CN105303254B - 一种对光伏电站接收辐射进行预测的方法及装置 - Google Patents
一种对光伏电站接收辐射进行预测的方法及装置 Download PDFInfo
- Publication number
- CN105303254B CN105303254B CN201510703717.7A CN201510703717A CN105303254B CN 105303254 B CN105303254 B CN 105303254B CN 201510703717 A CN201510703717 A CN 201510703717A CN 105303254 B CN105303254 B CN 105303254B
- Authority
- CN
- China
- Prior art keywords
- cloud
- radiation
- data
- monomer
- photovoltaic plant
- 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
- 230000005855 radiation Effects 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000000178 monomer Substances 0.000 claims abstract description 119
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 64
- 238000012544 monitoring process Methods 0.000 claims abstract description 35
- 230000033001 locomotion Effects 0.000 claims abstract description 31
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 239000007788 liquid Substances 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 8
- 230000006872 improvement Effects 0.000 claims description 5
- 230000001932 seasonal effect Effects 0.000 claims description 4
- 238000002310 reflectometry Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000001556 precipitation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种对光伏电站接收辐射进行预测的方法及装置,包括:获取雷达扫描区域内的回波单体含水量;根据所述回波单体含水量的空间分布,计算所述扫描区域内对应云团单体的云高和云厚数据;通过雷达扫描的单体回波强度数据计算所述云团单体的运动向量;根据所述云团单体的运动向量判断所述云团单体在预设时间内是否会对所述光伏电站造成遮挡;当判断所述云团单体会对所述光伏电站造成遮挡时,根据光伏电站的实测监测数据、天气型理论辐射数据、所述回波单体含水量以及所述云高和云厚数据,对所述云团单体遮挡下所述光伏电站接收到的辐射进行预测。本发明能够准确计算由于不同云遮挡所造成的辐射衰减关系,提高了光伏功率预测的精确度。
Description
技术领域
本发明涉及光伏功率预测技术领域,特别是涉及一种对光伏电站接收辐射进行预测的方法及装置。
背景技术
由于光伏发电输出功率具有随机性和波动性,近些年大规模光伏电站的接入电网已经对电网安全稳定和经济运行造成了影响。对光伏电站的输出功率进行准确预测,能为电力调度提供重要的决策支持,有助于电力调度部门提前根据光伏发电功率变化及时调整调度计划,保证电能质量,减少系统的备用容量,降低电力系统运行成本,使得光伏资源得到充分的利用,从而获得更大的经济效益和社会效益。
但是,光伏发电系统的输出功率很大程度上决定于光伏面板所能接收到的太阳辐射量,容易受到天气因素的影响。而云作为影响太阳地面辐照量的主要气象要素,其生消和移动变化是地面辐照度变化不确定性的根本原因之一。当云遮挡光伏电站时,会对光伏电站的太阳辐射造成衰减,从而造成其输出功率不稳定且难以预测。在云遮挡光伏电站造成辐射衰减时,云高和云厚是影响云辐射衰减的关键因素,较为正确的计算出云的高度和厚度对于光伏电站辐射衰减的预测精度提高,将会有很大的帮助。而云团主要是由水汽构成,经过研究人员长期气象观测和辐射监测对比计算,发现在所有云类中,积云由于其水汽浓度、粒子大等因素,导致积云对辐射的衰减影响最大,通过长期对C多普勒雷达进行研究,发现该波段雷达主要用于降水方面的研究,而降雨主要发生在积云天气,从而利用该波段雷达数据可以实现对积云的有效监测。
