CN105005937B - 一种基于晴空指数的光伏电站出力时序模拟方法 - Google Patents
一种基于晴空指数的光伏电站出力时序模拟方法 Download PDFInfo
- Publication number
- CN105005937B CN105005937B CN201510208209.1A CN201510208209A CN105005937B CN 105005937 B CN105005937 B CN 105005937B CN 201510208209 A CN201510208209 A CN 201510208209A CN 105005937 B CN105005937 B CN 105005937B
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- clearness index
- index
- formula
- angle
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005070 sampling Methods 0.000 claims abstract description 18
- 230000002123 temporal effect Effects 0.000 claims abstract description 13
- 238000005315 distribution function Methods 0.000 claims abstract description 8
- 230000005855 radiation Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000001419 dependent effect Effects 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 abstract description 3
- 241000196324 Embryophyta Species 0.000 description 40
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Landscapes
- Photovoltaic Devices (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及本发明涉及一种基于晴空指数的光伏电站出力时序模拟方法,其步骤:1)获取光区地理信息,晴空指数的自相关系数和晴空指数概率模型的相关参数;2)根据各光区所在地理位置计算各时刻平地直射辐照;3)根据光伏阵列跟踪模式计算光伏阵列倾斜指数和对地倾角;4)生成符合各光区晴空指数时空相关性的正态分布向量序列;5)采样各光区的日类型,根据日类型对应各光区晴空指数的概率分布;6)利用相关正态分布时间序列和晴空指数概率分布函数进行采样得到各光区晴空指数;7)计算各光伏电站光伏板上辐照;8)利用各光伏电站光伏板辐照根据不同类型光伏阵列的出力公式计算出各光区的光伏电站出力。
Description
技术领域
本发明涉及电力系统分析领域,尤其涉及一种基于晴空指数的光伏电站出力时序模拟方法。
背景技术
研究表明,光伏板出力与表面辐射强度成正比,与环境温度成线性关系:
其中Pt表示光伏板的出力;Pstc表示光伏板的额定出力,定义为标准条件下太阳能电池板的出力(标准条件下的太阳辐射强度Istc=1000W/m2,温度Tstc=25℃);I0t表示大气层外平面太阳光辐射强度,仅随太阳与地球的相对位置有关;kt为晴空指数,定义为地表平面总辐射It与大气层外平面太阳辐射强度I0t的比值;Rb为光伏板倾斜指数,表示第t时段倾斜面上的太阳辐射强度与地表平面辐射强度的比值;Tt代表大气温度,αT是光伏板的功率温度系数。
通常温度对光伏出力的影响相对较小,于是忽略温度对于光伏板出力的影响,生成光伏板表面光照强度时序曲线是光伏出力时序模拟的关键。
杨婧等(2011)给出了全球太阳辐照模型如下:
I0t=I0sinα
sinα=sinφsinδ+cosφcosδcosω
ω=(t-12)×15°+(ψ-120°)(以东八区为例)
S0是太阳常数,N表示日序数,φ为该地区的纬度(北纬为正,南纬为负),δ代表赤纬角,即地球赤道平面与太阳和地球中心的连线之间的夹角,ω表示时角。
太阳方向角A的计算公式:
由于太阳入射角变化规律与光伏阵列跟踪形式紧密相关,传统的光伏出力模拟并没有考虑这一点。
对于服从一定概率分布的物理量的时序模拟一般有以下3种方法:
1)非贯序蒙特卡洛法,直接根据分布密度函数进行多次随机采样,生成对应的时间序列,该方法能够保证分布特性,但完全忽略了原物理量的时序特征,由此得到的时间序列无法保证物理量变化的剧烈程度与实际相同。
2)时间序列ARIMA模型法,该方法首先利用ARIMA模型对历史数据进行建模,确定ARIMA模型的各参数。之后,利用所得ARIMA模型生成对应的时间序列。该方法考虑了时序特征,能够模拟原物理量变化的剧烈程度,但该方法没有考虑分布特性,得到的时间序列的概率分布无法满足期望的典型分布。
