CN106300424A - 一种确定新能源用户光伏发电系统日发电量的方法及装置 - Google Patents

Abstract

本发明公开了一种确定新能源用户光伏发电系统日发电量的方法及装置，根据光伏发电系统输出功率与日照相关参数的特征关系，采用统计分析的方法，计算各时段光伏发电系统输出功率与各日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集；获取各时段用户电池储能状态，按照光伏发电系统接入配电网的供电调度要求和调压需求的条件，确定各时段电池储能充电有功功率控制值的广义三维梯形模糊集；采用模糊分析方法，确定在第一装机容量下光伏发电系统的日发电量。利用本申请所提供的方法及装置，可以计算出一天新能源用户光伏发电系统的发电量，为分布式新能源发电及智能电网调度运行提供了必要的技术支撑。

Description

一种确定新能源用户光伏发电系统日发电量的方法及装置

技术领域

本发明涉及新能源光伏发电技术领域，特别是涉及一种确定新能源用户光伏发电系统日发电量的方法及装置。

背景技术

城市居民等小用户以及商业建筑物、社区、工业区等大用户群分布式光伏发电系统是一种同时具有关系复杂且交互作用的随机和模糊不确定性事件或参量的系统。拥有分布式光伏发电系统的城市居民等新能源小用户以及商业建筑物、社区、工业区等新能源大用户群，在各种不确定性随机和模糊事件或参量的影响下，其日发电量变得更具随机特性和模糊特性。

以往新能源用户分布式光伏发电系统日发电量通常采用确定性的计算方法。确定性计算的方法通常是在假设区域内太阳光辐射强度、日照时间以及用户所在地在不同时间和空间上日照强度、日照时间、日照阴影、日照偏角度都确定的情况下，计算新能源用户分布式光伏发电系统的日发电量，没有考虑作为接续发电或连续发电的光伏发电系统的电池储能容量或光热发电系统的熔融盐储能装机容量、储能状态、能源转换效率、配电网调压要求和柔性控制方式等因素的影响，计算结果是唯一性和确定性的，往往不能反应新能源用户分布式光伏发电系统日发电量的实际情况。而有些采用概率分析的不确定性计算方法，通常是在只假设日照强度等单一因素为不确定性因素的情况下，计算新能源用户分布式光伏发电系统的日发电量，计算结果是具有一定置信水平的概率值。

实际上，新能源用户光伏发电系统日发电量不仅由区域内太阳光辐射强度、日照时间的概率或模糊度决定，还由用户所在地在不同时间和空间上日照强度、日照时间、日照阴影、日照偏角度的概率或模糊度决定，同时还取决于作为接续发电或连续发电的光伏发电系统的电池储能容量或光热发电系统的熔融盐储能装机容量、储能状态、能源转换效率、配电网调压要求和柔性控制方式等因素。而且，这些影响因素通常都有随机不确定性或模糊不确定性，或者是具有随机和模糊不确定性，往往以随机和模糊不确定性事件或参量而存在。可见，新能源用户分布式光伏发电系统日发电量计算的现有技术都没有全面考虑影响因素的不确定性和随机性，计算方法适用性、实用性和应用性也难以得到满足。

发明内容

本发明的目的是提供一种确定新能源用户光伏发电系统日发电量的方法及装置，目的在于解决现有技术对新能源用户分布式光伏系统日发电量确定时未考虑各因素的不确定性和随机性，导致计算结果实用性较差的问题。

为解决上述技术问题，本发明提供一种确定新能源用户光伏发电系统日发电量的方法，包括：

根据光伏发电系统输出功率与日照相关参数的特征关系，采用统计分析的方法，计算各时段光伏发电系统所述输出功率与各所述日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集；

获取各时段用户电池储能状态，按照光伏发电系统接入配电网的供电调度要求和调压需求的条件，确定各时段电池储能充电有功功率控制值的广义三维梯形模糊集；

采用模糊分析方法，确定在第一装机容量下所述光伏发电系统的日发电量。

可选地，所述日照相关参数包括日照强度、日照时间、日照阴影、日照偏角以及因日照导致的环境温度升高幅度参数。

可选地，在所述采用统计分析的方法，计算各时段光伏发电系统所述输出功率与各所述日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集之前还包括：

从气象数据平台获取用户所在地一天各时段内各日照相关参数的数据信息。

可选地，所述计算各时段光伏发电系统所述输出功率与各所述日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集包括：

采用基于广义三维梯形隶属度函数的TYPE1模糊集来计算各所述日照相关参数的概率或模糊度。

可选地，所述确定各时段电池储能充电有功功率控制值的广义三维梯形模糊集包括：

依据各时段配电网负荷功率的需求水平、配电网本地及相邻区域电压的调整值，结合潮流计算数据，采用下垂控制方法计算用户各时段电池储能充电有功功率控制值；

采用模糊分析方法确定用户各时段电池储能充电有功功率控制值的广义三维梯形模糊集。

本发明还提供了一种确定新能源用户光伏发电系统日发电量的装置，包括：

计算模块，用于根据光伏发电系统输出功率与日照相关参数的特征关系，采用统计分析的方法，计算各时段光伏发电系统所述输出功率与各所述日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集；

第一确定模块，用于获取各时段用户电池储能状态，按照光伏发电系统接入配电网的供电调度要求和调压需求的条件，确定各时段电池储能充电有功功率控制值的广义三维梯形模糊集；