虽然目前国内外的一些光伏功率预测方面的文献提出了一些云遮挡辐射衰减方法,但是都只是对云和辐射关系进行粗略分类,没有对云高和云厚等数据进行详细计算和处理,而且算法的实际应用效果也不是很好,不具有普适性。
发明内容
本发明的目的是提供一种对光伏电站接收辐射进行预测的方法及装置,以准确计算光伏电站由于不同云遮挡所造成的辐射衰减关系,提高光伏功率的预测精确度。
为解决上述技术问题,本发明提供一种对光伏电站接收辐射进行预测的方法,包括:
获取雷达扫描区域内的回波单体含水量;
根据所述回波单体含水量的空间分布,计算所述扫描区域内对应云团单体的云高和云厚数据;
通过雷达扫描的单体回波强度数据计算所述云团单体的运动向量;
根据所述云团单体的运动向量判断所述云团单体在预设时间内是否会对所述光伏电站造成遮挡;
当判断所述云团单体会对所述光伏电站造成遮挡时,根据光伏电站的实测监测数据、天气型理论辐射数据、所述回波单体含水量以及所述云高和云厚数据,对所述云团单体遮挡下所述光伏电站接收到的辐射进行预测。
可选地,所述获取雷达扫描区域内的回波单体含水量包括:
通过C波段多普勒雷达的主用户终端子系统导出VIL数据,获取扫描区域内的回波单体含水量。
可选地,所述通过雷达扫描的单体回波强度数据计算所述云团单体的运动向量包括:
根据雷达扫描的单体回波强度数据,通过公式
计算t时刻云团单体C(x,y,nd,
md)的运动向量;其中,x、y为起始点坐标,tts为雷达当前设置的体扫时间。
可选地,所述根据所述云团单体的运动向量判断所述云团单体在预设时间内是否会对所述光伏电站造成遮挡包括:
根据不同云类型的dBZ特征,推算出具有云团特征回波单体的中心;
根据VIL数据中的垂直液态含水量的变化,计算出所述中心在不同时刻所在的VIL格点区域;
根据格点和经纬度的换算关系,计算出所述中心实际所覆盖的地理空间区域;
判断所述光伏电站是否位于所述地理空间区域内,以判断所述云团单体是否会对所述光伏电站造成遮挡。
可选地,所述根据光伏电站的实测监测数据、天气型理论辐射数据、所述回波单体含水量以及所述云高和云厚数据,对所述云团单体遮挡下所述光伏电站收到的辐射进行预测包括:
根据大气层理论辐射计算大气层外切面接收到的太阳辐射;
预先根据所述光伏电站的实测监测数据、所述大气层外切面接收到的太阳辐射、雷达导出的VIL数据以及通过所述VIL数据计算出的云高和云厚数据,按照不同季节,建立VIL云类-辐射衰减等级对照表,所述VIL云类-辐射衰减等级的计算方法为:
其中,S为辐射等级衰减因子,dBZ为回波反射强度,I理论为大气层外切面接收到的太阳辐射,I监测为实测监测数据,λ为季节矫正因子,MVIL为垂直累积液态含水量,H云底高为对应类的云底高度;
通过I理论、I监测以及S计算所述光伏电站在预设时间的辐射预测值。
可选地,所述根据大气层理论辐射计算大气层外切面接收到的太阳辐射包括:
根据公式计算大气层顶的太阳辐射强度;其中,N为积日,Isc为太阳常数;
根据所述大气层顶的太阳辐射强度以及太阳辐射方向计算大气层外切平面的太阳辐射强度。
可选地,还包括:
通过历史数据对预测到的辐射数据进行误差校正。
可选地,所述通过历史数据对预测到的辐射数据进行误差校正包括:
通过公式I预测(t)=I理论(t)*S*ω(t-1)计算所述光伏电站在预设时间的辐射预测值I预测(t);其中,ω为误差校正因子,其值为t-1的误差与平均误差的比值。
本发明还提供了一种对光伏电站接收辐射进行预测的装置,包括:
获取模块,用于获取雷达扫描区域内的回波单体含水量;
第一计算模块,用于根据所述回波单体含水量的空间分布,计算所述扫描区域内对应云团单体的云高和云厚数据;
第二计算模块,用于通过雷达扫描的单体回波强度数据计算所述云团单体的运动向量;
判断模块,用于根据所述云团单体的运动向量判断所述云团单体在预设时间内是否会对所述光伏电站造成遮挡;
预测模块,用于当判断所述云团单体会对所述光伏电站造成遮挡时,根据光伏电站的实测监测数据、天气型理论辐射数据、所述回波单体含水量以及所述云高和云厚数据,对所述云团单体遮挡下所述光伏电站接收到的辐射进行预测。
本发明所提供的对光伏电站接收辐射进行预测的方法及装置,通过获取雷达扫描区域内的回波单体含水量;根据所述回波单体含水量的空间分布,计算所述扫描区域内对应云团单体的云高和云厚数据;并通过雷达扫描的单体回波强度数据计算所述云团单体的运动向量,以判断所述云团单体在预设时间内是否会对所述光伏电站造成遮挡;当判断所述云团单体会对所述光伏电站造成遮挡时,根据光伏电站的实测监测数据、天气型理论辐射数据、所述回波单体含水量以及所述云高和云厚数据,对所述云团单体遮挡下所述光伏电站接收到的辐射进行预测。本发明能够准确计算光伏电站由于不同云遮挡所造成的辐射衰减关系,提高了光伏功率预测的精确度。
