CN104680241A - 再生能源发电量预测系统及方法以及供电配置系统 - Google Patents

Abstract

本发明揭露一种再生能源发电量预测系统及方法以及供电配置系统。再生能源发电量预测系统包含测量模块以及控制模块。测量模块用以测量至少一再生能源发电装置的发电量，并输出多个历史发电量数值。控制模块包含运算单元以及机器学习单元。运算单元用以根据历史发电量数值计算历史发电量变化率。机器学习单元用以根据历史发电量变化率，估算预测发电量。

Description

再生能源发电量预测系统及方法以及供电配置系统

技术领域

本发明是有关于一种预测系统及方法，且特别是有关于一种再生能源发电量预测系统及再生能源发电量预测方法以及一种供电配置系统。

背景技术

再生能源发电量预测系统是用以预测再生能源发电装置的发电量，并可根据该预测发电量对供电网络的供电进行配置。然而，已知技术需要同时考虑许多影响因子，例如：环境因子中的日照、温度、湿度、风力、雨量…等以及系统因子中的零组件故障率、接线问题…等，使得预测时需要执行大量的运算，造成系统运算量庞大与运算时间冗长，且预测结果的准确率也不高。

发明内容

因此，本发明的一方面是在提供一种再生能源发电量预测系统，其包含测量模块以及控制模块。测量模块用以测量至少一再生能源发电装置的发电量，并输出多个历史发电量数值。控制模块包含运算单元以及机器学习（Machine Learning）单元。运算单元用以根据历史发电量数值计算历史发电量变化率。机器学习单元用以根据历史发电量变化率，估算预测发电量。

依据本发明一实施例，于上述再生能源发电量预测系统中，历史发电量变化率为相邻两历史时间所测量的历史发电量数值的变化率。

依据本发明次一实施例，于上述再生能源发电量预测系统中，历史发电量变化率是通过下列数学式计算产生：

$\frac{P(t\_1)-P(t\_2)}{P(t\_1)},\frac{P(t\_2)-P(t\_3)}{P(t\_2)},\frac{P(t\_3)-P(t\_4)}{P(t\_3)},\·\·\·\frac{P(t\_n-1)-P(t\_n)}{P(t\_n-1)},$

其中n为大于2的正整数，P(t_1)、P(t_2)、P(t_3)…P(t_n)为测量模块于相异的历史时间t_1、t_2、…、t_n所测量并产生的历史发电量数值。

本发明的另一方面是在提供一种再生能源发电量预测方法，再生能源发电量预测方法包含下列步骤：测量至少一再生能源发电装置的发电量，以产生多个历史发电量数值；根据历史发电量数值，计算多个历史发电量变化率；以及根据历史发电量变化率，估算预测发电量。

依据本发明一实施例，于上述再生能源发电量预测方法中，历史发电量变化率为相邻两历史时间所测量的历史发电量数值的变化率。

依据本发明次一实施例，于上述再生能源发电量预测方法中，历史发电量变化率是通过下列数学式计算产生：

$\frac{P(t\_1)-P(t\_2)}{P(t\_1)},\frac{P(t\_2)-P(t\_3)}{P(t\_2)},\frac{P(t\_3)-P(t\_4)}{P(t\_3)},\·\·\·\frac{P(t\_n-1)-P(t\_n)}{P(t\_n-1)},$

其中n为一大于2的正整数，P(t_1)、P(t_2)、P(t_3)…P(t_n)为于多个相异的历史时间t_1、t_2、…、t_n所测量并产生的历史发电量数值。本发明的另一方面是在提供一种供电配置系统，用以配置至少一再生能源发电装置对多个负载装置的供电，该供电配置系统包含：测量模块、控制模块以及负载调控模块。测量模块用以测量再生能源发电装置的发电量，并输出多个历史发电量数值。控制模块包含运算单元以及机器学习单元，其中运算单元用以根据历史发电量数值计算多个历史发电量变化率，机器学习单元用以根据历史发电量变化率，估算预测发电量。负载调控模块用以比较预测发电量与负载所需电量，当预测发电量小于负载所需电量时，负载调控模块控制部分负载装置进行卸载或接收一额外的外部电能，当预测发电量大于负载所需电量时，负载调控模块控制部分负载装置进行加载。