3)随机差分方程,该方法根据随机过程的中随机微分方程的理论,考虑时间序列的自相关与物理量的概率分布函数,解析化的给出了物理量的随机微分方程,将随机微分方程变换为随机差分方程后,即可利用差分方程迭代生成时间序列。该方法既考虑概率分布,又考虑时序特征,能够得到符合历史数据随机特征的时间序列。
距离相近的光伏电站的辐照表现出强相关的特性,可采用随机微分方程的模型生成非独立的时间序列。
发明内容
本发明目的在于克服以上现有技术之不足,提供一种基于晴空指数的光伏电站出力时序模拟方法,具体有以下技术方案实现:
所述基于晴空指数的光伏电站出力时序模拟方法,包括下列步骤:
1)获取光区地理信息,晴空指数的自相关系数和晴空指数概率模型的参数;
2)根据各光区所在的地理信息以及所述参数,计算各时刻平地直射辐照;
3)根据光伏阵列跟踪模式并计算光伏阵列倾斜指数和对地倾角;
4)生成符合各光区晴空指数时空相关性的正态分布向量序列;
5)采样各光区的日类型,根据日类型得到各光区的晴空指数的概率分布;
6)利用所述相关正态分布时间序列和晴空指数概率分布函数进行采样得到各光区晴空指数;
7)根据各时刻平地直射辐照与所述参数,计算各光伏电站光伏板上辐照;
8)利用各光伏电站光伏板辐照根据不同类型光伏阵列的出力公式计算出各光区的光伏电站出力。
所述基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,所述步骤1)中,将需要模拟的光伏电站群根据地理位置分为N个光区,并获取每个光区的基本信息,包括各光区所在地的纬度φ、经度ψ、各类天气类型的概率ph、晴空指数参数kth与晴空指数的自相关系数θ1,θ2,...,θN以及各光区晴空指数相关系数矩阵Σ;同时,获取各光伏电站的光伏阵列的跟踪模式。
所述基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,所述步骤1)中,光伏阵列的跟踪模式的获取包括:
对于固定式光伏板以及倾斜单轴光伏板,获取倾斜角度β;
对于水平单轴和倾斜单轴光伏板,获取跟踪轴方位角γr,时序模拟的时间区间[t1,t2]。
所述基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,所述步骤
2)中,根据各光区所在地理位置计算各时刻平地直射辐照I0t,根据全球太阳辐照模型以及光区所在地纬度φ、经度ψ,计算各时刻t∈[t1,t2]各光区平地直射辐照I0t。
所述基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,所述步骤3)中,根据光伏阵列跟踪模式,由式(1)计算出光伏阵列各时刻t∈[t1,t2]倾斜指数Rb,t,和对地倾角β,根据全球太阳辐照模型得出:
Rb=cosθ/sinα (1)
其中,sinα为太阳高度角正弦值,cosθ为太阳直射光线到倾斜面的入射角的余弦值;
接着,分情况计算各类型光伏板各时刻太阳光与光伏板夹角余弦值cosθ:
a)对于固定式光伏阵列,根据其对地倾角β,方位角γ,根据式计(8)算其太阳光与光伏板夹角余弦值cosθ:
cosθ=sinαcosβ+cosαsinβcos(γ-A) (8)
固定光伏阵列无追踪角,任意时刻相对于水平面的倾角均为β:
b)对于水平单轴跟踪光伏阵列,获取跟踪轴方位角γr,根据式(9)计算其太阳光与光伏板夹角余弦值cosθ:
水平跟踪轴光伏阵列各时刻与地面倾角ρ即为追踪角βt;
c)对于倾斜单轴跟踪光伏阵列,获取跟踪轴倾角βr,方位角γr,根据下式计算其太阳光与光伏板夹角余弦值cosθ与对地倾角βt:
对于双轴跟踪光伏阵列,太阳光与光伏板夹角为0,余弦值cosθ=1:
所述基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,所述步骤
4)中,利用随机差分方程生成符合各光区晴空指数时空相关性的正态分布向量序列,根据各地区晴空指数的自相关系数向量θ=[θ1,θ2,...,θN]T以及其相关系数矩阵Σ,由式(2)、(3)生成包含时空相关性的正态分布向量序列:
X(t)=dX(t)+X(t-1) (3)
上式中,DW为相关系数矩阵为Σ的非独立正态分布序列,X(t)=[x1,t,x2,t,…,xN,t]表示第t时刻模拟得到的各光区的随机数向量。
所述基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,所述步骤5)中,确定各光区辐照的概率分布,根据各光区各类天气类型的概率ph,通过随机采样确定各光区在采样当日的日类型,根据采样的日类型得到对应的晴空指数参数kth,由式(4)确定晴空指数kt的概率分布函数
其中,kth为晴空指数kt的最大值,由天气类型决定;C,λ与γ1为由kth所决定的常数。
所述基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,所述步骤6)中,确定各光区辐照的概率分布,由各光区各类天气类型的概率ph,通过随机采样确定各光区在采样当日的日类型,再由采样的日类型得到对应的晴空指数参数kth,kit的计算公式参见式(5),
其中,xi,t为向量X(t)中第i个元素,为的逆函数。
所述基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,所述步骤7)中,根据晴空指数kit、光伏板倾斜指数Rb,t、对地倾角βt以及平地面辐照I0t,计算各光伏电站光伏板辐照Ii,t,Ii,t的计算公式参见式(6)。
其中,θ为太阳直射光线到倾斜面的入射角;α为太阳高度角。Rb表示倾斜面上的太阳辐射强度与水平面上太阳辐射强度的比值;I0t表示水平面上的直射辐射强度;β是光伏板的对地倾角;ρ是地面的反射率,kt为晴空指数,p、q为与大气质量相关的参数。
所述基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,所述步骤8)中,利用各光伏电站光伏板辐照Ii,t根据不同类型光伏阵列的出力公式计算出各光区的光伏电站出力,公式参见式(7),
其中Pt表示光伏板的出力;Pstc表示光伏板的额定出力。
本发明的优点如下:
本发明提供的:
1、使用随机微分方程方法既考虑晴空指数的概率分布,又考虑光照变化的时序特征,能够得到符合历史数据随机特征的光照强度时间序列;
2、考虑了光伏电站之间的相关性,使得光伏电站的出力模拟更符合实际;
3、考虑了光伏阵列跟踪形式,使得太阳入射角的模拟更加精确。
附图说明
图1为美国光伏出力观测点的地理位置示意图。
图2为PV出力的模拟值与测量值对比。
图3为观测点1光伏出力测量值与模拟值的概率分布示意图。
图4为光伏出力值与模拟值时序差分的概率分布示意图。
具体实施方式
下面结合附图对本发明方案进行详细说明。
基于晴空指数的光伏电站出力时序模拟方法,包括下列步骤:
1)获取光区地理信息,晴空指数的自相关系数和晴空指数概率模型的参数;
2)根据各光区所在的地理信息以及参数,计算各时刻平地直射辐照;
3)根据光伏阵列跟踪模式并计算光伏阵列倾斜指数和对地倾角;
4)生成符合各光区晴空指数时空相关性的正态分布向量序列;
5)采样各光区的日类型,根据日类型得到各光区的晴空指数的概率分布;
6)利用相关正态分布时间序列和晴空指数概率分布函数进行采样得到各光区晴空指数;
7)根据各时刻平地直射辐照与参数,计算各光伏电站光伏板上辐照;
8)利用各光伏电站光伏板辐照根据不同类型光伏阵列的出力公式计算出各光区的光伏电站出力。
基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,步骤1)中,将需要模拟的光伏电站群根据地理位置分为N个光区,并获取每个光区的基本信息,包括各光区所在地的纬度φ、经度ψ、各类天气类型的概率ph、晴空指数参数kth与晴空指数的自相关系数θ1,θ2,...,θN以及各光区晴空指数相关系数矩阵Σ;同时,获取各光伏电站的光伏阵列的跟踪模式。
基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,步骤1)中,光伏阵列的跟踪模式的获取包括:
对于固定式光伏板以及倾斜单轴光伏板,获取倾斜角度β;
对于水平单轴和倾斜单轴光伏板,获取跟踪轴方位角γr,时序模拟的时间区间[t1,t2]。
基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,步骤2)中,根据各光区所在地理位置计算各时刻平地直射辐照I0t,根据全球太阳辐照模型以及光区所在地纬度φ、经度ψ,计算各时刻t∈[t1,t2]各光区平地直射辐照I0t。
基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,步骤3)中,根据光伏阵列跟踪模式,由式(1)计算出光伏阵列各时刻t∈[t1,t2]倾斜指数Rb,t,和对地倾角β,根据全球太阳辐照模型得出:
Rb=cosθ/sinα (1)
其中,sinα为太阳高度角正弦值,cosθ为太阳直射光线到倾斜面的入射角的余弦值;
接着,分情况计算各类型光伏板各时刻太阳光与光伏板夹角余弦值cosθ:
a)对于固定式光伏阵列,根据其对地倾角β,方位角γ,根据式计(8)算其太阳光与光伏板夹角余弦值cosθ:
cosθ=sinαcosβ+cosαsinβcos(γ-A) (8)
固定光伏阵列无追踪角,任意时刻相对于水平面的倾角均为β:
b)对于水平单轴跟踪光伏阵列,获取跟踪轴方位角γr,根据式(9)计算其太阳光与光伏板夹角余弦值cosθ:
水平跟踪轴光伏阵列各时刻与地面倾角ρ即为追踪角βt;
c)对于倾斜单轴跟踪光伏阵列,获取跟踪轴倾角βr,方位角γr,根据下式计算其太阳光与光伏板夹角余弦值cosθ与对地倾角βt:
对于双轴跟踪光伏阵列,太阳光与光伏板夹角为0,余弦值cosθ=1:
基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,步骤4)中,利用随机差分方程生成符合各光区晴空指数时空相关性的正态分布向量序列,根据各地区晴空指数的自相关系数向量θ=[θ1,θ2,...,θN]T以及其相关系数矩阵Σ,由式(2)、(3)生成包含时空相关性的正态分布向量序列:
X(t)=dX(t)+X(t-1) (3)
上式中,DW为相关系数矩阵为Σ的非独立正态分布序列,X(t)=[x1,t,x2,t,…,xN,t]表示第t时刻模拟得到的各光区的随机数向量。
基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,步骤5)中,确定各光区辐照的概率分布,根据各光区各类天气类型的概率ph,通过随机采样确定各光区在采样当日的日类型,根据采样的日类型得到对应的晴空指数参数kth,由式(4)确定晴空指数kt的概率分布函数
其中,kth为晴空指数kt的最大值,由天气类型决定;C,λ与γ1为由kth所决定的常数。
基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,步骤6)中,确定各光区辐照的概率分布,由各光区各类天气类型的概率ph,通过随机采样确定各光区在采样当日的日类型,再由采样的日类型得到对应的晴空指数参数kth,kit的计算公式参见式(5),
其中,xi,t为向量X(t)中第i个元素,为的逆函数。
基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,步骤7)中,根据晴空指数kit、光伏板倾斜指数Rb,t、对地倾角βt以及平地面辐照I0t,计算各光伏电站光伏板辐照Ii,t,Ii,t的计算公式参见式(6)。
其中,θ为太阳直射光线到倾斜面的入射角;α为太阳高度角。Rb表示倾斜面上的太阳辐射强度与水平面上太阳辐射强度的比值;I0t表示水平面上的直射辐射强度;β是光伏板的对地倾角;ρ是地面的反射率,kt为晴空指数,p、q为与大气质量相关的参数。
基于晴空指数的光伏电站出力时序模拟方法的进一步设计在于,步骤8)中,利用各光伏电站光伏板辐照Ii,t根据不同类型光伏阵列的出力公式计算出各光区的光伏电站出力,公式参见式(7),
其中Pt表示光伏板的出力;Pstc表示光伏板的额定出力。
根据本节提出的光伏出力时序模拟方法对图1所示的8个光伏电站的出力分别进行了时序模拟,模拟时间长度为1年,时间分辨率为1小时。图2对比了位于观测点1全年模拟结果(上图)与实际出力曲线(下图)。由图中可见,模拟值与实际值的包络线变化基本一致,统计得到模拟出力全年的利用小时数为1728小时,与实际出力的利用小时数1708小时相近。
表1给出了分别利用8个地点的数据模拟得到结果与测量结果之间的相关系数和年利用小时数之比。从表中数据可以看出,模拟数据与测量数据的年利用小时数非常接近。
表1光伏出力模拟值与测量值年利用小时数之比
图3对比了观测点1的模拟出力与实际出力的概率分布,其中黑色实线为测量值的概率分布,柱状图为模拟值的概率分布。由计算结果可见模拟的出力序列的概率分布与实际出力序列的概率分布基本一致。
图4对比了观测点1的模拟出力序列与实际出力序列时序差分的概率分布,其具体计算方法如下:
1)分别统计模拟出力序列和实际出力序列相临两点出力的差值;
2)分别求出两组序列出力差值的概率分布。
利用这一方法可以验证模拟值与出力值的波动性差异。由计算结果可见模拟值与出力值的波动性基本一致。
表2计算了8个观测点光伏实际出力以及模拟出力的空间相关系数矩阵(括号内为模拟值)。由计算结果表明模拟出力的空间相关性与实测出力也比较吻合。
表2 8个观测点模拟出力以及实际出力的空间相关系数
Claims (8)
1.一种基于晴空指数的光伏电站出力时序模拟方法,其特征在于包括下列步骤:
1)获取光区地理信息,晴空指数的自相关系数和晴空指数概率模型的参数;
2)根据各光区所在的地理信息以及所述参数,计算各时刻平地直射辐照;
3)根据光伏阵列跟踪模式并计算光伏阵列倾斜指数和对地倾角;
4)生成符合各光区晴空指数时空相关性的正态分布向量序列;
5)采样各光区的日类型,根据日类型得到各光区的晴空指数的概率分布;
6)利用所述正态分布向量序列和晴空指数概率分布函数进行采样得到各光区晴空指数;
7)根据各时刻平地直射辐照与所述参数,计算各光伏电站光伏板上辐照;
8)利用各光伏电站光伏板辐照根据不同类型光伏阵列的出力公式计算出各光区的光伏电站出力;
所述步骤7)中,根据晴空指数kt、光伏板倾斜指数Rb,t、光伏板的对地倾角β以及平地面辐照I0t,计算各光伏电站光伏板辐照Ii,t,Ii,t的计算公式参见式(6),
其中,θ为太阳直射光线到倾斜面的入射角;α为太阳高度角,Rb表示倾斜面上的太阳辐射强度与水平面上太阳辐射强度的比值;I0t表示水平面上的直射辐射强度;ρ1是地面的反射率,kt为晴空指数,p、q为与大气质量相关的参数;所述步骤8)中,利用各光伏电站光伏板辐照Ii,t根据不同类型光伏阵列的出力公式计算出各光区的光伏电站出力,公式参见式(7),
其中Pt表示光伏板的出力;Pstc表示光伏板的额定出力。
2.根据权利要求1中所述的基于晴空指数的光伏电站出力时序模拟方法,其特征在于所述步骤1)中,将需要模拟的光伏电站群根据地理位置分为N个光区,并获取每个光区的基本信息,包括各光区所在地的纬度φ、经度ψ、各类天气类型的概率ph、晴空指数参数kth与晴空指数的自相关系数θ1,θ2,...,θN以及各光区晴空指数相关系数矩阵Σ;同时,获取各光伏电站的光伏阵列的跟踪模式。
3.根据权利要求2所述的基于晴空指数的光伏电站出力时序模拟方法,其特征在于所述步骤1)中,光伏阵列的跟踪模式的获取包括:
对于固定式光伏板以及倾斜单轴光伏板,获取光伏板的对地倾角β;
对于水平单轴和倾斜单轴光伏板,获取跟踪轴方位角γr,时序模拟的时间区间[t1,t2]。
4.根据权利要求1所述的基于晴空指数的光伏电站出力时序模拟方法,其特征在于所述步骤
2)中,根据各光区所在地理位置计算各时刻平地直射辐照I0t,根据全球太阳辐照模型以及光区所在地纬度φ、经度ψ,计算各时刻t∈[t1,t2]各光区平地直射辐照I0t。
5.根据权利要求1所述的基于晴空指数的光伏电站出力时序模拟方法,其特征在于所述步骤3)中,根据光伏阵列跟踪模式,由式(1)计算出光伏阵列各时刻t∈[t1,t2]倾斜指数Rb,t,和对地倾角β,根据全球太阳辐照模型得出:
Rb=cosθ/sinα (1)
其中,sinα为太阳高度角正弦值,cosθ为太阳光与光伏板夹角的余弦值;
接着,分情况计算各类型光伏板各时刻太阳光与光伏板夹角余弦值cosθ:
a)对于固定式光伏阵列,根据其对地倾角β,方位角γ,根据式(8)计算其太阳光与光伏板夹角余弦值cosθ:
cosθ=sinαcosβ+cosαsinβcos(γ-A) (8)
固定光伏阵列无追踪角,任意时刻相对于水平面的倾角均为β:
b)对于水平单轴跟踪光伏阵列,获取跟踪轴方位角γr,根据式(9)计算其太阳光与光伏板夹角余弦值cosθ:
水平跟踪轴光伏阵列各时刻与地面倾角ρ2即为追踪角βt;
c)对于倾斜单轴跟踪光伏阵列,获取跟踪轴倾角βr,方位角γr,根据下式计算其太阳光与光伏板夹角余弦值cosθ与光伏板的对地倾角β:
对于双轴跟踪光伏阵列,太阳光与光伏板夹角为0,余弦值cosθ=1。
6.根据权利要求1所述的基于晴空指数的光伏电站出力时序模拟方法,其特征在于所述步骤4)中,利用随机差分方程生成符合各光区晴空指数时空相关性的正态分布向量序列,根据各地区晴空指数的自相关系数向量θ=[θ1,θ2,...,θN]T以及其相关系数矩阵Σ,由式(2)、(3)生成包含时空相关性的正态分布向量序列:
X(t)=dX(t)+X(t-1) (3)
上式中,DW为相关系数矩阵为Σ的非独立正态分布序列,
X(t)=[x1,t,x2,t,…,xN,t]表示第t时刻模拟得到的各光区的随机数向量。
7.根据权利要求1所述的基于晴空指数的光伏电站出力时序模拟方法,其特征在于所述步骤5)中,确定各光区辐照的概率分布,根据各光区各类天气类型的概率ph,通过随机采样确定各光区在采样当日的日类型,根据采样的日类型得到对应的晴空指数参数kth,由式(4)确定晴空指数kt的概率分布函数
其中,kth为晴空指数kt的最大值,由天气类型决定;C,λ与γ1为由kth所决定的常数。
8.根据权利要求7所述的基于晴空指数的光伏电站出力时序模拟方法,其特征在于所述步骤6)中,由采样的日类型得到对应的晴空指数参数kth,kit的计算公式参见式(5),
其中,xi,t为向量X(t)中第i个元素,为的逆函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510208209.1A CN105005937B (zh) | 2015-04-28 | 2015-04-28 | 一种基于晴空指数的光伏电站出力时序模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510208209.1A CN105005937B (zh) | 2015-04-28 | 2015-04-28 | 一种基于晴空指数的光伏电站出力时序模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105005937A CN105005937A (zh) | 2015-10-28 |
CN105005937B true CN105005937B (zh) | 2019-02-15 |
Family
ID=54378597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510208209.1A Active CN105005937B (zh) | 2015-04-28 | 2015-04-28 | 一种基于晴空指数的光伏电站出力时序模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105005937B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107124001A (zh) * | 2017-04-24 | 2017-09-01 | 国家电网公司 | 一种光伏阵列接入线路输出功率估算方法 |
CN107608008B (zh) * | 2017-09-15 | 2020-09-25 | 哈尔滨工程大学 | 一种基于广义大气浑浊度的晴空时段的检测方法 |
CN109558975B (zh) * | 2018-11-21 | 2021-04-13 | 清华大学 | 一种电力负荷概率密度多种预测结果的集成方法 |
CN109586341B (zh) * | 2018-12-14 | 2022-05-06 | 国网山东省电力公司经济技术研究院 | 一种基于辐照特性气象场景的光伏发电接纳评估模型 |