第二确定模块，用于采用模糊分析方法，确定在第一装机容量下所述光伏发电系统的日发电量。

本发明所提供的确定新能源用户光伏发电系统日发电量的方法及装置，根据光伏发电系统输出功率与日照相关参数的特征关系，采用统计分析的方法，计算各时段光伏发电系统输出功率与各日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集；获取各时段用户电池储能状态，按照光伏发电系统接入配电网的供电调度要求和调压需求的条件，确定各时段电池储能充电有功功率控制值的广义三维梯形模糊集；采用模糊分析方法，确定在第一装机容量下光伏发电系统的日发电量。利用本申请可以计算出一天新能源用户光伏发电系统的发电量。反映了日照相关参量以及用户电池储能充电事件的随机特性、模糊特性及其概率特征、模糊分布规律，揭示了这些随机和模糊不确定性事件或参量对新能源用户分布式光伏发电系统日发电量的影响机理，为分布式新能源发电及智能电网调度运行提供了必要的技术支撑。

附图说明

为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所提供的确定新能源用户光伏发电系统日发电量的方法的一种具体实施方式的流程图；

图2为本发明实施例提供的确定新能源用户光伏发电系统日发电量的装置的结构框图。

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。

本发明所提供的确定新能源用户光伏发电系统日发电量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：根据光伏发电系统输出功率与日照相关参数的特征关系，采用统计分析的方法，计算各时段光伏发电系统所述输出功率与各所述日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集；

步骤S102：获取各时段用户电池储能状态，按照光伏发电系统接入配电网的供电调度要求和调压需求的条件，确定各时段电池储能充电有功功率控制值的广义三维梯形模糊集；

步骤S103：采用模糊分析方法，确定在第一装机容量下所述光伏发电系统的日发电量。

本发明所提供的确定新能源用户光伏发电系统日发电量的方法，根据光伏发电系统输出功率与日照相关参数的特征关系，采用统计分析的方法，计算各时段光伏发电系统输出功率与各日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集；获取各时段用户电池储能状态，按照光伏发电系统接入配电网的供电调度要求和调压需求的条件，确定各时段电池储能充电有功功率控制值的广义三维梯形模糊集；采用模糊分析方法，确定在第一装机容量下光伏发电系统的日发电量。利用本申请可以计算出一天新能源用户光伏发电系统的发电量。反映了日照相关参量以及用户电池储能充电事件的随机特性、模糊特性及其概率特征、模糊分布规律，揭示了这些随机和模糊不确定性事件或参量对新能源用户分布式光伏发电系统日发电量的影响机理，为分布式新能源发电及智能电网调度运行提供了必要的技术支撑。

在步骤S101采用统计分析的方法，计算各时段光伏发电系统所述输出功率与各所述日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集之前还可以包括：

从气象数据平台获取用户所在地一天各时段内各日照相关参数的数据信息。

本实施例中，计算各时段光伏发电系统所述输出功率与各所述日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集的过程可以具体为：

采用基于广义三维梯形隶属度函数的TYPE1模糊集来计算各所述日照相关参数的概率或模糊度。

在上述实施例的基础上，本申请实施例中日照相关参数可以具体包括：日照强度、日照时间、日照阴影、日照偏角以及因日照导致的环境温度升高幅度参数。

下面对输出功率与日照强度最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集的确定过程进行进一步详细阐述。

从公共气象数据平台获取用户所在地一天中白天N_SH个时段日照强度最大值、平均值和最小值的相关数据信息，根据光伏发电系统输出功率与日照强度之间的特征关系，采用统计分析方法计算确定用户时段t(t＝1,2,...,N_SH)光伏发电系统输出功率与日照强度最大值、平均值和最小值模糊不确定性关系的广义三维梯形模糊集分别为：

$\begin{array}{c}{\stackrel{\‾}{S}}_H^t=({\stackrel{\‾}{S}}_{HL}^t,{\stackrel{\‾}{S}}_{HM}^t,{\stackrel{\‾}{S}}_{HU}^t)=\[({\stackrel{\‾}{S}}_{HL1}^t,{\stackrel{\‾}{S}}_{HL2}^t,{\stackrel{\‾}{S}}_{HL3}^t,{\stackrel{\‾}{S}}_{HL4}^t;{\stackrel{\‾}{k}}_{SL}^t),\\ ({\stackrel{\‾}{S}}_{HM1}^t,{\stackrel{\‾}{S}}_{HM2}^t,{\stackrel{\‾}{S}}_{HM3}^t,{\stackrel{\‾}{S}}_{HM4}^t;{\stackrel{\‾}{k}}_{SM}^t),\\ ({\stackrel{\‾}{S}}_{HU1}^t,{\stackrel{\‾}{S}}_{HU2}^t,{\stackrel{\‾}{S}}_{HU3}^t,{\stackrel{\‾}{S}}_{HU4}^t;{\stackrel{\‾}{k}}_{SU}^t)\]\end{array}$

