51276827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410197956.5A Active CN103984859B (zh) | 2014-05-12 | 2014-05-12 | 一种基于多元回归算法确定太阳日照率的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103984859B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600060A (zh) * | 2016-12-15 | 2017-04-26 | 河海大学常州校区 | 基于相似日晴朗系数修正的太阳辐照量预测方法 |
CN116587907A (zh) * | 2023-07-18 | 2023-08-15 | 深圳市瑞凯诺科技有限公司 | 智能移动充电桩的充电控制方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP2013084736A (ja) * | 2011-10-07 | 2013-05-09 | Chugoku Electric Power Co Inc:The | 太陽光発電出力推定装置及び太陽光発電出力推定方法 |
CN103390199A (zh) * | 2013-07-18 | 2013-11-13 | 国家电网公司 | 光伏发电量/发电功率预测装置 |
CN103390902A (zh) * | 2013-06-04 | 2013-11-13 | 国家电网公司 | 一种基于最小二乘法的光伏电站超短期功率预测方法 |
CN103489038A (zh) * | 2013-09-09 | 2014-01-01 | 国家电网公司 | 基于lm-bp神经网络的光伏超短期功率预测方法 |
CN103761578A (zh) * | 2013-12-25 | 2014-04-30 | 国家电网公司 | 基于多元线性回归的太阳辐照预报方法 |
-
2014
- 2014-05-12 CN CN201410197956.5A patent/CN103984859B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP2013084736A (ja) * | 2011-10-07 | 2013-05-09 | Chugoku Electric Power Co Inc:The | 太陽光発電出力推定装置及び太陽光発電出力推定方法 |
CN103390902A (zh) * | 2013-06-04 | 2013-11-13 | 国家电网公司 | 一种基于最小二乘法的光伏电站超短期功率预测方法 |
CN103390199A (zh) * | 2013-07-18 | 2013-11-13 | 国家电网公司 | 光伏发电量/发电功率预测装置 |
CN103489038A (zh) * | 2013-09-09 | 2014-01-01 | 国家电网公司 | 基于lm-bp神经网络的光伏超短期功率预测方法 |
CN103761578A (zh) * | 2013-12-25 | 2014-04-30 | 国家电网公司 | 基于多元线性回归的太阳辐照预报方法 |
Non-Patent Citations (3)
Title |
---|
KUN YANG ET AL.: "ESTIMATING SURFACE SOLAR RADIATION FROM UPPER-AIR HUMIDITY", 《SOLAR ENERGY》 * |
M. A. ABDULAZEEZ: "Artificial Neural Network Estimation of Global Solar Radiation Using Meteorological Parameters in Gusau, Nigeria", 《ARCHIVES OF APPLIED SCIENCE RESEARCH》 * |
刘可群等: "日太阳总辐射推算模型", 《中国农业气象》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600060A (zh) * | 2016-12-15 | 2017-04-26 | 河海大学常州校区 | 基于相似日晴朗系数修正的太阳辐照量预测方法 |
CN106600060B (zh) * | 2016-12-15 | 2020-08-04 | 河海大学常州校区 | 基于相似日晴朗系数修正的太阳辐照量预测方法 |
CN116587907A (zh) * | 2023-07-18 | 2023-08-15 | 深圳市瑞凯诺科技有限公司 | 智能移动充电桩的充电控制方法及系统 |
CN116587907B (zh) * | 2023-07-18 | 2023-09-15 | 深圳市瑞凯诺科技有限公司 | 智能移动充电桩的充电控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103984859B (zh) | 2017-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388956B (zh) | 考虑辐射衰减的光伏功率预测方法 | |
Stefenon et al. | Photovoltaic power forecasting using wavelet Neuro-Fuzzy for active solar trackers | |
CN109524993B (zh) | 用于中长期优化调度的风电光伏典型周出力场景生成方法 | |
Junior et al. | On the use of maximum likelihood and input data similarity to obtain prediction intervals for forecasts of photovoltaic power generation | |
US20120166085A1 (en) | Solar power monitoring and predicting of solar power output | |
Yang et al. | Classification and summarization of solar irradiance and power forecasting methods: A thorough review | |
CN116011686B (zh) | 基于多数据融合的充电棚光伏发电储量预测方法 | |
CN105426956A (zh) | 一种超短期光伏预测方法 | |
CN109345046B (zh) | 光伏功率的预测方法及装置 | |
EP3026774B1 (en) | Method for the control of power ramp-rates minimizing energy storage requirements in intermittent power generation plants | |
CN104601104B (zh) | 基于lssvm带arma修正的超短期光伏预测方法 | |
CN104021427A (zh) | 一种基于因子分析的并网光伏电站日发电量预测方法 | |
CN105162141A (zh) | 考虑风电不确定性及电压稳定性因素的电网无功优化方法 | |
CN105701562B (zh) | 训练方法、所适用的预测发电功率的方法及各自系统 | |
CN114048896B (zh) | 光伏发电数据的预测方法、系统、设备及介质 | |
CN104268659A (zh) | 一种光伏电站发电功率超短期预测方法 | |
CN106548285B (zh) | 计及小水电出力的趸售电量预测方法 | |
CN114792156A (zh) | 基于曲线特征指标聚类的光伏输出功率预测方法和系统 | |
CN105512775A (zh) | 一种光伏发电系统的功率预测方法 | |
CN115441447B (zh) | 一种新能源发电功率预测方法 | |
CN103984991A (zh) | 一种基于微气象数据的分布式太阳能辐射预测方法及系统 | |
CN109960885A (zh) | 一种分布式光伏发电功率预测方法 | |
CN112561189A (zh) | 一种适用于光伏电站发电量预测方法 | |
WO2017049428A1 (zh) | 一种基于备用对象代价性能比的旋转备用容量优化方法 | |
CN103984859A (zh) | 一种基于多元回归算法的太阳日照率计算的方法及系统 |
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 |