附图说明
图1为本发明所提供的对光伏电站接收辐射进行预测的方法的一种具体实施方式的流程图;
图2为本发明所提供的对光伏电站接收辐射进行预测的方法的另一种具体实施方式中VIL的格点数据示意图;
图3为本发明所提供的对光伏电站接收辐射进行预测的方法的一种具体实施方式中雷达扫描区域内回波单体示意图;
图4为本发明所提供的对光伏电站接收辐射进行预测的方法的一种具体实施方式中回波单体运动向量计算示意图;
图5为本发明所提供的对光伏电站接收辐射进行预测的方法的一种具体实施方式中格点与经纬度之间的换算关系示意图;
图6为本发明所提供的对光伏电站接收辐射进行预测的装置的一种具体实施方式的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明所提供的对光伏电站接收辐射进行预测的方法的一种具体实施方式的流程图如图1所示,该方法包括:
步骤S101:获取雷达扫描区域内的回波单体含水量;
步骤S102:根据所述回波单体含水量的空间分布,计算所述扫描区域内对应云团单体的云高和云厚数据;
步骤S103:通过雷达扫描的单体回波强度数据计算所述云团单体的运动向量;
步骤S104:根据所述云团单体的运动向量判断所述云团单体在预设时间内是否会对所述光伏电站造成遮挡;
步骤S105:当判断所述云团单体会对所述光伏电站造成遮挡时,根据光伏电站的实测监测数据、天气型理论辐射数据、所述回波单体含水量以及所述云高和云厚数据,对所述云团单体遮挡下所述光伏电站接收到的辐射进行预测。
本发明所提供的对光伏电站接收辐射进行预测的方法,通过获取雷达扫描区域内的回波单体含水量;根据所述回波单体含水量的空间分布,计算所述扫描区域内对应云团单体的云高和云厚数据;并通过雷达扫描的单体回波强度数据计算所述云团单体的运动向量,以判断所述云团单体在预设时间内是否会对所述光伏电站造成遮挡;当判断所述云团单体会对所述光伏电站造成遮挡时,根据光伏电站的实测监测数据、天气型理论辐射数据、所述回波单体含水量以及所述云高和云厚数据,对所述云团单体遮挡下所述光伏电站接收到的辐射进行预测。本发明能够准确计算光伏电站由于不同云遮挡所造成的辐射衰减关系,提高了光伏功率预测的精确度。
具体地,本发明实施例可以通过选择C波段多普勒雷达的主用户终端子系统PUP导出产品VIL(垂直液态含水量)数据,获取扫描区域内的回波单体含水量。VIL是在某一确定的底面积的垂直柱体内液态水总量的分布图象产品,它以往主要被用于识别强降水及其降水潜力、强对流天气等。
不同型号的多普勒雷达所生成的导出产品都是相似的,它们在出厂时就设定雷达的扫描半径和PUP导出产品的每个格步长。如附图2所示,VIL(垂直累积液态水)的导入产品是一个二进制的数据文件,文件中每个字节代表特定的意义,后面的数据区字节就是VIL的格点数据,每个格点为正方形区域,每个格点区域中的VIL值相同,如A1和A2的VIL值是相同的。以某型号C波段多普勒雷达为例,其扫描半径为150公里,扫描频率6分钟,其导出的VIL产品有150个格,每个格的长和宽为1公里。用体积扫描得到的反射率数据处理得到的,反映降水云体中垂直液态含水总量分布的16种颜色分层的图像产品,它是根据云体中液态含水量和回波强度之间的对应关系,在假设坐标网格上方的垂直气柱里所有反射率均由液态水所致,然后对气柱内各个采样体积的液态含水量求和得到,它有助于对强降水和强对流天气的判别,也可用于指示大冰雹的存在。
垂直累积液态水(VIL)表示将反射率因子数据转换成等价的液态水值,根据所采用的雷达型号不同,其扫描半径也不同,所以每个格点的长度也不相同,其VIL值就是格点上液态水混合比的导出值作垂直累加。
VIL的计算方法为:
M=3.44×103×Z4/7
其中,M为液态水含量(g·m-3),Z为雷达反射率因子(mm6·m-3),而VIL的单位为kg/m-2。
通过一定时间的雷达数据积累,将天气类型分为晴天、多云天和阴天,此处主要解决多云天和雨天的VIL阈值设定。根据大气学知识,一般云滴是半径小于100um的水滴或冰晶,云的辐射衰减主要是由于云团的吸收、反射和散射作用引起的,其衰减系数与云区的液态含水量成正比。能够对雷达波产生明显回波的云主要有三类,积云、层状云、积云层状云混合云团。而这三种云团是对光伏电站太阳辐射衰减最严重的几种云类。在常规多普勒雷达上,积状云的雷达回波具有密实的结构,其反射率因子的空间梯度较大,其强度通常在35dBZ以上;层状云回波具有较为均匀的纹理结构,其反射率因子空间梯度较小,反射率因子一般会大于10dBZ,而积云层状云混合云团的雷达回波具有絮状结构。
本发明实施例利用VIL中垂直液态含水量,结合积云、层云、层积云的回波特征,可以基于VIL中这几类云团单体特征提取出PUP导入文件中云团重直液态含水量的阈值。通过利用VIL的液态水含量的空间结构分布,可以计算出云或者近似云的厚度和云高。