$\begin{array}{c}{\stackrel{\‾}{\stackrel{\‾}{S}}}_H^t=({\stackrel{\‾}{\stackrel{\‾}{S}}}_{HL}^t,{\stackrel{\‾}{\stackrel{\‾}{S}}}_{HM}^t,{\stackrel{\‾}{\stackrel{\‾}{S}}}_{HU}^t)=\[({\stackrel{\‾}{\stackrel{\‾}{S}}}_{HL1}^t,{\stackrel{\‾}{\stackrel{\‾}{S}}}_{HL2}^t,{\stackrel{\‾}{\stackrel{\‾}{S}}}_{HL3}^t,{\stackrel{\‾}{\stackrel{\‾}{S}}}_{HL4}^t;),\\ ({\stackrel{\‾}{\stackrel{\‾}{S}}}_{HM1}^t,{\stackrel{\‾}{\stackrel{\‾}{S}}}_{HM2}^t,{\stackrel{\‾}{\stackrel{\‾}{S}}}_{HM3}^t,{\stackrel{\‾}{\stackrel{\‾}{S}}}_{HM4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{SM}^t),\\ ({\stackrel{\‾}{\stackrel{\‾}{S}}}_{HU1}^t,{\stackrel{\‾}{\stackrel{\‾}{S}}}_{HU2}^t,{\stackrel{\‾}{\stackrel{\‾}{S}}}_{HU3}^t,{\stackrel{\‾}{\stackrel{\‾}{S}}}_{HU4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{SU}^t)\]\end{array}$

$\begin{array}{c}{\underset{\‾}{S}}_H^t=({\underset{\‾}{S}}_{HL}^t,{\underset{\‾}{S}}_{HM}^t,{\underset{\‾}{S}}_{HU}^t)=\[({\underset{\‾}{S}}_{HL1}^t,{\underset{\‾}{S}}_{HL2}^t,{\underset{\‾}{S}}_{HL3}^t,{\underset{\‾}{S}}_{HL4}^t;{\underset{\‾}{k}}_{SL}^t),\\ ({\underset{\‾}{S}}_{HM1}^t,{\underset{\‾}{S}}_{HM2}^t,{\underset{\‾}{S}}_{HM3}^t,{\underset{\‾}{S}}_{HM4}^t;{\underset{\‾}{k}}_{SM}^t),\\ ({\underset{\‾}{S}}_{HU1}^t,{\underset{\‾}{S}}_{HU2}^t,{\underset{\‾}{S}}_{HU3}^t,{\underset{\‾}{S}}_{HU4}^t;{\underset{\‾}{k}}_{SU}^t)\]\end{array}$

式中，及分别为时段t与最大值、平均值和最小值相对应的日照强度模糊集或模糊数及隶属度系数， 及分别为时段t与最大值的下界、中界、上界相对应的日照强度模糊数及隶属度系数，及分别为时段t与平均值的下界、中界、上界相对应的日照强度模糊数及隶属度系数，及分别为时段t与最小值的下界、中界、上界相对应的日照强度模糊数及隶属度系数。

下面对光伏发电系统输出功率与日照时间最大值、平均值和最小值模糊不确定性关系的广义三维梯形模糊集的确定过程进行进一步详细阐述。

从公共气象数据平台获取用户所在地一天中白天N_SH个时段日照时间最大值、平均值和最小值的相关数据信息，根据光伏发电系统输出功率与日时间度之间的特征关系，采用统计分析方法计算确定用户时段t光伏发电系统输出功率与日照时间最大值、平均值和最小值模糊不确定性关系的广义三维梯形模糊集分别为：

$\begin{array}{c}{\stackrel{\‾}{T}}_H^t=({\stackrel{\‾}{T}}_{HL}^t,{\stackrel{\‾}{T}}_{HM}^t,{\stackrel{\‾}{T}}_{HU}^t)=\[({\stackrel{\‾}{T}}_{HL1}^t,{\stackrel{\‾}{T}}_{HL2}^t,{\stackrel{\‾}{T}}_{HL3}^t,{\stackrel{\‾}{T}}_{HL4}^t;{\stackrel{\‾}{k}}_{TL}^t),\\ ({\stackrel{\‾}{T}}_{HM1}^t,{\stackrel{\‾}{T}}_{HM2}^t,{\stackrel{\‾}{T}}_{HM3}^t,{\stackrel{\‾}{T}}_{HM4}^t;{\stackrel{\‾}{k}}_{TM}^t),\\ ({\stackrel{\‾}{T}}_{HU1}^t,{\stackrel{\‾}{T}}_{HU2}^t,{\stackrel{\‾}{T}}_{HU3}^t,{\stackrel{\‾}{T}}_{HU4}^t;{\stackrel{\‾}{k}}_{TU}^t)\]\end{array}$

$\begin{array}{c}{\stackrel{\‾}{\stackrel{\‾}{T}}}_H^t=({\stackrel{\‾}{\stackrel{\‾}{T}}}_{HL}^t,{\stackrel{\‾}{\stackrel{\‾}{T}}}_{HM}^t,{\stackrel{\‾}{\stackrel{\‾}{T}}}_{HU}^t)=\[({\stackrel{\‾}{\stackrel{\‾}{T}}}_{HL1}^t,{\stackrel{\‾}{\stackrel{\‾}{T}}}_{HL2}^t,{\stackrel{\‾}{\stackrel{\‾}{T}}}_{HL3}^t,{\stackrel{\‾}{\stackrel{\‾}{T}}}_{HL4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{TL}^t),\\ ({\stackrel{\‾}{\stackrel{\‾}{T}}}_{HM1}^t,{\stackrel{\‾}{\stackrel{\‾}{T}}}_{HM2}^t,{\stackrel{\‾}{\stackrel{\‾}{T}}}_{HM3}^t,{\stackrel{\‾}{\stackrel{\‾}{T}}}_{HM4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{TM}^t),\\ ({\stackrel{\‾}{\stackrel{\‾}{T}}}_{HU1}^t,{\stackrel{\‾}{\stackrel{\‾}{T}}}_{HU2}^t,{\stackrel{\‾}{\stackrel{\‾}{T}}}_{HU3}^t,{\stackrel{\‾}{\stackrel{\‾}{T}}}_{HU4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{TU}^t)\]\end{array}$