依据本发明一实施例，于上述供电配置系统中，历史发电量变化率为相邻两历史时间所测量的历史发电量数值的变化率。

依据本发明次一实施例，于上述供电配置系统中，历史发电量变化率是通过下列数学式计算产生：

$\frac{P(t\_1)-P(t\_2)}{P(t\_1)},\frac{P(t\_2)-P(t\_3)}{P(t\_2)},\frac{P(t\_3)-P(t\_4)}{P(t\_3)},\·\·\·\frac{P(t\_n-1)-P(t\_n)}{P(t\_n-1)},$

其中n为大于2的正整数，P(t_1)、P(t_2)、P(t_3)…P(t_n)为于相异的历史时间t_1、t_2、…、t_n所测量并产生的历史发电量数值。

依据本发明再一实施例，于上述供电配置系统中，额外的外部电能为一市电电力。

依据本发明次又一实施例，于上述供电配置系统中，负载所需电量为负载装置于临界值负载所需的电量的总和。

依据本发明另又一实施例，于上述供电配置系统中，负载调控模块是依照卸载优先顺序，控制部分负载装置依序进行卸载。

依据本发明另再一实施例，于上述供电配置系统中，负载调控模块是依照加载优先顺序，控制部分负载装置依序进行加载。

依据本发明再又一实施例，于上述供电配置系统中，当预测发电量大于负载所需电量时，负载调控模块还用以控制再生能源发电装置提供一输出电能至外部电力网络。

应用本发明的优点在于通过使用历史发电量变化率与机器学习演算法来预测再生能源的发电量，如此可省去已知预测方法因为需要同时考虑许多影响因子，例如：环境因子中的日照、温度、湿度、风力、雨量…等以及系统因子中的零组件故障率、接线问题…等所造成的大量运算，可以有效节省系统运算量与运算时间，且于实验中可发现，本发明所预测的发电量相较于已知技术更为准确。而轻易地达到上述的目的。

附图说明

图1为本发明一实施例中，一种再生能源发电量预测系统的方块示意图；

图2为本发明一实施例中，一种再生能源发电量预测方法的流程示意图；

图3为本发明一实施例中，一种供电配置系统的方块示意图。

具体实施方式

下文是举实施例配合所附附图作详细说明，但所提供的实施例并非用以限制本发明所涵盖的范围，而结构运作的描述非用以限制其执行的顺序，任何由元件重新组合的结构，所产生具有均等功效的装置，皆为本发明所涵盖的范围。此外，附图仅以说明为目的，并未依照原尺寸作图。为使便于理解，下述说明中相同元件将以相同的符号标示来说明。

在全篇说明书与申请专利范围所使用的用词（terms），除有特别注明外，通常具有每个用词使用在此领域中、在此揭露的内容中与特殊内容中的平常意义。某些用以描述本揭露的用词将于下或在此说明书的别处讨论，以提供本领域技术人员在有关本揭露的描述上额外的引导。

另外，关于本文中所使用的“耦接”或“连接”，均可指二或多个元件相互直接作实体或电性接触，或是相互间接作实体或电性接触，亦可指二或多个元件相互操作或动作。

请参照图1。图1为本发明一实施例中，一种再生能源发电量预测系统100的方块示意图。

再生能源发电量预测系统100用以预测至少一再生能源发电装置102于未来一时间点的发电量，其中该未来时间点可为一秒钟后、一分钟后、一小时后、一天后或一周后等任一未来时间。

于一实施例中，上述再生能源发电装置102可包含太阳能发电装置、风力发电装置、潮汐发电装置、地热发电装置或水力发电装置等再生能源发电装置。举例来说，上述再生能源发电装置102包含三组太阳能发电机组、两组风力发电机组以及一组地热发电机组。

再生能源发电量预测系统100包含测量模块110以及控制模块120。

测量模块110用以测量上述再生能源发电装置102的发电量，并输出多个历史发电量数值112。

控制模块120包含运算单元122以及机器学习（Machine Learning）单元124。运算单元122用以根据历史发电量数值112计算多个历史发电量变化率114。机器学习单元124用以根据历史发电量变化率114估算预测发电量。

于一实施例中，历史发电量变化率114为相邻两历史时间所测量的历史发电量数值的变化率。

于另一实施例中，历史发电量变化率114是通过下列数学式计算产生：

$\frac{P(t\_1)-P(t\_2)}{P(t\_1)},\frac{P(t\_2)-P(t\_3)}{P(t\_2)},\frac{P(t\_3)-P(t\_4)}{P(t\_3)},\·\·\·\frac{P(t\_n-1)-P(t\_n)}{P(t\_n-1)},$

