CN106897784A - 一种基于在线建模的分布式光伏发电功率预测方法 - Google Patents
一种基于在线建模的分布式光伏发电功率预测方法 Download PDFInfo
- Publication number
- CN106897784A CN106897784A CN201510958649.9A CN201510958649A CN106897784A CN 106897784 A CN106897784 A CN 106897784A CN 201510958649 A CN201510958649 A CN 201510958649A CN 106897784 A CN106897784 A CN 106897784A
- Authority
- CN
- China
- Prior art keywords
- data
- distributed photovoltaic
- power generation
- photovoltaic power
- method based
- 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.)
- Pending
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 26
- 238000013277 forecasting method Methods 0.000 title claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 claims description 4
- 230000005693 optoelectronics Effects 0.000 claims description 4
- 238000000053 physical method Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims description 2
- 241001269238 Data Species 0.000 abstract description 3
- 238000009825 accumulation Methods 0.000 abstract description 2
- 238000003672 processing method Methods 0.000 abstract description 2
- 241000196324 Embryophyta Species 0.000 description 10
- 239000012141 concentrate Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Photovoltaic Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于在线建模的分布式光伏发电功率预测方法,包括:I、建立分布式光伏功率预测通用模型;II、数据的在线处理;III、分布式光伏功率预测模型的修正;IV、分布式光伏功率预测值。本发明基于数据在线处理方法,可实现分布式光伏功率预测模型的快速建立,不需要大量历史数据的积累,且算法通用性强,可适用于任何分布式光伏电站。
Description
技术领域
本发明涉及一种基于新能源的电力系统,具体讲涉及一种基于在线建模的分布式光伏发电功率预测方法。
背景技术
光伏电站分为集中并网型光伏电站和分布式光伏电站,光伏发展的早期,主要以集中并网型的光伏电站为主,针对该类型的光伏电站已经具备较为成熟的功率预测方法:以单个集中并网的光伏电站作为预测对象,通过收集基础资料,离线建模的手段完成预测建模工作。但对于分布式光伏来说,由于分布式光伏的地理分布分散、数量众多的特点,集中并网型的方法并不适用,故提出本发明的方法,分析不同类型光伏电池的特点,基于光电转换模型,建立气象信息、光伏电池特征参数与光伏电池输出功率的数学模型,并通过数据在线处理的方式实现对分布式光伏功率预测的快速、高效建模。
发明内容
针对上述问题,本发明提供了一种基于在线建模的分布式光伏发电功率预测方法
一种基于在线建模的分布式光伏发电功率预测方法,其特征在于,包括:
I、建立分布式光伏发电功率预测通用模型;
II、数据的在线处理;
III、分布式光伏发电功率预测模型的修正;
IV、分布式光伏发电功率的预测值。
进一步的,所述步骤I包括:
确定通用光伏组件参数:收集不同类型的光伏电站的组件参数,选取光伏电站作为样本,对样本光伏电站的组件参数取平均值和建立分布式光伏发电功率预测的通用模型。
进一步的,根据光电转换的物理方法,以及所述通用光伏组件参数、分布式光伏电站的装机容量和地理位置的经纬度信息建立所述通用模型。
进一步的,所述步骤II包括:
(1)异常数据的诊断;
(2)异常数据的处理;
(3)数据的拟合。
进一步的,步骤II所述数据包括分布式光伏的实际功率、分布式光伏的预测功率以及数值天气预报。
进一步的,所述异常数据包括持续不变、数据越限、数据重叠和整体分布异常;根据数据的实际情况,对这四种异常类型进行在线识别。
进一步的,所述步骤(2)对异常数据的处理包括:
数据持续不变和数据越限时,剔除异常时段的数据;
数据重叠时,删掉后面的重叠数据;
数据整体分布异常时,剔除分布异常时间段内的数据。
进一步的,所述步骤(3)所述拟合方法包括:
基于PEA和PRA,利用最小二乘法拟合参数,得到拟合参数η={η1,η2},其中,PR是分布式光伏实际功率数据,PE是分布式光伏预测功率数据,PRA和PEA分别是PR和PE按时间进行对齐后的数据,η1、η2是常数,代表拟合参数;
式表经拟合参数处理的预测功率;
最终得到和PRA二者对应数据差值的平方和最小值。
进一步的,所述步骤III的模型为设定一个月为一周期,在该周期内修正所述分布式光伏发电功率预测模型,调整的分布式光伏的预测结果用下式表示:
其中,Result是分布式光伏的预测结果,是经过调整的分布式光伏预测结果。
与最接近的现有技术比,本发明提供的技术方案具有以下有益效果:
传统的光伏功率预测方法,以单个集中并网的光伏电站作为预测对象,通过收集基础资料,离线建模的手段完成预测建模工作。由于分布式光伏的地理分布分散、数量众多的特点,集中并网型的方法并不适用,本发明基于数据在线处理方法,可实现分布式光伏功率预测模型的快速建立,不需要大量历史数据的积累,且算法通用性强,可适用于任何分布式光伏电站。
附图说明
图1为太阳电池受光照产生伏打效应示意图;
图2为本发明的整体技术路线。
具体实施方式
下面通过具体实施方式对发明提供的技术方案做详细说明。
本发明提供了一种基于在线建模的分布式光伏发电功率预测方法,整体技术路线如附图1,由三个步骤组成:
1、分布式光伏功率预测通用模型
(1)收集不同类型的光伏电站的组件参数(包含最大工作电压Vmp、最大工作电流Imp、开路电压Voc、短路电流Isc、峰值功率Wp),选取一定数量的光伏电站作为样本,对样本光伏电站的组件参数取平均值,得到通用的光伏组件参数,即Vmp、Imp、Voc、Isc、Wp的平均值。
(2)利用(1)中得到通用光伏组件参数,同时利用分布式光伏电站的装机容量、地理位置的经纬度信息,采用基于光电转换的物理方法建立分布式光伏的通用化功率预测模型。
2、数据在线处理
(1)异常数据的诊断
需要在线处理的数据包括分布式光伏的实际功率、分布式光伏的预测功率以及数值天气预报,根据数据实际运行的特点,异常数据主要分为持续不变、数据越限、数据重叠、整体分布异常四大类型,根据数据的实际情况,对这四种类型异常进行在线识别:
设定一个固定的时间间隔TI,若数据在TI内保持不变或变化的幅度特别小则可视为数据的持续不变;
针对不同的数据设定数据的范围DR=[D1,D2],若实际数据不在DR内则可视为数据越限;
设定一个固定的时间间隔TIT,若统计时段出现两个TIT内数据的值相同则可视为数据重叠;
正常情况下,不同数据类型在一段时间内会呈现出一定的规律,若在统计时段内,数据不符合这个特定的规律,则认为是数据整体分布异常。
(2)异常数据处理
对步骤(1)诊断的异常数据进行处理:
对于数据持续不变和数据越限,将发生异常时段的数据剔除;
对于数据重叠,按时间先后顺序将后面的重叠数据删掉;
对于数据整体分布异常,将分布异常时间段内的数据直接剔除。
(3)数据拟合
对经过步骤(1)和步骤(2)处理的分布式光伏实际功率PR、分布式光伏预测功率数据PE,由于PR和PE是时间序列数据,需要将PR和PE按时间进行对齐,得到数据对齐后的数据PRA和PEA,PRA是PR经过处理后的数据集,PEA是PE经过处理后的数据集;
基于PEA和PRA,利用最小二乘法拟合参数,得到拟合参数η={η1,η2},η1、η2是常数,代表拟合参数,令 是经过拟合参数处理的预测功率,拟合的最终目的为得到和PRA二者对应数据差值的平方和最小值。
3、分布式光伏功率预测模型的修正
基于步骤1和步骤2,定期(一般为一个月)对分布式光伏功率预测模型进行修正,将分布式光伏的预测结果按以下方式进行调整:
其中,Result是分布式光伏的预测结果,是经过调整的分布式光伏预测结果。
最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换,但这些变更、修改或者等同替换,均在申请特批的权利要求保护范围之内。
Claims (9)
1.一种基于在线建模的分布式光伏发电功率预测方法,其特征在于,包括:
I、建立分布式光伏发电功率预测通用模型;
II、数据的在线处理;
III、分布式光伏发电功率预测模型的修正;
IV、分布式光伏发电功率的预测值。
2.如权利要求1所述的一种基于在线建模的分布式光伏发电功率预测方法,其特征在于,所述步骤I包括:
确定通用光伏组件参数:收集不同类型的光伏电站的组件参数,选取光伏电站作为样本,对样本光伏电站的组件参数取平均值和建立分布式光伏发电功率预测的通用模型。
3.如权利要求2所述的一种基于在线建模的分布式光伏发电功率预测方法,其特征在于,根据光电转换的物理方法,以及所述通用光伏组件参数、分布式光伏电站的装机容量和地理位置的经纬度信息建立所述通用模型。
4.如权利要求1所述的一种基于在线建模的分布式光伏发电功率预测方法,其特征在于,所述步骤II包括:
(1)异常数据的诊断;
(2)异常数据的处理;
(3)数据的拟合。
5.如权利要求1所述的一种基于在线建模的分布式光伏发电功率预测方法,其特征在于,步骤II所述数据包括分布式光伏的实际功率、分布式光伏的预测功率以及数值天气预报。
6.如权利要求4所述的一种基于在线建模的分布式光伏发电功率预测方法,其特征在于,所述异常数据包括持续不变、数据越限、数据重叠和整体分布异常;根据数据的实际情况,对这四种异常类型进行在线识别。
7.如权利要求4所述的一种基于在线建模的分布式光伏发电功率预测方法,其特征在于,所述步骤(2)对异常数据的处理包括:
数据持续不变和数据越限时,剔除异常时段的数据;
数据重叠时,删掉后面的重叠数据;
数据整体分布异常时,剔除分布异常时间段内的数据。