$\begin{array}{c}{\underset{\‾}{T}}_H^t=({\underset{\‾}{T}}_{HL}^t,{\underset{\‾}{T}}_{HM}^t,{\underset{\‾}{T}}_{HU}^t)=\[({\underset{\‾}{T}}_{HL1}^t,{\underset{\‾}{T}}_{HL2}^t,{\underset{\‾}{T}}_{HL3}^t,{\underset{\‾}{T}}_{HL4}^t;{\underset{\‾}{k}}_{TL}^t),\\ ({\underset{\‾}{T}}_{HM1}^t,{\underset{\‾}{T}}_{HM2}^t,{\underset{\‾}{T}}_{HM3}^t,{\underset{\‾}{T}}_{HM4}^t;{\underset{\‾}{k}}_{TM}^t),\\ ({\underset{\‾}{T}}_{HU1}^t,{\underset{\‾}{T}}_{HU2}^t,{\underset{\‾}{T}}_{HU3}^t,{\underset{\‾}{T}}_{HU4}^t;{\underset{\‾}{k}}_{TU}^t)\]\end{array}$

式中，及分别为时段t与最大值、平均值和最小值相对应的日照时间模糊集或模糊数及隶属度系数， 及分别为时段t与最大值的下界、中界、上界相对应的日照时间模糊数及隶属度系数，及分别为时段t与平均值的下界、中界、上界相对应的日照时间模糊数及隶属度系数，及分别为时段t与最小值的下界、中界、上界相对应的日照时间模糊数及隶属度系数。

下面对光伏发电系统输出功率与日照阴影最大值、平均值和最小值模糊不确定性关系的广义三维梯形模糊集的确定过程进行进一步详细阐述。

从公共气象数据平台获取用户所在地一天中白天N_SH个时段日照阴影最大值、平均值和最小值的相关数据信息，根据光伏发电系统输出功率与日照阴影之间的特征关系，采用统计分析方法计算确定用户时段t光伏发电系统输出功率与日照阴影最大值、平均值和最小值模糊不确定性关系的广义三维梯形模糊集分别为：

$\begin{array}{c}{\stackrel{\‾}{Y}}_H^t=({\stackrel{\‾}{Y}}_{HL}^t,{\stackrel{\‾}{Y}}_{HM}^t,{\stackrel{\‾}{Y}}_{HU}^t)=\[({\stackrel{\‾}{Y}}_{HL1}^t,{\stackrel{\‾}{Y}}_{HL2}^t,{\stackrel{\‾}{Y}}_{HL3}^t,{\stackrel{\‾}{Y}}_{HL4}^t;{\stackrel{\‾}{k}}_{YL}^t),\\ ({\stackrel{\‾}{Y}}_{HM1}^t,{\stackrel{\‾}{Y}}_{HM2}^t,{\stackrel{\‾}{Y}}_{HM3}^t,{\stackrel{\‾}{Y}}_{HM4}^t;{\stackrel{\‾}{k}}_{YM}^t),\\ ({\stackrel{\‾}{Y}}_{HU1}^t,{\stackrel{\‾}{Y}}_{HU2}^t,{\stackrel{\‾}{Y}}_{HU3}^t,{\stackrel{\‾}{Y}}_{HU4}^t;{\stackrel{\‾}{k}}_{YU}^t)\]\end{array}$

$\begin{array}{c}{\stackrel{\‾}{\stackrel{\‾}{Y}}}_H^t=({\stackrel{\‾}{\stackrel{\‾}{Y}}}_{HL}^t,{\stackrel{\‾}{\stackrel{\‾}{Y}}}_{HM}^t,{\stackrel{\‾}{\stackrel{\‾}{Y}}}_{HU}^t)=\[({\stackrel{\‾}{\stackrel{\‾}{Y}}}_{HL1}^t,{\stackrel{\‾}{\stackrel{\‾}{Y}}}_{HL2}^t,{\stackrel{\‾}{\stackrel{\‾}{Y}}}_{HL3}^t,{\stackrel{\‾}{\stackrel{\‾}{Y}}}_{HL4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{YL}^t),\\ ({\stackrel{\‾}{\stackrel{\‾}{Y}}}_{HM1}^t,{\stackrel{\‾}{\stackrel{\‾}{Y}}}_{HM2}^t,{\stackrel{\‾}{\stackrel{\‾}{Y}}}_{HM3}^t,{\stackrel{\‾}{\stackrel{\‾}{Y}}}_{HM4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{YM}^t),\\ ({\stackrel{\‾}{\stackrel{\‾}{Y}}}_{HU1}^t,{\stackrel{\‾}{\stackrel{\‾}{Y}}}_{HU2}^t,{\stackrel{\‾}{\stackrel{\‾}{Y}}}_{HU3}^t,{\stackrel{\‾}{\stackrel{\‾}{Y}}}_{HU4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{YU}^t)\]\end{array}$

$\begin{array}{c}{\underset{\‾}{Y}}_H^t=({\underset{\‾}{Y}}_{HL}^t,{\underset{\‾}{Y}}_{HM}^t,{\underset{\‾}{Y}}_{HU}^t)=\[({\underset{\‾}{Y}}_{HL1}^t,{\underset{\‾}{Y}}_{HL2}^t,{\underset{\‾}{Y}}_{HL3}^t,{\underset{\‾}{Y}}_{HL4}^t;{\underset{\‾}{k}}_{YL}^t),\\ ({\underset{\‾}{Y}}_{HM1}^t,{\underset{\‾}{Y}}_{HM2}^t,{\underset{\‾}{Y}}_{HM3}^t,{\underset{\‾}{Y}}_{HM4}^t;{\underset{\‾}{k}}_{YM}^t),\\ ({\underset{\‾}{Y}}_{HU1}^t,{\underset{\‾}{Y}}_{HU2}^t,{\underset{\‾}{Y}}_{HU3}^t,{\underset{\‾}{Y}}_{HU4}^t;{\underset{\‾}{k}}_{YU}^t)\]\end{array}$