CN109510198A (zh) * | 2018-12-14 | 2019-03-22 | 国网山东省电力公司经济技术研究院 | 一种基于辐照特性气象场景的光伏发电接纳能力评估方法 |
CN109599899B (zh) * | 2018-12-14 | 2022-04-19 | 国网山东省电力公司经济技术研究院 | 一种新能源运行模拟边界条件的设定方法 |
CN109919353B (zh) * | 2019-01-11 | 2022-07-05 | 杭州电子科技大学 | 一种基于空间相关性的arima模型的分布式光伏预测方法 |
CN111275238B (zh) * | 2019-12-15 | 2022-05-27 | 东北电力大学 | 基于每时晴空指数的大规模电站光伏出力序列生成方法 |
CN111209520A (zh) * | 2020-01-17 | 2020-05-29 | 中国电力科学研究院有限公司 | 一种光伏阵列输出功率的计算方法及系统 |
CN112395764A (zh) * | 2020-11-19 | 2021-02-23 | 国网江西省电力有限公司建设分公司 | 新能源光伏出力的新型模拟计算方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955749A (zh) * | 2014-03-19 | 2014-07-30 | 内蒙古电力勘测设计院 | 太阳直接辐射值预测方法和系统 |
CN104156777A (zh) * | 2014-05-08 | 2014-11-19 | 南方电网科学研究院有限责任公司 | 一种基于城市天气预报的低成本光伏发电功率预测方法 |
CN104218574A (zh) * | 2014-08-29 | 2014-12-17 | 国家电网公司 | 反映太阳辐射强度变化特性的光伏出力随机模型建模方法 |
-
2015
- 2015-04-28 CN CN201510208209.1A patent/CN105005937B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955749A (zh) * | 2014-03-19 | 2014-07-30 | 内蒙古电力勘测设计院 | 太阳直接辐射值预测方法和系统 |
CN104156777A (zh) * | 2014-05-08 | 2014-11-19 | 南方电网科学研究院有限责任公司 | 一种基于城市天气预报的低成本光伏发电功率预测方法 |
CN104218574A (zh) * | 2014-08-29 | 2014-12-17 | 国家电网公司 | 反映太阳辐射强度变化特性的光伏出力随机模型建模方法 |
Non-Patent Citations (6)
Title |
---|
Hybrid solar/wind power system probabilistic modelling for long-term performance assessment;G. Tina et al.;《Solar Energy》;20050614;第80卷(第5期);第578-588页 |
Probabilistic forecasts of solar irradiance using stochastic differential equations;E. B. Iversen et al.;《Environmetrics》;20140414;第25卷(第3期);第152-164页 |
太阳能光伏发电的中长期随机特性分析;张曦等;《电力系统自动化》;20140325;第38卷(第6期);第6-13页 |
并网光伏发电系统数学模型研究与分析;徐维;《电力系统保护与控制》;20100516;第38卷(第10期);第17-21页 |
风光发电功率时间序列模拟的MCMC方法;罗钢等;《电网技术》;20140228;第38卷(第2期);第321-327页 |
风电出力分析中的相依概率性序列运算;张宁等;《清华大学学报(自然科学版)》;20120531;第52卷(第5期);第704-709页 |
Also Published As
Publication number | Publication date |
---|---|
CN105005937A (zh) | 2015-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105005937B (zh) | 一种基于晴空指数的光伏电站出力时序模拟方法 | |
CN103971169B (zh) | 一种基于云量模拟的光伏超短期发电功率的预测方法 | |
AlYahya et al. | Analysis from the new solar radiation Atlas for Saudi Arabia | |
El Mghouchi et al. | Prediction of daily solar radiation intensity by day of the year in twenty-four cities of Morocco | |
