CN106656032B - 针对雾霾积灰的光伏发电功率输出减少率估计方法 - Google Patents

Abstract

本发明提出一种针对雾霾积灰的光伏发电功率输出减少率估计方法，所述方法利用PM2.5累积浓度、PM10累积浓度表征光伏电池面板的积灰浓度，在构造大量PM2.5累积浓度‑PM10累积浓度‑光伏电池发电功率输出减少率实际样本的基础上，运用最小二乘法建立了光伏发电功率输出减少率的估计模型，并利用该模型估计雾霾天气下光伏电池板的发电功率输出减少率。本发明有助于提高雾霾天气下光伏发电功率的预测精度。

Description

针对雾霾积灰的光伏发电功率输出减少率估计方法

技术领域

本发明涉及一种针对雾霾积灰的光伏发电功率输出减少率估计方法，属于光伏功率预测技术领域。

背景技术

光伏发电的功率预测对于保证电力系统的稳定运行具有重要意义。近年来，我国出现了大范围的持续雾霾天气。在持续雾霾天气下，细颗粒物沉降使得光伏电池面板不断积灰，削弱其对太阳辐射的吸收，从而降低发电功率。为了更加准确的对光伏发电功率进行预测，需对雾霾天气下积灰引起的光伏发电功率输出减少率进行估计。

国内外已有部分学者开展了积灰对光伏电池发电功率影响的相关研究工作。如有学者根据红土、石灰石和灰烬的模拟实验结果，建立了理论模型，可根据积灰浓度估算光伏电池功率输出减少率；有研究人员通过在室内模拟自然灰尘，提出了积灰浓度与光伏电池功率输出减少率的线性拟合模型；重庆大学居发礼建立了考虑降尘量与降雨量的光伏面板积灰模型。由于实验环境和积灰成分差异较大，上述研究工作彼此之间缺乏可比性，其结论是否适合于以细颗粒物为主的雾霾积灰有待检验。另外，在实际工程中，测量光伏电池面板的积灰浓度需借助于高精度的称量设备，进行连续性测量较为困难，从而影响了上述模型的实用性。

雾和霾分别指悬浮于大气中的细微水滴和灰尘颗粒，是光伏电池面板积灰形成的直接来源。为了反映雾霾情况，2012年以来，国家相关部门开始实时发布空气质量指数(AQI)以及其中的PM2.5浓度、PM10浓度等6项基本监测数据，至2015年1月2日，已经覆盖367个城市。

鉴于光伏电池面板积灰浓度的实时测量难度较大，而地面空气质量监测站可实时发布PM2.5浓度、PM10浓度等数据，且站点数量将不断增加，本发明提出一种基于PM2.5累积浓度、PM10累积浓度的光伏发电功率输出功率减少率估计方法，以更好的进行光伏发电功率的预测。

发明内容

一种针对雾霾积灰的光伏电池板发电功率输出减少率估计方法，其特征是该方法包括以下步骤：

a.收集数据，构成原始样本集：

在实验室某一固定光照条件下，测量表面洁净的光伏电池板的输出功率，记录为P₀；然后，将光伏电池板置于雾霾天气下的室外空旷处，使其与水平地面的倾角为α，进行自然积灰，并以ΔT为时间间隔，定期在实验室相同的固定光照条件下测量其输出功率，同时记录相应时刻空气的PM2.5浓度、PM10浓度，对于第i次测量，记录其输出功率为P_i，空气的PM2.5浓度为C_i1、PM10浓度为C_i2；通过长期的数据记录，形成原始样本集{(C_i1，C_i2，P_i)}，i＝1，2，…，N，N为样本总个数；

b.对原始样本集进行处理，构成训练样本集：

基于原始样本集{(C_i1，C_i2，P_i)}，计算第i次测量对应的PM2.5累积浓度C_i1 ^*与PM10累积浓度C_i2 ^*，以及第i次测量对应的光伏发电功率输出减少率η_i：

从而得到训练样本集

c.采用最小二乘法建立光伏发电功率输出减少率的估计模型：

以与作为模型输入，η_i作为模型输出，按照下式建立光伏发电功率输出减少率的估计模型：

其中a₀，a₁，a₂为模型参数，cosα为光伏电池板倾角修正系数；

d.采用最小二乘法，确定所述估计模型参数a₀，a₁，a₂：

选择参数a₀，a₁，a₂，使得所述光伏发电功率输出减少率的估计模型在训练样本集上的偏差的平方和Q(a₀，a₁，a₂)最小：

即通过求解下述方程，得出模型参数a₀，a₁，a₂；

e.利用所述估计模型进行光伏发电功率输出减少率的估计：

假设k时刻进行第k次测量，已知k时刻的PM2.5浓度为C_k1，PM10浓度为C_k2，时间间隔为ΔT，可计算出截止至k时刻对应的累积浓度C_k1 ^*与PM10累积浓度C_k2 ^*，则k时刻对应的光伏发电功率输出减少率η_k的估计值为：

本发明的有益效果在于：

(1)创造性的利用PM2.5累积浓度与PM10累积浓度表征雾霾天气下光伏电池面板的积灰浓度，避免了积灰称量过程的不便，并具有实时性好的特点。

(2)采用最小二乘法确定估计模型参数，有助于提高模型精度，并具有简单易行的特点。

附图说明

下面结合附图对本发明作进一步详述。

图1为光伏发电功率输出减少率估计模型结构示意图；

图2为光伏发电功率输出减少率估计模型在校验样本上的估计精度。

下面结合附图，对优选实施例作详细步骤说明。应该强调的是下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

具体实施方式

本发明提出一种针对雾霾积灰的光伏发电功率输出减少率估计方法，所述方法利用PM2.5累积浓度、PM10累积浓度表征光伏电池面板的积灰浓度，在构造大量PM2.5累积浓度-PM10累积浓度-光伏电池发电功率输出减少率实际样本的基础上，运用最小二乘法建立了光伏发电功率输出减少率的估计模型，并利用该模型估计雾霾天气下光伏电池板的发电功率输出减少率。所述估计模型的机构如图1所示，具体包括以下步骤：

a.收集数据，构成原始样本集：

在实验室某一固定光照条件下，测量表面洁净的光伏电池板的输出功率，记录为P₀；然后，将光伏电池板置于雾霾天气下的室外空旷处，使其与水平地面的倾角为α，进行自然积灰，并以ΔT为时间间隔，定期在实验室相同的固定光照条件下测量其输出功率，同时记录相应时刻空气的PM2.5浓度、PM10浓度，对于第i次测量，记录其输出功率为P_i，空气的PM2.5浓度为C_i1、PM10浓度为C_i2；通过长期的数据记录，形成原始样本集{(C_i1，C_i2，P_i)}，i＝1，2，…，N，N为样本总个数；

优选实施例中，原始样本集采集于2015年12月至2016年6月间的河北保定地区。在实验室利用1000W高压疝灯模拟太阳光照环境，测量表面洁净、额定功率30W的光伏电池板的输出功率，记录为P₀＝14.9W；然后，将光伏电池板置于雾霾天气下的室外空旷处，使其与水平地面的倾角为α＝45°，进行自然积灰，并以ΔT＝24h为时间间隔，定期在实验室相同的固定光照条件下测量其输出功率，形成原始样本集{(C_i1，C_i2，P_i)}，i＝1，2，…，N，N＝150；

b.对原始样本集进行处理，构成训练样本集：

基于原始样本集{(C_i1，C_i2，P_i)}，计算第i次测量对应的PM2.5累积浓度C_i1 ^*与PM10累积浓度C_i2 ^*，以及第i次测量对应的光伏发电功率输出减少率η_i：