式中，及分别为时段t与最大值、平均值和最小值相对应的日照阴影模糊集或模糊数及隶属度系数， 及分别为时段t与最大值的下界、中界、上界相对应的日照阴影模糊数及隶属度系数，及分别为时段t与平均值的下界、中界、上界相对应的日照阴影模糊数及隶属度系数，及分别为时段t与最小值的下界、中界、上界相对应的日照阴影模糊数及隶属度系数。

下面对光伏发电系统输出功率与日照偏角最大值、平均值和最小值模糊不确定性关系的广义三维梯形模糊集的确定过程进行进一步详细阐述。

从公共气象数据平台获取用户所在地一天中白天N_SH个时段日照偏角度最大值、平均值和最小值的相关数据信息，根据光伏发电系统输出功率与日照偏角之间的特征关系，采用统计分析方法计算确定用户时段t光伏发电系统输出功率与日照偏角最大值、平均值和最小值模糊不确定性关系的广义三维梯形模糊集分别为：

$\begin{array}{c}{\stackrel{\‾}{A}}_H^t=({\stackrel{\‾}{A}}_{HL}^t,{\stackrel{\‾}{A}}_{HM}^t,{\stackrel{\‾}{A}}_{HU}^t)=\[({\stackrel{\‾}{A}}_{HL1}^t,{\stackrel{\‾}{A}}_{HL2}^t,{\stackrel{\‾}{A}}_{HL3}^t,{\stackrel{\‾}{A}}_{HL4}^t;{\stackrel{\‾}{k}}_{AL}^t),\\ ({\stackrel{\‾}{A}}_{HM1}^t,{\stackrel{\‾}{A}}_{HM2}^t,{\stackrel{\‾}{A}}_{HM3}^t,{\stackrel{\‾}{A}}_{HM4}^t;{\stackrel{\‾}{k}}_{AM}^t),\\ ({\stackrel{\‾}{A}}_{HU1}^t,{\stackrel{\‾}{A}}_{HU2}^t,{\stackrel{\‾}{A}}_{HU3}^t,{\stackrel{\‾}{A}}_{HU4}^t;{\stackrel{\‾}{k}}_{AU}^t)\]\end{array}$

$\begin{array}{c}{\stackrel{\‾}{\stackrel{\‾}{A}}}_H^t=({\stackrel{\‾}{\stackrel{\‾}{A}}}_{HL}^t,{\stackrel{\‾}{\stackrel{\‾}{A}}}_{HM}^t,{\stackrel{\‾}{\stackrel{\‾}{A}}}_{HU}^t)=\[({\stackrel{\‾}{\stackrel{\‾}{A}}}_{HL1}^t,{\stackrel{\‾}{\stackrel{\‾}{A}}}_{HL2}^t,{\stackrel{\‾}{\stackrel{\‾}{A}}}_{HL3}^t,{\stackrel{\‾}{\stackrel{\‾}{A}}}_{HL4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{AL}^t),\\ ({\stackrel{\‾}{\stackrel{\‾}{A}}}_{HM1}^t,{\stackrel{\‾}{\stackrel{\‾}{A}}}_{HM2}^t,{\stackrel{\‾}{\stackrel{\‾}{A}}}_{HM3}^t,{\stackrel{\‾}{\stackrel{\‾}{A}}}_{HM4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{AM}^t),\\ ({\stackrel{\‾}{\stackrel{\‾}{A}}}_{HU1}^t,{\stackrel{\‾}{\stackrel{\‾}{A}}}_{HU2}^t,{\stackrel{\‾}{\stackrel{\‾}{A}}}_{HU3}^t,{\stackrel{\‾}{\stackrel{\‾}{A}}}_{HU4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{AU}^t)\]\end{array}$

$\begin{array}{c}{\underset{\‾}{A}}_H^t=({\underset{\‾}{A}}_{HL}^t,{\underset{\‾}{A}}_{HM}^t,{\underset{\‾}{A}}_{HU}^t)=\[({\underset{\‾}{A}}_{HL1}^t,{\underset{\‾}{A}}_{HL2}^t,{\underset{\‾}{A}}_{HL3}^t,{\underset{\‾}{A}}_{HL4}^t;{\underset{\‾}{k}}_{AL}^t),\\ ({\underset{\‾}{A}}_{HM1}^t,{\underset{\‾}{A}}_{HM2}^t,{\underset{\‾}{A}}_{HM3}^t,{\underset{\‾}{A}}_{HM4}^t;{\underset{\‾}{k}}_{AM}^t),\\ ({\underset{\‾}{A}}_{HU1}^t,{\underset{\‾}{A}}_{HU2}^t,{\underset{\‾}{A}}_{HU3}^t,{\underset{\‾}{A}}_{HU4}^t;{\underset{\‾}{k}}_{AU}^t)\]\end{array}$