具体地,通过雷达扫描的单体回波强度数据计算所述云团单体的运动向量的过程可以为:
根据雷达扫描的单体回波强度数据,通过公式
计算t时刻云团单体C(x,y,nd,
md)的运动向量;其中,x、y为起始点坐标,tts为雷达当前设置的体扫时间。
具体地,根据所述云团单体的运动向量判断所述云团单体在预设时间内是否会对所述光伏电站造成遮挡可以包括:
根据不同云类型的dBZ特征,推算出具有云团特征回波单体的中心;
根据VIL数据中的垂直液态含水量的变化,计算出所述中心在不同时刻所在的VIL格点区域;
根据格点和经纬度的换算关系,计算出所述中心实际所覆盖的地理空间区域;
判断所述光伏电站是否位于所述地理空间区域内,以判断所述云团单体是否会对所述光伏电站造成遮挡。
雷达回波强度图是最直接反应云团特性的数据产品,可以根据回波强度图计算出云团的运动路径的变化过程,进而预测出云团运动趋势。如附图3所示,假如雷达扫描区里回波强度因子的一些单体回波,根据积云、层云等的dBZ特征,推算出具有云团特征回波单体的中心C1和C2。可以根据VIL产品中的垂直液态含水量的变化,计算出C1和C2在不同时刻所在的VIL格点区域,根据其在VIL的格点和经纬度的换算关系,可计算出C1和C2对那些格点区域所覆盖面积的地理空间产生了遮挡影响。
如附图4,假设某一云团单体在C(x,y,nd,md),其中x,y是起始点坐标,如t时刻云团单体Ct的x=-2d,y=0,n=2,m=2,同样可以计算出t-1时刻云团单体Ct-1和t+1时刻云团单体Ct+1,而t-1、t、t+1的时间间隔由雷达的体扫频率决定,设该型雷达当前设置的体扫时间为tts,则t时刻云团单体的运动向量为
因此可计算出t+1时刻云团单体的和进而可推算出VIL中的格数和地理空间的垂直液态含水量的变化。
上述格点与经纬度之间的换算关系为:
如图5所示,设Oradar是某型号雷达站的位置,其经纬度为(Lonradar,Latradar),B点是光伏电站的位置,其经纬度为(LonB,LatB)。设雷达的扫描半径为R,VIL产品的每个格区d×d,A(m,n)是光伏电站在VIL格中的映射点,其中m和n为X方向和Y方向的格数,Rearth为地球的近似半径。以0度经线为基准,东经取经度正值,西经取经度负值。假设光伏电站B和多普勒雷达站Oradar与地球心夹角为θ,两点弦长为D,l为Oradar与A水平距离,α为与之间的夹角,则根据三角推荐,可计算,
cosθ=sin(Latradar)*sin(LatB)*cos(Lonradar-LonB)+cos(Latradar)*cos(LatB);
α=(180°-θ)/2;
l=D*cosα;
其中,设定地球为标准圆球体,其半径Rearth≈6371.004km。
通过以上计算,可以得到l,从而将B点转换到VIL对应的A点,因此,就可知道A点的m,n所在VIL中的格点区域,进而计算出A在VIL中的垂直液态含水量(kg/m-2)。接着,再根据阈值换算出VIL中云团所对应的阈值,所以云团回波的顶高、云团回波的底高也就计算出来了,最终得到云团单体的云高和云厚。
具体地,根据光伏电站的实测监测数据、天气型理论辐射数据、所述回波单体含水量以及所述云高和云厚数据,对所述云团单体遮挡下所述光伏电站收到的辐射进行预测包括:
根据大气层理论辐射计算大气层外切面接收到的太阳辐射;
预先根据所述光伏电站的实测监测数据、所述大气层外切面接收到的太阳辐射、雷达导出的VIL数据以及通过所述VIL数据计算出的云高和云厚数据,按照不同季节,建立VIL云类-辐射衰减等级对照表,所述VIL云类-辐射衰减等级的计算方法为:
其中,S为辐射等级衰减因子,dBZ为回波反射强度,I理论为大气层外切面接收到的太阳辐射,I监测为实测监测数据,λ为季节矫正因子,MVIL为垂直累积液态含水量,H云底高为对应类的云底高度;
通过I理论、I监测以及S计算所述光伏电站在预设时间的辐射预测值。
大气层外切平面的瞬时太阳辐射强度只与大气上界的太阳辐射强度和太阳辐射方向有关,这些都可以通过天文学有关公式精确计算得到。近地面瞬时太阳辐射强度与大气层外切平面的瞬时太阳辐射强度之间的关系式,就可以实时推算出近地面的太阳辐射强度。在同一个地方,同为晴空天气情况下,可以通过历史数据统计而得到前几天的关系式,以历史辐射数据为基础,采用优选的统计方法对晴空辐射进行建模,加以实时辐射数据校正,就可以实现对光伏电站未来2小时晴空辐射的预测。
基于太阳常数(Isc≈1367W/m2),不同时间到达大气层上界的太阳辐射强度,可通过实际日地距离对太阳常数的修正,
其中,I0为大气层顶的太阳辐射强度,N为积日(当前日在一年中的序号)。
大气层外切面接收到的太阳辐射I,太阳辐射的强度和辐射传输方向都有关系,如下,
I=I0
上式,θ为太阳天顶角,δ为太阳赤纬角,光伏电站的纬度,τ为太阳时角。
S和F分别表示真太阳时的小时数和分钟数,它们与北京时间的转换方式为,
其中,E为地球绕太阳公转时运动和转速变化所产生的时间差。这样就可以计算出大气层外切面接收到的太阳辐射。
基于天气型理论辐射计算方法、光伏电站气象监测数据、多普勒雷达回波强度数据和PUP导出产品VIL数据,可以建立光伏电站辐射预测模型。天气型理论辐射计算方法实现太阳辐射基础预测数据的准备,光伏电站气象监测数据实现云遮挡关系计算和对预测数据进行矫正,而多普勒雷达数据和导出产品VIL实现对积云、层云、层积云的云高和云厚的计算。
首先,对历史的多普勒雷达导出产品VIL数据按积云、层云、层积云进行统计分类,再对三类云单体按照云底高度和云厚进行划分,并光伏电站气象监测历史数据中提取出不同云类、不同云高、不同云厚时间段的光伏辐射数据。按照春夏秋冬四个季节,生成一表VIL云类-辐射衰减等级对照表,VIL云类-辐射衰减等级计算方法如下,
其中,S为辐射等级衰减因子,dBZ回波反射强度,I理论等于大气层外切面接收到的太阳辐射,I监测为实测监测数据,λ为季节矫正因子,MVIL垂直累积液态含水量,H云底高为对应类的云底高度。
此外,本发明还可以通过历史数据对预测到的辐射数据进行误差校正。
综上,光伏电站未来一段时间辐射预测I预测(t)为,
I预测(t)=I理论(t)*S*ω(t-1)
其中,ω为误差矫正因子,其值等于t-1的误差与平均误差之比。
本发明实施例基于多普勒雷达数据产品,特别是对VIL(垂直累积液态含水)的应用,着重对光伏辐射衰减影响较大的三大类云(积云、层云、层积云)的提取和分析,计算出对应云团单体的云高和云厚,结合光伏电站的实测监测数据,建立辐射衰减评估模型。通过在西北地区CINRAD-CC多普勒雷达的实际应用,其对积云的提取分析效果要优于以往的笼统云团辐射衰减的方法,通过对VIL分析,实现了对云团、水汽等气象结构的波顶和波底高度的较为精确的量化,在针对三类云状的辐射衰减预测方面,效果很好。
本发明所提供的对光伏电站接收辐射进行预测的装置的一种具体实施方式的结构框图如图6所示,该装置包括:
获取模块100,用于获取雷达扫描区域内的回波单体含水量;
第一计算模块200,用于根据所述回波单体含水量的空间分布,计算所述扫描区域内对应云团单体的云高和云厚数据;
第二计算模块300,用于通过雷达扫描的单体回波强度数据计算所述云团单体的运动向量;
判断模块400,用于根据所述云团单体的运动向量判断所述云团单体在预设时间内是否会对所述光伏电站造成遮挡;
预测模块500,用于当判断所述云团单体会对所述光伏电站造成遮挡时,根据光伏电站的实测监测数据、天气型理论辐射数据、所述回波单体含水量以及所述云高和云厚数据,对所述云团单体遮挡下所述光伏电站接收到的辐射进行预测。
本发明所提供的对光伏电站接收辐射进行预测的装置与上述方法相对应,可相互参照,在此不再赘述。
综上,本发明所提供的对光伏电站接收辐射进行预测的方法及装置,首先利用天气型模型计算出理论辐射曲线,然后利用多谱雷达的VIL产品计算云团或水汽的厚度,以及距离地面的高度,然后利用雷达回波反射率因子图像计算出云团的移动向量,预测出未来一段时间内一定厚度的云团或水汽的运动趋势,并结合实测的光辐射监测数据,从而最终预测出不同等级云团条件下的光伏电站的辐射衰减情况,实现了对光伏电站辐射衰减的精确评估,提高了光伏电站超短期功率预测的精度。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种对光伏电站接收辐射进行预测的方法,其特征在于,包括:
获取雷达扫描区域内的回波单体含水量;
根据所述回波单体含水量的空间分布,计算所述扫描区域内对应云团单体的云高和云厚数据;
通过雷达扫描的单体回波强度数据计算所述云团单体的运动向量;
根据所述云团单体的运动向量判断所述云团单体在预设时间内是否会对所述光伏电站造成遮挡;
当判断所述云团单体会对所述光伏电站造成遮挡时,根据光伏电站的实测监测数据、天气型理论辐射数据、所述回波单体含水量以及所述云高和云厚数据,对所述云团单体遮挡下所述光伏电站接收到的辐射进行预测;
所述根据光伏电站的实测监测数据、天气型理论辐射数据、所述回波单体含水量以及所述云高和云厚数据,对所述云团单体遮挡下所述光伏电站收到的辐射进行预测包括:
根据大气层理论辐射计算大气层外切面接收到的太阳辐射;
预先根据所述光伏电站的实测监测数据、所述大气层外切面接收到的太阳辐射、雷达导出的VIL数据以及通过所述VIL数据计算出的云高和云厚数据,按照不同季节,建立VIL云类-辐射衰减等级对照表,所述VIL云类-辐射衰减等级的计算方法为:
其中,S为辐射等级衰减因子,dBZ为回波反射强度,I理论为大气层外切面接收到的太阳辐射,I监测为实测监测数据,λ为季节矫正因子,MVIL为垂直累积液态含水量,H云底高为对应类的云底高度;VIL表示垂直液态含水量;
通过I理论、I监测以及S计算所述光伏电站在预设时间的辐射预测值。
2.如权利要求1所述的对光伏电站接收辐射进行预测的方法,其特征在于,所述获取雷达扫描区域内的回波单体含水量包括:
通过C波段多普勒雷达的主用户终端子系统导出VIL数据,获取扫描区域内的回波单体含水量。
3.如权利要求2所述的对光伏电站接收辐射进行预测的方法,其特征在于,所述通过雷达扫描的单体回波强度数据计算所述云团单体的运动向量包括:
根据雷达扫描的单体回波强度数据,通过公式
计算t时刻云团单体C(x,y,nd,md)的运动向量;其中,x、y为起始点坐标,tts为雷达当前设置的体扫时间。
4.如权利要求1所述的对光伏电站接收辐射进行预测的方法,其特征在于,所述根据所述云团单体的运动向量判断所述云团单体在预设时间内是否会对所述光伏电站造成遮挡包括:
根据不同云类型的dBZ特征,推算出具有云团特征回波单体的中心;
根据VIL数据中的垂直液态含水量的变化,计算出所述中心在不同时刻所在的VIL格点区域;
根据格点和经纬度的换算关系,计算出所述中心实际所覆盖的地理空间区域;
判断所述光伏电站是否位于所述地理空间区域内,以判断所述云团单体是否会对所述光伏电站造成遮挡。
5.如权利要求1至4任一项所述的对光伏电站接收辐射进行预测的方法,其特征在于,所述根据大气层理论辐射计算大气层外切面接收到的太阳辐射包括:
根据公式计算大气层顶的太阳辐射强度;其中,N为积日,Isc为太阳常数;
根据所述大气层顶的太阳辐射强度以及太阳辐射方向计算大气层外切平面的太阳辐射强度。
6.如权利要求5所述的对光伏电站接收辐射进行预测的方法,其特征在于,还包括:
通过历史数据对预测到的辐射数据进行误差校正。
7.如权利要求6所述的对光伏电站接收辐射进行预测的方法,其特征在于,所述通过历史数据对预测到的辐射数据进行误差校正包括:
通过公式I预测(t)=I理论(t)*S*ω(t-1)计算所述光伏电站在预设时间的辐射预测值I预测(t);其中,ω为误差校正因子,其值为t-1的误差与平均误差的比值。
8.一种对光伏电站接收辐射进行预测的装置,其特征在于,包括:
获取模块,用于获取雷达扫描区域内的回波单体含水量;
第一计算模块,用于根据所述回波单体含水量的空间分布,计算所述扫描区域内对应云团单体的云高和云厚数据;
第二计算模块,用于通过雷达扫描的单体回波强度数据计算所述云团单体的运动向量;
判断模块,用于根据所述云团单体的运动向量判断所述云团单体在预设时间内是否会对所述光伏电站造成遮挡;
预测模块,用于当判断所述云团单体会对所述光伏电站造成遮挡时,根据光伏电站的实测监测数据、天气型理论辐射数据、所述回波单体含水量以及所述云高和云厚数据,对所述云团单体遮挡下所述光伏电站接收到的辐射进行预测;
所述根据光伏电站的实测监测数据、天气型理论辐射数据、所述回波单体含水量以及所述云高和云厚数据,对所述云团单体遮挡下所述光伏电站收到的辐射进行预测包括:
根据大气层理论辐射计算大气层外切面接收到的太阳辐射;
预先根据所述光伏电站的实测监测数据、所述大气层外切面接收到的太阳辐射、雷达导出的VIL数据以及通过所述VIL数据计算出的云高和云厚数据,按照不同季节,建立VIL云类-辐射衰减等级对照表,所述VIL云类-辐射衰减等级的计算方法为:
其中,S为辐射等级衰减因子,dBZ为回波反射强度,I理论为大气层外切面接收到的太阳辐射,I监测为实测监测数据,λ为季节矫正因子,MVIL为垂直累积液态含水量,H云底高为对应类的云底高度;VIL表示垂直液态含水量;
通过I理论、I监测以及S计算所述光伏电站在预设时间的辐射预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510703717.7A CN105303254B (zh) | 2015-10-26 | 2015-10-26 | 一种对光伏电站接收辐射进行预测的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510703717.7A CN105303254B (zh) | 2015-10-26 | 2015-10-26 | 一种对光伏电站接收辐射进行预测的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105303254A CN105303254A (zh) | 2016-02-03 |
CN105303254B true CN105303254B (zh) | 2019-05-31 |
Family
ID=55200496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510703717.7A Active CN105303254B (zh) | 2015-10-26 | 2015-10-26 | 一种对光伏电站接收辐射进行预测的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105303254B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251023B (zh) * | 2016-08-05 | 2020-01-14 | 浙江大学 | 一种适用于小样本的光伏功率短期预测方法 |