从而得到训练样本集

c.采用最小二乘法建立光伏发电功率输出减少率的估计模型：

以与作为模型输入，η_i作为模型输出，按照下式建立光伏发电功率输出减少率的估计模型：

d.采用最小二乘法，确定所述估计模型参数a₀，a₁，a₂：

选择参数a₀，a₁，a₂，使得所述光伏发电功率输出减少率的估计模型在训练样本集上的偏差的平方和最小，即使得

为最小；优选实施例中，N＝150。通过求解下述方程，得出模型参数a₀＝1.499，a₁＝0.0007881，a₂＝-0.0002288；

e.利用所述估计模型进行光伏发电功率输出减少率的估计：

假设k时刻进行第k次测量，已知k时刻的PM2.5浓度为C_k1，PM10浓度为C_k2，时间间隔为ΔT，可计算出截止至k时刻对应的累积浓度C_k1 ^*与PM10累积浓度C_k2 ^*，则k时刻对应的光伏发电功率输出减少率η_k的估计值为：

优选实施例中，取k＝5，已知该时刻的PM2.5浓度为C₅₁＝78ug/m³，PM10浓度为C₅₂＝182ug/m³，时间间隔为ΔT＝24h，可计算出截止至该时刻对应的累积浓度C₅₁ ^*＝11716ug/m³·h，PM10累积浓度C₅₂ ^*＝29028ug/m³·h，则该时刻对应的光伏发电功率输出减少率η₅的估计值

积浓度C₅₁ ^*＝11716ug/m³·h，PM10累积浓度C₅₂ ^*＝29028ug/m³·h，则该时刻对应的光伏发电功率输出减少率η₅的估计值

优选实施例中，为了验证所建立的光伏电池板功率输出减少率估计模型的精度，另外选取15组样本作为校验样本集，对估计效果进行验证，结果如图2所示，可知，在校验样本集上的平均绝对值误差为15.8％，说明模型具有较高的估计精度。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可推想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (1)

1.一种针对雾霾积灰的光伏电池板发电功率输出减少率估计方法，其特征是该方法包括以下步骤：

a.收集数据，构成原始样本集：

在实验室某一固定光照条件下，测量表面洁净的光伏电池板的输出功率，记录为P₀；然后，将光伏电池板置于雾霾天气下的室外空旷处，使其与水平地面的倾角为α，进行自然积灰，并以ΔT为时间间隔，定期在实验室相同的固定光照条件下测量其输出功率，同时记录相应时刻空气的PM2.5浓度、PM10浓度，对于第i次测量，记录其输出功率为P_i，空气的PM2.5浓度为C_i1、PM10浓度为C_i2；通过长期的数据记录，形成原始样本集{(C_i1，C_i2，P_i)}，i＝1，2，…，N，N为样本总个数；

b.对原始样本集进行处理，构成训练样本集：

基于原始样本集{(C_i1，C_i2，P_i)}，计算第i次测量对应的PM2.5累积浓度C_i1 ^*与PM10累积浓度C_i2 ^*，以及第i次测量对应的光伏发电功率输出减少率η_i：

从而得到训练样本集

c.采用最小二乘法建立光伏发电功率输出减少率的估计模型：

以与作为模型输入，η_i作为模型输出，按照下式建立光伏发电功率输出减少率的估计模型：

其中a₀，a₁，a₂为模型参数，cosα为光伏电池板倾角修正系数；

d.采用最小二乘法，确定所述估计模型参数a₀，a₁，a₂：

选择参数a₀，a₁，a₂，使得所述光伏发电功率输出减少率的估计模型在训练样本集上的偏差的平方和Q(a₀，a₁，a₂)最小：

即通过求解下述方程，得出模型参数a₀，a₁，a₂；

e.利用所述估计模型进行光伏发电功率输出减少率的估计：

假设k时刻进行第k次测量，已知k时刻的PM2.5浓度为C_k1，PM10浓度为C_k2，时间间隔为ΔT，可计算出截止至k时刻对应的累积浓度C_k1 ^*与PM10累积浓度C_k2 ^*，则k时刻对应的光伏发电功率输出减少率η_k的估计值为：