式中，及分别为时段t与最大值、平均值和最小值相对应的日照偏角模糊集或模糊数及隶属度系数， 及分别为时段t与最大值的下界、中界、上界相对应的日照偏角模糊数及隶属度系数，及分别为时段t与平均值的下界、中界、上界相对应的日照偏角模糊数及隶属度系数，及分别为时段t与最小值的下界、中界、上界相对应的日照偏角模糊数及隶属度系数。

下面对光伏发电系统输出功率与因日照导致的环境温度升高幅度参数最大值、平均值和最小值模糊不确定性关系的广义三维梯形模糊集计算的过程进行详细阐述。

从公共气象数据平台获取用户所在地一天中白天N_SH个时段因日照而环境温升幅度最大值、平均值和最小值的相关数据信息，根据光伏发电系统输出功率与环境温度升高之间的特征关系，采用统计分析方法计算确定用户时段t(t＝1,2,...,N_SH)光伏发电系统输出功率与环境温升最大值、平均值和最小值模糊不确定性关系的广义三维梯形模糊集分别为：

$\begin{array}{c}{\stackrel{\‾}{\mathrm{\Δ}T}}_H^t=({\stackrel{\‾}{\mathrm{\Δ}T}}_{HL}^t,{\stackrel{\‾}{\mathrm{\Δ}T}}_{HM}^t,{\stackrel{\‾}{\mathrm{\Δ}T}}_{HU}^t)=\[({\stackrel{\‾}{\mathrm{\Δ}T}}_{HL1}^t,{\stackrel{\‾}{\mathrm{\Δ}T}}_{HL2}^t,{\stackrel{\‾}{\mathrm{\Δ}T}}_{HL3}^t,{\stackrel{\‾}{\mathrm{\Δ}T}}_{HL4}^t;{\stackrel{\‾}{k}}_{\mathrm{\Δ}TL}^t),\\ ({\stackrel{\‾}{\mathrm{\Δ}T}}_{HM1}^t,{\stackrel{\‾}{\mathrm{\Δ}T}}_{HM2}^t,{\stackrel{\‾}{\mathrm{\Δ}T}}_{HM3}^t,{\stackrel{\‾}{\mathrm{\Δ}T}}_{HM4}^t;{\stackrel{\‾}{k}}_{\mathrm{\Δ}TM}^t),\\ ({\stackrel{\‾}{\mathrm{\Δ}T}}_{HU1}^t,{\stackrel{\‾}{\mathrm{\Δ}T}}_{HU2}^t,{\stackrel{\‾}{\mathrm{\Δ}T}}_{HU3}^t,{\stackrel{\‾}{\mathrm{\Δ}T}}_{HU4}^t;{\stackrel{\‾}{k}}_{\mathrm{\Δ}TU}^t)\]\end{array}$

${\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_H^t=({\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_{HL}^t,{\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_{HM}^t,{\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_{HU}^t)=\[({\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_{HL1}^t,{\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_{HL2}^t,{\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_{HL3}^t,{\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_{HL4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{\mathrm{\Δ}TL}^t),$

$\begin{array}{c}({\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_{HM1}^t,{\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_{HM2}^t,{\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_{HM3}^t,{\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_{HM4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{\mathrm{\Δ}TM}^t),\\ ({\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_{HU1}^t,{\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_{HU2}^t,{\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_{HU3}^t,{\stackrel{\‾}{\stackrel{\‾}{\mathrm{\Δ}T}}}_{HU4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{\mathrm{\Δ}TU}^t)\]\end{array}$

$\begin{array}{c}{\underset{\‾}{\mathrm{\Δ}T}}_H^t=({\underset{\‾}{\mathrm{\Δ}T}}_{HL}^t,{\underset{\‾}{\mathrm{\Δ}T}}_{HM}^t,{\underset{\‾}{\mathrm{\Δ}T}}_{HU}^t)=\[({\underset{\‾}{\mathrm{\Δ}T}}_{HL1}^t,{\underset{\‾}{\mathrm{\Δ}T}}_{HL2}^t,{\underset{\‾}{\mathrm{\Δ}T}}_{HL3}^t,{\underset{\‾}{\mathrm{\Δ}T}}_{HL4}^t;{\underset{\‾}{k}}_{\mathrm{\Δ}TL}^t),\\ ({\underset{\‾}{\mathrm{\Δ}T}}_{HM1}^t,{\underset{\‾}{\mathrm{\Δ}T}}_{HM2}^t,{\underset{\‾}{\mathrm{\Δ}T}}_{HM3}^t,{\underset{\‾}{\mathrm{\Δ}T}}_{HM4}^t;{\underset{\‾}{k}}_{\mathrm{\Δ}TM}^t),\\ ({\underset{\‾}{\mathrm{\Δ}T}}_{HU1}^t,{\underset{\‾}{\mathrm{\Δ}T}}_{HU2}^t,{\underset{\‾}{\mathrm{\Δ}T}}_{HU3}^t,{\underset{\‾}{\mathrm{\Δ}T}}_{HU4}^t;{\underset{\‾}{k}}_{\mathrm{\Δ}TU}^t)\]\end{array}$

式中，及分别为时段t与最大值、平均值和最小值相对应的温度升高模糊集或模糊数及隶属度系数， 及分别为时段t与最大值的下界、中界、上界相对应的温度升高模糊数及隶属度系数，及 分别为时段t与平均值的下界、中界、上界相对应的温度升高模糊数及隶属度系数，及分别为时段t与最小值的下界、中界、上界相对应的温度升高模糊数及隶属度系数。