Kodysh et al. | Methodology for estimating solar potential on multiple building rooftops for photovoltaic systems | |
US7305983B1 (en) | Assessment of solar energy potential on existing buildings in a region | |
Siala et al. | Estimation of the PV potential in ASEAN with a high spatial and temporal resolution | |
Gardashov et al. | The optimum daily direction of solar panels in the highlands, derived by an analytical method | |
Heusinger et al. | Introduction, evaluation and application of an energy balance model for photovoltaic modules | |
Jakubiec et al. | Towards validated urban photovoltaic potential and solar radiation maps based on lidar measurements, GIS data, and hourly daysim simulations | |
CN106092628B (zh) | 一种土木工程结构太阳辐射温度效应分析方法及系统 | |
US20140207431A1 (en) | Urban mapping technique for photovoltaic potential of rooftops | |
Ivanova et al. | Simulation and applications of cumulative anisotropic sky radiance patterns | |
Zhou et al. | Wrf gray-zone dynamical downscaling over the Tibetan Plateau during 1999–2019: Model performance and added value | |
Singh et al. | A visual-inertial system to determine accurate solar insolation and optimal PV panel orientation at a point and over an area | |
KR20160078920A (ko) | 목표 지점의 일사량 계산 방법 및 장치 | |
CN107609688B (zh) | 一种基于粒子群算法的光伏面板最佳倾角计算方法 | |
Li et al. | Revenue assessment and visualisation of photovoltaic projects on building envelopes | |
Sovetkin et al. | Vehicle‐Integrated Photovoltaics Irradiation Modeling Using Aerial‐Based LIDAR Data and Validation with Trip Measurements | |
Valladares et al. | Formation of polar cap patches associated with north‐to‐south transitions of the interplanetary magnetic field | |
de Araujo | Improvement of coding for solar radiation forecasting in Dili Timor Leste—A WRF case study | |
Ma et al. | Meridional position biases of East Asian subtropical jet stream in CMIP5 models and their relationship with ocean model resolutions. | |
Bredemeier et al. | Large‐scale spatiotemporal calculation of photovoltaic capacity factors using ray tracing: A case study in urban environments | |
CN111199580A (zh) | 光伏农业大棚太阳辐照度分析方法 | |
Yun et al. | Solar Potential Analysis in Korea using GIS-based information |
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 |