CN107422180A (zh) * | 2017-02-28 | 2017-12-01 | 张家口安智科为新能源有限公司 | 一种基于云监控的光伏电站的功率预测系统 |
CN110717592B (zh) * | 2019-10-11 | 2023-09-15 | 华北电力大学 | 一种计算光伏电站地表辐照度空间分布的方法 |
CN111489028B (zh) * | 2020-04-09 | 2021-06-08 | 国网江苏省电力有限公司苏州供电分公司 | 基于雷云轨迹跟踪的雷电条件下的光伏功率预测方法 |
CN111967652B (zh) * | 2020-07-22 | 2023-10-24 | 国网浙江省电力有限公司电力科学研究院 | 一种双层协同实时校正光伏预测方法 |
CN112132364B (zh) * | 2020-11-02 | 2023-02-21 | 西安热工研究院有限公司 | 一种受云层影响的光伏电站功率预测方法、介质及设备 |
CN114462723B (zh) * | 2022-04-12 | 2022-07-29 | 南方电网数字电网研究院有限公司 | 基于高空风资源影响的云层迁移分钟级光伏功率预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353952A (zh) * | 2013-05-31 | 2013-10-16 | 国家电网公司 | 一种基于地基云图的光伏功率预测方法 |
CN103500365A (zh) * | 2013-09-18 | 2014-01-08 | 广州供电局有限公司 | 光伏发电功率预测方法和系统 |
CN103996082A (zh) * | 2014-06-03 | 2014-08-20 | 华北电力大学(保定) | 一种基于双重随机理论的太阳辐射强度预测方法 |
CN104217259A (zh) * | 2014-09-17 | 2014-12-17 | 国家电网公司 | 一种区域地表辐照度分布预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011017694A1 (de) * | 2011-04-28 | 2012-10-31 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Bestimmung einer von einer photovoltaischen Anlage abgegebenen Leistung |
-
2015
- 2015-10-26 CN CN201510703717.7A patent/CN105303254B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353952A (zh) * | 2013-05-31 | 2013-10-16 | 国家电网公司 | 一种基于地基云图的光伏功率预测方法 |
CN103500365A (zh) * | 2013-09-18 | 2014-01-08 | 广州供电局有限公司 | 光伏发电功率预测方法和系统 |
CN103996082A (zh) * | 2014-06-03 | 2014-08-20 | 华北电力大学(保定) | 一种基于双重随机理论的太阳辐射强度预测方法 |
CN104217259A (zh) * | 2014-09-17 | 2014-12-17 | 国家电网公司 | 一种区域地表辐照度分布预测方法 |
Non-Patent Citations (3)
Title |
---|
分析光伏电站输出特性的云遮挡太阳辐射模型;李盼 等;《西安交通大学学报》;20130831;第47卷(第8期);第61-67页 |
基于全天空成像仪的光伏电站水平面总辐射预报;丁宇宇 等;《中国电机工程学报》;20140105;第34卷(第1期);第50-56页 |
考虑云层影响的大型光伏发电系统辐照强度计算模型;丁明 等;《中国电机工程学报》;20150905;第35卷(第17期);第3.4.2-3.4.3节,第3.5节 |
Also Published As
Publication number | Publication date |
---|---|
CN105303254A (zh) | 2016-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105303254B (zh) | 一种对光伏电站接收辐射进行预测的方法及装置 | |
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 | |
EP3761213A1 (en) | A wind field dynamic downscaling method based on aerodynamic parameters of simplified terrain | |
US10133245B2 (en) | Method for predicting and mitigating power fluctuations at a photovoltaic power plant due to cloud cover | |
Monahan et al. | The probability distribution of land surface wind speeds | |
Utsav et al. | Statistical characteristics of convective clouds over the Western Ghats derived from weather radar observations | |
CN105184423B (zh) | 一种风电场集群风速预测方法 | |
Panziera et al. | The relation between airflow and orographic precipitation on the southern side of the Alps as revealed by weather radar | |
Qie et al. | Recent advances in research of lightning meteorology | |
CN109886486B (zh) | 不依赖于设备的云层跟踪技术及小时内辐照度预测方法 | |
CN107356926A (zh) | 基于Hu矩的差值云团外推降雨预测算法 | |
CN111474529B (zh) | 卫星反演雷达回波的方法、反演雷达回波系统及导航雷达 | |
Chmielewski et al. | Variations of thunderstorm charge structures in West Texas on 4 June 2012 | |
Mengelkamp | Wind climate simulation over complex terrain and wind turbine energy output estimation | |
CN109599899B (zh) | 一种新能源运行模拟边界条件的设定方法 | |
CN114296050B (zh) | 基于激光雷达云图探测的光伏电站短期发电功率预测方法 | |
Gutiérrez et al. | Combination of wind gust models in convective events | |
Wang et al. | Numerical simulation of the formation of a large lower positive charge center in a Tibetan Plateau thunderstorm | |
CN113032510B (zh) | 一种基于高斯权重的lbgm法初值扰动生成方法 | |
Igel et al. | Tropical, oceanic, deep convective cloud morphology as observed by CloudSat | |
Altaratz et al. | Winter thunderstorms in Israel: A study with lightning location systems and weather radar | |
Utsav et al. | Relationship between convective storm properties and lightning over the Western Ghats | |
Yin et al. | Ultra-short term photovoltaic power prediction | |
Wang et al. | Solar irradiation prediction model based on cloud and aerosol parameters | |
Wei et al. | The Spatial Distribution of Atmospheric Water Vapor Based on Analytic Hierarchy Process and Genetic Algorithm |
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 |