步骤S102确定各时段电池储能充电有功功率控制值的广义三维梯形模糊集可以具体包括：

依据各时段配电网负荷功率的需求水平、配电网本地及相邻区域电压的调整值，结合潮流计算数据，采用下垂控制方法计算用户各时段电池储能充电有功功率控制值；

采用模糊分析方法确定用户各时段电池储能充电有功功率控制值的广义三维梯形模糊集。

下面对用户电池储能充电有功功率控制值的广义三维梯形模糊集计算的过程进行详细阐述。

从监控系统获取时段t用户电池储能状态，按照光伏发电系统接入配电网的供电调度要求和调压需求的条件，依据时段t配电网负荷功率的需求水平和配电网本地及相邻区域电压的调整值，结合潮流计算数据，采用下垂控制原理和方法计算确定用户第t时段电池储能充电有功功率控制值进而采用模糊分析方法计算确定用户第t时段电池储能充电有功功率控制值的广义三维梯形模糊集分别为：

$\begin{array}{c}{\stackrel{\‾}{C}}_H^t=({\stackrel{\‾}{C}}_{HL}^t,{\stackrel{\‾}{C}}_{HM}^t,{\stackrel{\‾}{C}}_{HU}^t)=\[({\stackrel{\‾}{C}}_{HL1}^t,{\stackrel{\‾}{C}}_{HL2}^t,{\stackrel{\‾}{C}}_{HL3}^t,{\stackrel{\‾}{C}}_{HL4}^t;{\stackrel{\‾}{k}}_{CL}^t),\\ ({\stackrel{\‾}{C}}_{HM1}^t,{\stackrel{\‾}{C}}_{HM2}^t,{\stackrel{\‾}{C}}_{HM3}^t,{\stackrel{\‾}{C}}_{HM4}^t;{\stackrel{\‾}{k}}_{CM}^t),\\ ({\stackrel{\‾}{C}}_{HU1}^t,{\stackrel{\‾}{C}}_{HU2}^t,{\stackrel{\‾}{C}}_{HU3}^t,{\stackrel{\‾}{C}}_{HU4}^t;{\stackrel{\‾}{k}}_{CU}^t)\]\end{array}$

$\begin{array}{c}{\stackrel{\‾}{\stackrel{\‾}{C}}}_H^t=({\stackrel{\‾}{\stackrel{\‾}{C}}}_{HL}^t,{\stackrel{\‾}{\stackrel{\‾}{C}}}_{HM}^t,{\stackrel{\‾}{\stackrel{\‾}{C}}}_{HU}^t)=\[({\stackrel{\‾}{\stackrel{\‾}{C}}}_{HL1}^t,{\stackrel{\‾}{\stackrel{\‾}{C}}}_{HL2}^t,{\stackrel{\‾}{\stackrel{\‾}{C}}}_{HL3}^t,{\stackrel{\‾}{\stackrel{\‾}{C}}}_{HL4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{CL}^t),\\ ({\stackrel{\‾}{\stackrel{\‾}{C}}}_{HM1}^t,{\stackrel{\‾}{\stackrel{\‾}{C}}}_{HM2}^t,{\stackrel{\‾}{\stackrel{\‾}{C}}}_{HM3}^t,{\stackrel{\‾}{\stackrel{\‾}{C}}}_{HM4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{CM}^t),\\ ({\stackrel{\‾}{\stackrel{\‾}{C}}}_{HU1}^t,{\stackrel{\‾}{\stackrel{\‾}{C}}}_{HU2}^t,{\stackrel{\‾}{\stackrel{\‾}{C}}}_{HU3}^t,{\stackrel{\‾}{\stackrel{\‾}{C}}}_{HU4}^t;{\stackrel{\‾}{\stackrel{\‾}{k}}}_{CU}^t)\]\end{array}$

$\begin{array}{c}{\underset{\‾}{C}}_H^t=({\underset{\‾}{C}}_{HL}^t,{\underset{\‾}{C}}_{HM}^t,{\underset{\‾}{C}}_{HU}^t)=\[({\underset{\‾}{C}}_{HL1}^t,{\underset{\‾}{C}}_{HL2}^t,{\underset{\‾}{C}}_{HL3}^t,{\underset{\‾}{C}}_{HL4}^t;{\underset{\‾}{k}}_{CL}^t),\\ ({\underset{\‾}{C}}_{HM1}^t,{\underset{\‾}{C}}_{HM2}^t,{\underset{\‾}{C}}_{HM3}^t,{\underset{\‾}{C}}_{HM4}^t;{\underset{\‾}{k}}_{CM}^t),\\ ({\underset{\‾}{C}}_{HU1}^t,{\underset{\‾}{C}}_{HU2}^t,{\underset{\‾}{C}}_{HU3}^t,{\underset{\‾}{C}}_{HU4}^t;{\underset{\‾}{k}}_{CU}^t)\]\end{array}$

式中，及分别为时段t与最大值、平均值和最小值相对应的电池储能充电有功功率控制值及隶属度系数， 及分别为时段t与最大值的下界、中界、上界相对应的电池储能充电有功功率控制值模糊数及隶属度系数， 及分别为时段t与平均值的下界、中界、上界相对应的电池储能充电有功功率控制值模糊数及隶属度系数， 及分别为时段t与最小值的下界、中界、上界相对应的电池储能充电有功功率控制值模糊数及隶属度系数。

下面对光伏发电系统日发电量广义三维梯形模糊计算的过程进行进一步详细阐述。

采用模糊分析方法，计算装机容量为P_PVN(P_PVN≤1，为在参考温度下可发电功率)的光伏发电系统日发电量：

式中，k_PVE为光伏发电板光电转换系数，分别为历史数据中与最大值、平均值和最小值相对应的日照强度在时段t出现的概率，分别为历史数据中与最大值、平均值和最小值相对应的因日照而造成光伏发电系统温升幅度在时段t出现的概率， 分别为历史数据中与最大值、平均值和最小值相对应的日照阴影在时段t出现的概率，分别为历史数据中与最大值、平均值和最小值相对应的日照偏角在时段t出现的概率，分别为历史数据中与最大值、平均值和最小值相对应的电池储能充电有功功率控制值在时段t出现的概率，分别为历史数据中与最大值、平均值和最小值相对应的日照时间在时段t出现的概率。表示N_SH个模糊集的并集。

新能源用户光伏发电系统日发电量不仅由区域内太阳光辐射强度、日照时间及其概率或模糊度决定，还由用户所在地在不同时间和空间上日照强度、日照时间、日照阴影、日照偏角度及其概率或模糊度决定，同时还取决于作为接续发电或连续发电的光伏发电系统的电池储能容量或光热发电系统的熔融盐储能装机容量、储能状态、能源转换效率、配电网调压要求和柔性控制方式等因素。本发明实施例所提供的确定新能源用户光伏发电系统日发电量的方法，采用基于广义三维梯形(三角形或多角形)隶属度函数的TYPE1模糊集来计算区域内太阳光辐射强度和日照时间、用户所在地在不同时间和空间上日照强度、光伏发电系统的电池储能状态、光热发电系统的熔融盐储能状态、能源转换效率控制值、配电网调压要求值和下垂控制系数值以及这些不确定性参量的概率或模糊度。

下面对本发明实施例提供的确定新能源用户光伏发电系统日发电量的装置进行介绍，下文描述的确定新能源用户光伏发电系统日发电量的装置与上文描述的确定新能源用户光伏发电系统日发电量的方法可相互对应参照。

图2为本发明实施例提供的确定新能源用户光伏发电系统日发电量的装置的结构框图，参照图2确定新能源用户光伏发电系统日发电量的装置可以包括：

计算模块100，用于根据光伏发电系统输出功率与日照相关参数的特征关系，采用统计分析的方法，计算各时段光伏发电系统所述输出功率与各所述日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集；

第一确定模块200，用于获取各时段用户电池储能状态，按照光伏发电系统接入配电网的供电调度要求和调压需求的条件，确定各时段电池储能充电有功功率控制值的广义三维梯形模糊集；

第二确定模块300，用于采用模糊分析方法，确定在第一装机容量下所述光伏发电系统的日发电量。

利用本申请可以计算出一天新能源用户光伏发电系统发电量，反映了日照相关参量以及用户电池储能充电事件的随机特性、模糊特性及其概率特征、模糊分布规律，揭示了这些随机和模糊不确定性事件或参量对新能源用户分布式光伏发电系统日发电量的影响机理，为分布式新能源发电及智能电网调度运行提供了必要的技术支撑。

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。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的确定新能源用户光伏发电系统日发电量的方法以及装置进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (6)

1.一种确定新能源用户光伏发电系统日发电量的方法，其特征在于，包括：

根据光伏发电系统输出功率与日照相关参数的特征关系，采用统计分析的方法，计算各时段光伏发电系统所述输出功率与各所述日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集；

获取各时段用户电池储能状态，按照光伏发电系统接入配电网的供电调度要求和调压需求的条件，确定各时段电池储能充电有功功率控制值的广义三维梯形模糊集；

采用模糊分析方法，确定在第一装机容量下所述光伏发电系统的日发电量。

2.如权利要求1所述的确定新能源用户光伏发电系统日发电量的方法，其特征在于，所述日照相关参数包括日照强度、日照时间、日照阴影、日照偏角以及因日照导致的环境温度升高幅度参数。

3.如权利要求2所述的确定新能源用户光伏发电系统日发电量的方法，其特征在于，在所述采用统计分析的方法，计算各时段光伏发电系统所述输出功率与各所述日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集之前还包括：

从气象数据平台获取用户所在地一天各时段内各日照相关参数的数据信息。

4.如权利要求3所述的确定新能源用户光伏发电系统日发电量的方法，其特征在于，所述计算各时段光伏发电系统所述输出功率与各所述日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集包括：

采用基于广义三维梯形隶属度函数的TYPE1模糊集来计算各所述日照相关参数的概率或模糊度。

5.如权利要求1至4任一项所述的确定新能源用户光伏发电系统日发电量的方法，其特征在于，所述确定各时段电池储能充电有功功率控制值的广义三维梯形模糊集包括：

依据各时段配电网负荷功率的需求水平、配电网本地及相邻区域电压的调整值，结合潮流计算数据，采用下垂控制方法计算用户各时段电池储能充电有功功率控制值；

采用模糊分析方法确定用户各时段电池储能充电有功功率控制值的广义三维梯形模糊集。

6.一种确定新能源用户光伏发电系统日发电量的装置，其特征在于，包括：

计算模块，用于根据光伏发电系统输出功率与日照相关参数的特征关系，采用统计分析的方法，计算各时段光伏发电系统所述输出功率与各所述日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义三维梯形模糊集；

第一确定模块，用于获取各时段用户电池储能状态，按照光伏发电系统接入配电网的供电调度要求和调压需求的条件，确定各时段电池储能充电有功功率控制值的广义三维梯形模糊集；

第二确定模块，用于采用模糊分析方法，确定在第一装机容量下所述光伏发电系统的日发电量。