8.如权利要求4所述的一种基于在线建模的分布式光伏发电功率预测方法,其特征在于,所述步骤(3)所述拟合方法包括:
基于PEA和PRA,利用最小二乘法拟合参数,得到拟合参数η={η1,η2},其中,PR是分布式光伏实际功率数据,PE是分布式光伏预测功率数据,PRA和PEA分别是PR和PE按时间进行对齐后的数据,η1、η2是常数,代表拟合参数;
式表经拟合参数处理的预测功率;
最终得到和PRA二者对应数据差值的平方和最小值。
9.如权利要求1所述的一种基于在线建模的分布式光伏发电功率预测方法,其特征在于,所述步骤III的模型为设定一个月为一周期,在该周期内修正所述分布式光伏发电功率预测模型,调整的分布式光伏的预测结果用下式表示:
其中,Result是分布式光伏的预测结果,是经过调整的分布式光伏预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510958649.9A CN106897784A (zh) | 2015-12-18 | 2015-12-18 | 一种基于在线建模的分布式光伏发电功率预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510958649.9A CN106897784A (zh) | 2015-12-18 | 2015-12-18 | 一种基于在线建模的分布式光伏发电功率预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106897784A true CN106897784A (zh) | 2017-06-27 |
Family
ID=59189865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510958649.9A Pending CN106897784A (zh) | 2015-12-18 | 2015-12-18 | 一种基于在线建模的分布式光伏发电功率预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106897784A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109444624A (zh) * | 2018-10-23 | 2019-03-08 | 塔里木大学 | 一种分布式光伏发电系统动态功率预测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930358A (zh) * | 2012-11-28 | 2013-02-13 | 江西九江供电公司 | 一种光伏电站发电功率的神经网络预测方法 |
CN103208029A (zh) * | 2013-03-11 | 2013-07-17 | 中国电力科学研究院 | 基于净空模型的光伏电站超短期功率预测方法 |
CN103390200A (zh) * | 2013-07-18 | 2013-11-13 | 国家电网公司 | 基于相似日的光伏电站发电输出功率预测方法 |
CN103489038A (zh) * | 2013-09-09 | 2014-01-01 | 国家电网公司 | 基于lm-bp神经网络的光伏超短期功率预测方法 |
CN103559540A (zh) * | 2013-11-13 | 2014-02-05 | 上海电气集团股份有限公司 | 基于自适应神经模糊推理系统的风速超短期在线预测方法 |
CN104537450A (zh) * | 2015-01-28 | 2015-04-22 | 国家电网公司 | 一种分布式光伏发电系统的功率预测系统 |
-
2015
- 2015-12-18 CN CN201510958649.9A patent/CN106897784A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930358A (zh) * | 2012-11-28 | 2013-02-13 | 江西九江供电公司 | 一种光伏电站发电功率的神经网络预测方法 |
CN103208029A (zh) * | 2013-03-11 | 2013-07-17 | 中国电力科学研究院 | 基于净空模型的光伏电站超短期功率预测方法 |
CN103390200A (zh) * | 2013-07-18 | 2013-11-13 | 国家电网公司 | 基于相似日的光伏电站发电输出功率预测方法 |
CN103489038A (zh) * | 2013-09-09 | 2014-01-01 | 国家电网公司 | 基于lm-bp神经网络的光伏超短期功率预测方法 |
CN103559540A (zh) * | 2013-11-13 | 2014-02-05 | 上海电气集团股份有限公司 | 基于自适应神经模糊推理系统的风速超短期在线预测方法 |
CN104537450A (zh) * | 2015-01-28 | 2015-04-22 | 国家电网公司 | 一种分布式光伏发电系统的功率预测系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109444624A (zh) * | 2018-10-23 | 2019-03-08 | 塔里木大学 | 一种分布式光伏发电系统动态功率预测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khatib et al. | Actual performance and characteristic of a grid connected photovoltaic power system in the tropics: A short term evaluation | |