其中n为一大于2的正整数，P(t_1)、P(t_2)、P(t_3)…P(t_n)为测量模块110于相异的历史时间t_1、t_2、…、t_n所测量并产生的历史发电量数值。

于一例子中，再生能源发电量预测系统100欲估算再生能源发电装置102于一未来时间点t时的预测发电量。测量模块110输出再生能源发电装置102分别于一千个过去时间点t_1、t_2、t_3、…t_1000的历史发电量数值P(t_1)、P(t_2)、P(t_3)…P(t_1000)。运算单元122根据上述一千个历史发电量数值计算出下列999个历史发电量变化率：

$\frac{P(t\_1)-P(t\_2)}{P(t\_1)},\frac{P(t\_2)-P(t\_3)}{P(t\_2)},\frac{P(t\_3)-P(t\_4)}{P(t\_3)},\·\·\·\frac{P(t\_999)-P\left(1000\right)}{P(t\_999)},$

然后机器学习单元124对上述999个历史发电量变化率执行一估算程序，并将估算结果Pf(t)做为再生能源发电装置102于未来时间点t时的预测发电量。

另外需说明的是，上述用于估算预测发电量的历史发电量数值并不限于1000个，历史发电量变化率亦不限于999个。举例来说，运算单元122是对500个历史发电数值计算出300个历史发电量变化率。

其次，于另一实施例中，机器学习单元124对上述历史发电量变化率利用一类神经网络（Neural Network）、一模糊类神经网络（Fuzzy NeuralNetwork）、一基因演算法（Genetic Algorithm）、一粒子群优化演算法中的一者或上述四者的组合，估算出预测发电量。

以上实施例通过使用历史发电量变化率与机器学习演算法来预测再生能源的发电量，如此可省去已知预测方法因为需要同时考虑许多影响因子，例如：环境因子中的日照、温度、湿度、风力、雨量…等以及系统因子中的零组件故障率、接线问题…等，所造成的大量运算，可以有效节省系统运算量与运算时间，且于实验中可发现，本发明所预测的发电量相较于已知技术更为准确。

请参照图2。图2为依据本发明一实施例绘示一种再生能源发电量预测方法的流程示意图。再生能源发电量预测方法可实作为一计算机程序产品（如应用程序），并储存于一计算机可读取记录媒体中，而使计算机读取此记录媒体后执行再生能源发电量预测方法。计算机可读取记录媒体可为只读记忆体、快闪记忆体、软盘、硬盘、光盘、随身盘、磁带、可由网络存取的数据库或熟悉此技艺者可轻易思及具有相同功能的计算机可读取记录媒体。此再生能源发电量预测方法可应用于如图1所绘示的再生能源发电量预测系统100中，但不以其为限。为方便及清楚说明起见，下列再生能源发电量预测方法的叙述是配合图1所示的再生能源发电量预测系统100作说明。

于步骤202，测量模块110测量至少一再生能源发电装置102的发电量，以产生多个历史发电量数值112。接着在步骤204中，运算单元122根据上述历史发电量数值112计算多个历史发电量变化率114。然后于步骤206中，机器学习单元124根据上述历史发电量变化率114估算预测发电量。

请参照图3。图3为本发明一实施例中，一种供电配置系统300的方块示意图。

供电配置系统300用以配置至少一再生能源发电装置102a对多个负载装置310的供电。其中再生能源发电装置102a可为图1中所示的再生能源发电装置102，其功能与操作均类似，故在此不再赘述。

在一实施例中，负载装置310可包含冷气机、电视、电风扇、电灯、电脑、吹风机、饮水机等任何使用电能驱动的装置。举例来说，负载装置310可包含一台窗型冷气机、一台分离式冷气机、一台电风扇、两台个人电脑以及一台电视机。

供电配置系统300包含测量模块110a、控制模块120a以及负载调控模块320。其中测量模块110a、控制模块120a、运算单元122a以及机器学习单元124a分别可为图1中所示的测量模块110、控制模块120、运算单元122以及机器学习单元124，其功能与操作均类似，故在此不再赘述。

负载调控模块320用以比较机器学习单元124a所输出的预测发电量116与一负载所需电量。当预测发电量116小于负载所需电量时，则负载调控模块320控制部分负载装置310进行卸载或加入一外部电能至负载装置310，当预测发电量116大于负载所需电量时，则负载调控模块320控制部分负载装置310进行加载。

于一实施例中，当预测发电量116小于负载装置310于临界值负载所需的电量的总和时，负载调控模块320依序卸载负载装置310，直到预测发电量116大于或等于负载装置310于临界值负载所需的电量的总和。举例来说，负载装置310包含一台分离式冷气机、一台电视机、一台个人电脑、一台电风扇以及一盏台灯，在上述装置皆利用再生能源发电装置102a所提供的电能运作的情形下，当预测发电量116小于上述装置于临界值负载所需的电量的总和时，负载调控模块320依序卸载分离式冷气机、电风扇、电视机、个人电脑以及台灯，直到预测发电量116大于或等于剩下的装置于临界值负载所需的电量的总和。若分离式冷气机以及电风扇被卸载后，预测发电量116即已大于或等于电视机、个人电脑以及台灯于临界值负载所需的电量的总和，则不继续卸载电视机、个人电脑以及台灯。

于另一实施例中，当预测发电量116小于负载装置310于临界值负载所需的电量的总和时，负载调控模块320控制负载装置310接收一额外的外部电能，以维持负载装置310继续正常运作。举例来说，负载装置310包含一台窗型冷气机、一台收音机、一台个人电脑以及一盏日光灯，在上述装置皆利用再生能源发电装置102a所提供的电能运作的情形下，当预测发电量116小于上述装置于临界值负载所需的电量的总和时，负载调控模块320加入一市电供电至上述装置以维持所述装置继续正常运作。

于一实施例中，当预测发电量116大于负载装置310于临界值负载所需的电量的总和时，则负载调控模块320控制部分负载装置310进行加载，直到负载装置310于临界值负载所需的电量的总和达到预测发电量116。举例来说，负载装置310包含一台窗型冷气机、一台床头音响、一台个人电脑、一台除湿机以及一盏日光灯。在日光灯以及个人电脑正在利用再生能源发电装置102a所提供的电能运作的情形下，当预测发电量116大于日光灯以及个人电脑于临界值负载所需的电量的总和时，负载调控模块126依序加载窗型冷气机、床头音响以及除湿机，直到上述装置临界值负载所需的电量的总和达到预测发电量116。举例来说，若窗型冷气机以及床头音响被加载后，日光灯、个人电脑、窗型冷气机以及床头音响于临界值负载所需的电量的总和即已达到预测发电量116，则不继续加载除湿机。

于一实施例中，当预测发电量116大于负载装置310于临界值负载所需的电量的总和时，负载调控模块320还用以控制再生能源发电装置102a提供一输出电能至一外部电力网络。举例来说，负载装置310包含一台窗型冷气机、一台电冰箱、一台电视机以及一盏日光灯，在上述装置皆利用再生能源发电装置102a所提供的电能运作的情形下，当预测发电量116大于上述装置于临界值负载所需的电量的总和时，负载调控模块320控制再生能源发电装置102a提供一输出电能至市电网络。

本发明的再生能源发电量预测系统通过使用历史发电量变化率与机器学习演算法来预测再生能源的发电量，如此可省去已知预测方法因为需要同时考虑许多影响因子，例如：环境因子中的日照、温度、湿度、风力、雨量…等以及系统因子中的零组件故障率、接线问题…等所造成的大量运算，可以有效节省系统运算量与运算时间，且于实验中可发现，本发明所预测的发电量相较于已知技术更为准确。

应了解到，在本实施方式中所提及的步骤，除特别叙明其顺序者外，均可依实际需要调整其前后顺序，甚至可同时或部分同时执行。

虽然本发明已以实施方式揭露如上，然其并非用以限定本发明，任何熟悉此技艺者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰，因此本发明的保护范围当视所附的权利要求书所界定的范围为准。

Claims (14)

1.一种再生能源发电量预测系统，其特征在于，包含：

一测量模块，用以测量至少一再生能源发电装置的发电量，并输出多个历史发电量数值；以及

一控制模块，该控制模块包含：一运算单元，该运算单元用以根据所述历史发电量数值计算多个历史发电量变化率；以及一机器学习单元，该机器学习单元用以根据所述历史发电量变化率，估算一预测发电量。

2.根据权利要求1所述的再生能源发电量预测系统，其特征在于，所述历史发电量变化率为相邻两历史时间所测量的历史发电量数值的变化率。

3.根据权利要求1所述的再生能源发电量预测系统，其特征在于，所述历史发电量变化率是通过下列数学式计算产生：

$\frac{P(t\_1)-P(t\_2)}{P(t\_1)},\frac{P(t\_2)-P(t\_3)}{P(t\_2)},\frac{P(t\_3)-P(t\_4)}{P(t\_3)},\·\·\·\frac{P(t\_n-1)-P(t\_n)}{P(t\_n-1)},$

其中n为一大于2的正整数，P(t_1)、P(t_2)、P(t_3)…P(t_n)为该测量模块于多个相异的历史时间t_1、t_2、…、t_n所测量并产生的多个历史发电量数值。

4.一种再生能源发电量预测方法，其特征在于，包含：

测量至少一再生能源发电装置的发电量，以产生多个历史发电量数值；

根据所述历史发电量数值，计算多个历史发电量变化率；以及

根据所述历史发电量变化率，估算一预测发电量。

5.根据权利要求4所述的再生能源发电量预测方法，其特征在于，所述历史发电量变化率为相邻两历史时间所测量的历史发电量数值的变化率。

6.根据权利要求4所述的再生能源发电量预测方法，其特征在于，所述历史发电量变化率是通过下列数学式计算产生：

$\frac{P(t\_1)-P(t\_2)}{P(t\_1)},\frac{P(t\_2)-P(t\_3)}{P(t\_2)},\frac{P(t\_3)-P(t\_4)}{P(t\_3)},\·\·\·\frac{P(t\_n-1)-P(t\_n)}{P(t\_n-1)},$

其中n为一大于2的正整数，P(t_1)、P(t_2)、P(t_3)…P(t_n)为于多个相异的历史时间t_1、t_2、…、t_n所测量并产生的多个历史发电量数值。

7.一种供电配置系统，其特征在于，用以配置至少一再生能源发电装置对多个负载装置的供电，该供电配置系统包含：

一测量模块，用以测量该再生能源发电装置的发电量，并输出多个历史发电量数值；

一控制模块，该控制模块包含：一运算单元，用以根据所述历史发电量数值计算多个历史发电量变化率；一机器学习单元，用以根据所述历史发电量变化率，估算一预测发电量；以及

一负载调控模块，用以比较该预测发电量与一负载所需电量，并控制所述负载装置，其中当该预测发电量小于该负载所需电量时，该负载调控模块控制部分所述负载装置进行卸载或接收一额外的外部电能，当该预测发电量大于该负载所需电量时，该负载调控模块控制部分所述负载装置进行加载。

8.根据权利要求7所述的供电配置系统，其特征在于，所述历史发电量变化率为相邻两历史时间所测量的历史发电量数值的变化率。

9.根据权利要求7所述的供电配置系统，其特征在于，所述历史发电量变化率是通过下列数学式计算产生：

$\frac{P(t\_1)-P(t\_2)}{P(t\_1)},\frac{P(t\_2)-P(t\_3)}{P(t\_2)},\frac{P(t\_3)-P(t\_4)}{P(t\_3)},\·\·\·\frac{P(t\_n-1)-P(t\_n)}{P(t\_n-1)},$

其中n为一大于2的正整数，P(t_1)、P(t_2)、P(t_3)…P(t_n)为该测量模块于多个相异的历史时间t_1、t_2、…、t_n所测量并产生的多个历史发电量数值。

10.根据权利要求7所述的供电配置系统，其特征在于，该额外的外部电能为一市电电力。

11.根据权利要求7所述的供电配置系统，其特征在于，该负载所需电量为所述负载装置于临界值负载所需的电量的总和。

12.根据权利要求7所述的供电配置系统，其特征在于，该负载调控模块是依照一卸载优先顺序，控制部分所述负载装置依序进行卸载。

13.根据权利要求7所述的供电配置系统，其特征在于，该负载调控模块是依照一加载优先顺序，控制部分所述负载装置依序进行加载。

14.根据权利要求7所述的供电配置系统，其特征在于，当该预测发电量大于该负载所需电量时，该负载调控模块还用以控制该再生能源发电装置提供一输出电能至一外部电力网络。