WO2017067120A1 (zh) | 一种光伏电站低电压穿越数据获取方法 | |
Shah et al. | Performance evaluation of two similar 100MW solar PV plants located in environmentally homogeneous conditions | |
Yang et al. | A novel ARX-based multi-scale spatio-temporal solar power forecast model | |
CN109086928A (zh) | 基于saga-fcm-lssvm模型的光伏电站实时功率预测方法 | |
CN105260800A (zh) | 一种光伏组件温度预测方法及装置 | |
da Silva Fonseca et al. | Photovoltaic power production forecasts with support vector regression: A study on the forecast horizon | |
CN108960541A (zh) | 基于云数据分析的分布式光伏系统效率评估方法及装置 | |
CN103532136A (zh) | 省地县一体化网损在线计算与辅助决策系统及方法 | |
Okinda et al. | Modeling, simulation and optimal sizing of a hybrid wind, solar PV power system in Northern Kenya | |
Mohan et al. | Solar energy disaggregation using whole-house consumption signals | |
Zidane et al. | Identifiability evaluation of crucial parameters for grid connected photovoltaic power plants design optimization | |
Satria et al. | Sensitivity of solar panel energy conversion at sunrise and sunset on three weather fluctuations in equatorial climate. | |
Wang et al. | Wind power bidding based on chance-constrained optimization | |
CN106897784A (zh) | 一种基于在线建模的分布式光伏发电功率预测方法 | |
Recioui et al. | Hybrid Renewable Energy System Optimization Using IHOGA | |
CN107271916A (zh) | 一种电池板组串健康状态检测方法 | |
Panapakidis et al. | Renewable energy sources generation forecasting in aggregated energy system level | |
Zhou et al. | A short-term power forecasting model for photovoltaic plants based on data mining | |
Matam et al. | Detecting abnormal profiles in the database of a pv plant through programmatic comparison of per unit profiles | |
Bouacha et al. | Modeling and simulation of 1MW grid connected photovoltaic system | |
Muñoz et al. | A tool for the performance evaluation and failure detection of Amareleja PV plant (ACCIONA) from SCADA | |
Krauter et al. | Micro-Inverters: An Update and Comparison of Conversion Efficiencies and Energy Yields | |
Hu et al. | Calculating the shading reduction coefficient of photovoltaic system efficiency using the anisotropic sky scattering model | |
Raxmatov et al. | Analysis of the efficiency of 300 kw grid-connected solar photovoltaic systems at Bukhara state university |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |