CN106909985B - 一种光伏发电预测系统的预测方法 - Google Patents
一种光伏发电预测系统的预测方法 Download PDFInfo
- Publication number
- CN106909985B CN106909985B CN201710019609.7A CN201710019609A CN106909985B CN 106909985 B CN106909985 B CN 106909985B CN 201710019609 A CN201710019609 A CN 201710019609A CN 106909985 B CN106909985 B CN 106909985B
- Authority
- CN
- China
- Prior art keywords
- prediction
- time
- module
- data
- equipment
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims description 20
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 239000000463 material Substances 0.000 claims abstract description 9
- 238000013178 mathematical model Methods 0.000 claims abstract description 4
- 230000001960 triggered effect Effects 0.000 claims abstract description 4
- 230000005855 radiation Effects 0.000 claims description 43
- 230000003595 spectral effect Effects 0.000 claims description 25
- 238000010521 absorption reaction Methods 0.000 claims description 22
- 238000001228 spectrum Methods 0.000 claims description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 11
- 239000000428 dust Substances 0.000 claims description 10
- 238000002834 transmittance Methods 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 239000000443 aerosol Substances 0.000 claims description 4
- 239000005427 atmospheric aerosol Substances 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 101100221616 Halobacterium salinarum (strain ATCC 29341 / DSM 671 / R1) cosB gene Proteins 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 23
- 238000007726 management method Methods 0.000 description 9
- 230000003071 parasitic effect Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000005611 electricity Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000127225 Enceliopsis nudicaulis Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
-
- 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
- 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)
Abstract
本发明公开了一种光伏发电预测系统,包括定时启动预测模块,手动启动预测模块,预测统计运算模块,设备管理模块,天气检测模块,其中:定时启动预测模块与预测统计运算模块连接,其内部预设有启动时间,在到达启动时间后触发预测统计运算模块对设备,天气数据进行统计;天气检测模块通过检测接口连接国际气象站服务器,实时读取实时天气状况,将读取的数据传输到预测统计运算模块;设备管理模块连接光伏发电设备的服务器,获取光伏发电设备的编号,经纬度,放置角度及光伏材料类型数据,同时将数据传输到预测统计运算模块;所述预测统计运算模块将统计的天气数据,设备数据进行结合,利用数学模型运算获得预测发电量。
Description
技术领域
本发明涉及光伏发电领域,尤其涉及一种光伏发电预测系统的预测方法。
背景技术
传统化石能源日趋减少,环境污染日剧加剧,恶劣气候状况频发已成为全球性课题,可再生清洁能源的开发和应用正逐步占据世界各国能源战略的制高点。太阳能以其取之不尽用之不竭,分布广泛,又安全又清洁等的特点,已经成为理想的新一代可再生能源。
光伏发电分为离网和并网两种形式,随着光伏并网技术的成熟与发展,太阳能光伏并网发电已成为主流趋势。由于大规模集中并网光伏发电系统容量的急速增加,光伏电站的日输出功率具有随机波动特点,在变化过程中还会出现由于天气突变造成短时间输出功率急剧变化的现象。因此,光伏电站接入电网,会给电网可靠性,稳定性带来诸多问题,而且给电网调度增加困难。并网光伏发电系统输出功率固有的间歇性和不可控等缺点是对电网的冲击成为制约并网光伏发电的重要元素。
太阳能光伏发电系统发电量受当地太阳辐射量、温度、太阳能电池板性能等方面因素的影响。其中太阳辐射强度的大小直接影响发电量的多少,辐射强度越大,发电量越大,功率越大。
太阳辐射受季节和地理等因素的影响,具有明显的不连续性和不确定性特点,有着显着的年度变化、季节变化和日变化周期,且大气的物理化学状况如云量、湿度、大气透明度也影响着太阳辐射的强弱。
我们急需要一套有效的光伏预测系统,还要对有效结果的数据分析,从而对光伏并网工作做有效依据。
发明内容
为克服现有技术的缺陷,本发明提供了一种光伏发电预测系统,实现对光伏组件发电量的准确快速的预测,其精度超过85%,完全符合电网对太阳能并网电站电力负荷输出的调度要求。
本发明揭示了一种光伏发电预测系统,包括定时启动预测模块,手动启动预测模块,预测统计运算模块,设备管理模块,天气检测模块,其中:
所述定时启动预测模块与预测统计运算模块连接,其内部预设有启动时间,在到达启动时间后触发预测统计运算模块对设备和天气数据进行统计;
所述天气检测模块通过检测接口连接国际气象站服务器,可以实时读取实时天气状况、实时云层数据、实时温湿度、实时气压及实时风压值,还可以读取历史天气数据,将读取的数据传输到预测统计运算模块进行预测,同时发送至数据库保存;
所述设备管理模块连接光伏发电设备的服务器,以获取光伏发电设备的编号、经纬度、放置角度及光伏材料类型数据,同时设备管理模块将数据传输到预测统计运算模块进行预测,同时发送至数据库保存;
所述手动启动预测模块与预测统计运算模块连接,以手动触发启动预测系统;
所述预测统计运算模块将统计的天气数据,设备数据进行结合,利用数学模型运算获得预测发电量,并将预测的发电量及发电功率值存储至数据库内。
一种光伏发电预测方法,其包括如下步骤:
a、在定时启动预测模块内预先设置预测启动时间值,所述定时启动预测模块每一小时触发一次,在时间值到达预设的启动时间时,启动预测程序,触发预测统计运算模块进行数据读取;
b、设备管理模块连接到设备服务器读取待预测的光伏设备的信息,包括设备编号、设备所在地的经纬度、设备的安装角度、安装坡度、光伏材料及光伏板的数量,并将读取的数据传输给预测统计运算模块及数据库;
c、所述预测统计运算模块根据设备管理模块反馈的数据,结合设备所在地的经纬度确定设备所在的国家和城市,启动天气检测模块采集该地的天气数据;
d、所述天气检测模块通过检测接口连接到国际气象站服务器,读取待预测光伏设备所在地的天气数据,包括实时天气状况、实时云层数据、实时温湿度值、实时气压值及实时风压值,还读取历史天气数据,将读取的数据传输给预测统计运算模块及数据库; e、所述预测统计运算模块将天气数据和设备数据结合预测算法中进行运算获得预测的发电量及发电功率值,并将预测的发电量及发电功率值存储到数据库中,同时开启下一轮循环继续步骤a~e。
所述步骤e中预测算法各步骤包括确定太阳位置,计算光谱入射强度,发电量的计算,通过确定的太阳位置获得具体的太阳时,经纬度入射角以及大气质量,根据上述数据获得各个波长下的光谱辐射强度,结合各个波长的光谱辐射强度从而计算得出短路电流值,进而计算得到发电量。
作为优选,太阳位置获得太阳时,经纬度入射角以及大气质量,其中:
太阳时Solar time=Standard time+E+4(Lst-Lloc),其中Standard time表示标准时间,时间表示为XX:XX,E=229.2(0.000075+0.001868cosB-0.032077sinB-0.014615cos2B-0.04089sin2B), Lst是标准经度,Lloc是本地经度,n是一年中的第几天;
入射角θ表示直射到平面的光束与平面法线所成的角,cosθ=sinδsinφcosβ-sinδcosφsinβcosγ+cosδcosφcosβcosω+cosδsinφs inβcosγcosω+cosδsinβsinγsinω,
其中:纬度φ表示当地纬度,北边为正,-90°≤φ≤90°;
赤纬角δ=(180/π)(0.006918-0.399912cosB+0.070257sinB-0.006758 cos2B+0.000907sin2B-0.002697cos3B+0.00148sin3B),-23.45°≤δ≤23.45°;
斜度β:0°≤β≤180°;
方位角γ:-180°≤γ≤180,西为正东为负;
时角ω:正午为0,早上负下午正,一小时=15°。
作为优选,光谱入射强度分为直射光谱及散射光谱,
直射光谱辐射强度Idλ=HOλDTrλTaλTwλToλTuλ,
其中,Hoλ是在平均日地距离下波长为λ的地外辐射; TrλTaλTwλToλTuλ分别是因为瑞丽散射、尘埃衰减、水蒸气吸收、臭氧吸收、统一混合空气吸收引起的在波长λ下的透射率方程,D是日地距离修正因子 D=1.00011+0.034221cosφ+0.00128sinφ+0.000719cos2φ+000077sin2φ
φ=2π(d-1)/365,d是一年中的第几天,其中天数范围1-365;
散射光谱辐射强度Isλ=Irλ+Iaλ+Igλ;
其中Irλ表示气溶胶反射值,Iaλ表示尘埃反射值;Irλ表示其他悬浮物反射值;
作为优选,运用公式通过扫描法从电压为0处一直扫描到电流为0处得到一组I-V曲线,记录电压和电流的乘积寻找最大功率输出,找到最大功率点电压和电流,求出指定太阳时条件下的功率输出,乘以两时间节点的时间差就得到了指定太阳时条件下的产能输出。
其中M’是气压关联的大气质量,M’=MP/P0,其中P0=1013mb,MP是表面压强,时间表示为mb;
其中αn和βn的值通过一个大气气溶胶模型得出,波长小于0.5μm时α1=1.0274,波长大于等于0.5μm时α2=1.2060,可以通过一个单一的αn值来代表这个模型,即αn=1.14;βn的值对不同的光谱间隙都取不同的值以满足在0.5μm左右浑浊度的精确度要求;
水蒸气吸收Twλ=exp[-0.2385awλWM/(1+20.07awλWM0.45];
其中W是可降水量,awλ是水蒸气吸收因子,M是大气质量;
臭氧吸收T0λ=exp(-a0λO3M0);
其中O3是0.34,h0为最大臭氧密度的高度,为22km,M0是臭氧质量,单位弧度,M0=(1 +h0/6370)/(cosZ2+2*(h0/6370))0.5,auλ为吸收系数和空气数量的统一,aoλ是根据实际环境观测产生的参考值,,Z为天顶角。
与现有技术相比,本发明的一种光伏发电预测系统采用了B/S模式,用户登录系统不需要安装其他插件,所有操作必须在用户成功登陆并授权的情况下进行。具体功能效果如下:实时监控:预测信息、实时信息、气象信息、状态监控;曲线展示:功率及气象的历史曲线展示、预测曲线展示;发电计划:发电计划管理(实时);统计分析:完整性、功率误差;数据报表:功率预测、实际发电、辐照度统计;
该系统使用的预测方法首先使用了国际知名的气象机构数据,可以实时获取全球众多城市的高精度天气预报数值。采用的天气数据是以小时为单位。影响光伏预测结果的因素有:温度(每小时最高温度,每小时最低温度),湿度,气压,云层数量,风速,天气状况。预测方法也考虑了光伏材料,光伏设备实际摆放角度,坡度以及光伏板数量 (标准版)等设备因素,系统平均预测精度超过85%,完全可以达到电网对太阳能并网电站电力负荷输出的调度要求。
具体实施方式
下面将结合本发明的具体实施例,对本发明实施例的技术方案进行清楚、完整的描述。
本发明所揭示的一种光伏发电预测系统,包括定时启动预测模块,手动启动预测模块,预测统计运算模块,设备管理模块,天气检测模块,数据库及存储分析模块,其中:
所述定时启动预测模块与预测统计运算模块连接,其内部预设有启动触发时间,在到达启动时间后触发预测统计运算模块对设备和天气数据进行统计;
所述天气检测模块通过检测接口连接国际气象站服务器,可以实时读取实时天气状况、实时云层数据、实时温湿度、实时气压及实时风压值,将读取的数据传输到预测统计运算模块以及数据库;
所述设备管理模块连接光伏发电设备的服务器,以获取光伏发电设备的编号、经纬度、放置角度、光伏材料类型以及历史发电功率,同时设备管理模块将数据传输到预测统计运算模块以及数据库;
所述手动启动预测模块与预测统计运算模块连接,以网页操作形式触发启动预测系统;
所述预测统计运算模块将统计的天气数据,设备数据进行结合,利用数学模型运算获得预测发电量,并将预测的发电量及发电功率值存储至数据库内;
数据库内存储有设备信息,包括设备所在经纬度,光伏板数量,光伏板材料,逆变器型号,电池型号等;天气信息,包括记录气象时间,气象状况,辐射量,温度,湿度,风速等;以及历史数据:设备编号,预测值,实际值,创建时间。
所述分析模块读取数据库中存储的各项数据,汇总某一个光伏组件在一个月或一年内的功率预测情况及实际情况比对表,从而分析出预测系统的预测精度,同时可以根据发电量和天气数据获得对发电量影响的天气参数。
一种光伏发电预测方法,其包括如下步骤:
a、在定时启动预测模块内预先设置预测启动时间值,所述定时启动预测模块每一小时触发一次,在时间值到达预设的启动时间时,启动预测程序,触发预测统计运算模块进行数据读取;
b、设备管理模块连接到设备服务器读取待预测的光伏设备的信息,包括设备编号、设备所在地的经纬度、设备的安装角度、安装坡度、光伏材料及光伏板的数量,并将读取的数据传输给预测统计运算模块;
c、所述预测统计运算模块根据设备管理模块反馈的数据,结合设备所在地的经纬度确定设备所在的国家和城市,启动天气检测模块采集该地的天气数据;
d、所述天气检测模块通过检测接口连接到国际气象站服务器,读取待预测光伏设备所在地的天气数据,包括实时天气状况、实时云层数据、实时温湿度值、实时气压值及实时风压值,还读取历史天气数据,将读取的数据传输给预测统计运算模块;e、所述预测统计运算模块将天气数据和设备数据结合预测算法中进行运算获得预测的发电量及发电功率值,并将预测的发电量及发电功率值存储到数据库中,同时开启下一轮循环继续步骤a~e。
所述步骤e中预测算法各步骤包括确定太阳位置,计算光谱入射强度,发电量的计算,具体计算步骤如下:
步骤一:太阳位置计算
太阳位置计算指的是太阳入射角和大气质量的计算,其中计算大气质量,需要天顶角;计算入射角则需要(平板)方位角和平板斜度等;
大气质量的大小可由天顶角的余弦的倒数求得:
太阳时的计算可由下列公式给出:
Solar time=Standard time+E+4(Lst-Lloc) (4.2)
其中:Standard time表示标准时间,时间表示为XX:XX, E=229.2(0.000075+0.001868cosB-0.032077sinB-0.014615cos2B-0.04089sin2B), Lst是标准经度,Lloc是本地经度,n是一年中的第几天。
入射光角度θ表示直射到平面的光束与平面法线所成的角,计算方法:
cosθ=sinδsinφcosβ-sinδcosφsinβcosγ+cosδcosφcosβcosω+cosδsi nφsinβcosγcosω+cosδsinβsinγsinω;
其中:纬度φ:当地纬度,北边为正,-90°≤φ≤90°;
赤纬角δ:δ=(180/π)(0.006918-0.399912cosB+0.070257sinB-0.006758 cos2B+0.000907sin2B-0.002697cos3B+0.00148sin3B)。-23.45°≤δ≤23.45°
斜度β:0°≤β≤180°,斜度大于90°表示平面有一个向下朝向的分量。
方位角γ:-180°≤γ≤180,西为正东为负。
时角ω:正午为0,早上负下午正,一小时=15°。
其他角:天顶角θz、太阳高度角αs、太阳方位角γs:天顶角为地面垂线与太阳光线的夹角,可由公式:cosθz=cosφcosδcosω+sinφsinδ求得;
太阳高度角为水平线与太阳光线的夹角,即天顶角的补角,可由公式: sinαs=sinφsinδ+cosφcosω求得;
太阳方位角为太阳光线在水平面上的投影与南方向线的夹角,西为正东为负。
步骤二:光谱入射强度计算
从太阳位置计算过程得出某一具体太阳时和经纬度的入射角以及大气质量之后,可由这一时刻的入射角和大气质量求出各个波长下的光谱辐射强度。
辐射到倾斜平面上的总的光谱入射辐射强度大小可以通过该倾斜平面上的直射辐射分量和散射辐射分量相加得到,根据直射光谱辐射强度和倾斜平面的散射光谱辐射强度可以求出该倾斜平面上的总的光谱入射辐射强度大小。
光谱入射强度的计算主要是为了方便通过不同光伏面板的光谱响应大小求出指定面积下的光生电流大小。尽管可以通过指定地点的历史辐射强度数据库进行总的广谱辐射强度的估算,但是知道了总的广谱辐射强度的大小后只能通过一个1000W/m225℃下的光伏电池板效率估算其产能,无法考虑大气质量和天气参数对光谱的影响,而光伏电池板对不同光谱的响应是有差别的,因此计算结果会相当不精确。因此需要求出不同天气条件和大气质量下的光谱辐射强度的大小而非广谱辐射强度的大小
直射光谱辐射强度可以通过下式计算得出:
Idλ=HOλDTrλTaλTwλToλTuλ (4.3)
其中,Hoλ是在平均日地距离下波长为λ的地外辐射;TrλTaλTwλToλTuλ分别是因为瑞丽散射、尘埃衰减、水蒸气吸收、臭氧吸收、统一混合空气吸收引起的在波长λ下的透射率方程,在水平表面上的直射辐射可以通过乘以一个cosθz求得;
D是日地距离修正因子,可以按照下述公式计算
D=1.00011+0.034221cosφ+0.00128sinφ+0.000719cos2φ+ 000077sin2φ
(4.4)
φ=2π(d-1)/365 (4.5)
d是一年中的第几天,其中天数范围1-365。
瑞利散射透射率:
其中M’是气压关联的大气质量,M’=MP/P0,其中P0=1013mb,MP是表面压强,时间表示为mb。
气溶胶(尘埃衰减)透射率:
其中αn和βn的值通过一个大气气溶胶模型得出,波长小于0.5μm时α1=1.0274,波长大于等于0.5μm时α2=1.2060,可以通过一个单一的αn值来代表这个模型,即αn=1.14。βn的值对不同的光谱间隙都取不同的值以满足在0.5μm左右浑浊度的精确度要求(在垂直方向上的浮尘光学深度)。
水蒸气吸收透射率:
Twλ=exp[-0.2385awλWM/(1+20.07awλWM0.45] (4.8)
其中W是可降水量(cm),awλ是水蒸气吸收因子,是波长的方程,M是大气质量。
臭氧吸收率方程为:
Toλ=exp(-aoλO3M0) (4.9)
其中:O3是0.34,aoλ是根据实际环境观测产生的参考值,臭氧质量M0=(1+h0/6370)/(cosZ2+2*(h0/6370))0.5,h0为最大臭氧密度的高度,大概22km
统一混合气体吸收透射率方程为:
其中,auλ为吸收系数和空气数量的统一。
散射光谱辐射计算,水平平板上的散射光谱辐射强度的大小可以通过下面的表达式给出:
其他悬浮物反射Igλ=(IdλcosZ+Irλ+Iaλ)rsλrgλ/(1-rsλrgλ) (4.14)
其中:
rsλ=Toλ′Twλ′Taaλ′[0.5(1-Trλ′)+(1-F′s)T′rλ(1-T′asλ)] (4.15)
τaλ=λ-1.14。
Fs=1-0.5exp[(AFS+BFScosZ)cosZ] (4.18)
AFS=ALG[1.459+ALG(0.1595+ALG0.4129)] (4.19)
BFS=ALG[0.0783+ALG×(-0.3824-ALG0.5874)] (4.20)
ALG=ln(1-<cosθ>) (4.21)
总的散射入射Isλ需要乘以CS,表达式为:
倾斜平板上总的光谱入射辐射强度大小
ITλ=IdλcosZ+Isλ (4.26)
云的影响
其中,Etotal为实际的太阳总辐射量,Eclear为晴空大气条件下的太阳总辐射量,TC为云量,取值范围为0-1,a和b为经验系数,在这里取值分别为0.7和0.8。
温度影响
Nu=0.86Re1/2Pr1/3 (4.28) 其中为雷诺数,ρ、v、D分别为空气的密度、风速和板子的特征长度,μ为流体的粘性系数,Pr为普朗克数,在这里假定空气的温度为30℃,通过查表得,Pr数取值为0.7,空气粘性系数大小取值1.6e-5,密度取值1.165kg/m3,特征长度为即板子面积除以四分之一个板子周长,计算得出了当前条件下的Nu数之后就可以求出当前条件下的对流传热系数h,通过Nu数公式:
Eirradiance×85%×70%=h(Tpanel-TEnvironment)×2 (4.30)
然后即可通过环境温度TEnvironment求解板子温度Tpanel,其中,Eirradiance是当前太阳时下的入射辐射强度,单位是W/m2。
步骤三:产能计算
光生电流的计算
其中,Isc为短路电流,Pin(λ)为各个波长下的太阳光谱辐射强度,SR为对应的各个波长下的光谱响应,Apanel为光伏电池板的面积。
根据短路电流,通过单二极管等效模型公式得到光生电流,单二极管等效模型的公式为:
根据该模型,令V=0,光生电流的求法可以参考下述公式:
上述两个公式中的n为二极管理想因子,k为玻尔兹曼常数,值为 1.3806488×10-23,T为板子的温度,时间表示为K,V为电压,RS和Rsh分别为串联电阻和并联电阻,Io为饱和电流,q为电子电量,值为1.602176462×10-19C。
经过测试可知,采用单二极管等效模型考虑串联电阻和并联电阻的情况下与不考虑这两个电阻的情况下求得的光生电流和短路电流的值几乎没有差别,在同等光照条件下V=0的时候光生电流可以近似认为与短路电流相等。
开路电压VOC的计算公式:
由于采用的是单二极管等效模型进行的产能计算,所以需要考虑寄生电阻和饱和电流的影响,寄生电阻仅考虑一个串联电阻RS和一个并联电阻Rsh。计算的方法为:
第二步:进行迭代计算计算指定温度下的串联电阻、并联电阻和饱和电流,迭代方法为下面的方程,迭代终止条件为Rs、Rsh、Io的值与前一迭代过程的值相比差别小于0.001,重复从上到下进行下面方程的迭代计算即可得到一组串联电阻、并联电阻和饱和电流的值:
其中,VDm和IDm分别为二极管上的电压和电流,初值分别选取和0进行迭代。Rmpp是等效内阻,初值选取进行迭代,n为二极管理想系数,k为普朗克常数,T 为面板温度,q为电子电量,按照以上步骤进行迭代,就可以求出指定温度下的寄生电阻和饱和电流,根据经验,一般情况下迭代过程只需进行5-6次即可收敛。
第三步:求取指定辐射强度下的寄生电阻。由于太阳能电池板的寄生电阻和饱和电流中与太阳辐射强度有关的量只有寄生电阻中的并联电阻Rsh,所以这里只需要计算指定太阳辐射强度下的并联电阻就可得出指定天气和太阳入射条件下的寄生电阻以及饱和电流的大小:
产能的获得
通过上述过程的计算之后,运用公式(4.32)通过扫描法从电压为0处一直扫描到电流为0处可以得到一组I-V曲线,程序记录电压和电流的乘积来寻找最大的功率输出,找到最大功率点电压和电流,求出指定太阳时条件下的功率输出,乘以两时间节点的时间差就得到了指定太阳时条件下的产能输出。
一天24小时重复上述计算过程,就得到了日产能。每个月的月头到月尾重复上述的日产能计算过程,就得到了月产能。一年当中从1到12月每个月进行上述月产能的计算,就可以得到年产能。
本发明的技术内容及技术特征已揭示如上,然而熟悉本领域的技术人员仍可能基于本发明的揭示而作种种不背离本发明精神的替换及修饰,因此,本发明保护范围应不限于实施例所揭示的内容,而应包括各种不背离本发明的替换及修饰,并为本专利申请权利要求所涵盖。
Claims (1)
1.一种光伏发电预测系统的预测方法,其特征在于:所述光伏发电预测系统包括:定时启动预测模块,手动启动预测模块,预测统计运算模块,设备管理模块,天气检测模块,其中:
所述定时启动预测模块与预测统计运算模块连接,其内部预设有启动时间,在到达启动时间后触发预测统计运算模块对设备和天气数据进行统计;
所述天气检测模块通过检测接口连接国际气象站服务器,可以实时读取实时天气状况、实时云层数据、实时温湿度、实时气压及实时风压值,还可以读取历史天气数据,将读取的数据传输到预测统计运算模块进行预测,同时发送至数据库保存;
所述设备管理模块连接光伏发电设备的服务器,以获取光伏发电设备的编号、经纬度、放置角度及光伏材料类型数据,同时设备管理模块将数据传输到预测统计运算模块进行预测,同时发送至数据库保存;
所述手动启动预测模块与预测统计运算模块连接,以手动触发启动预测系统;
所述预测统计运算模块将统计的天气数据,设备数据进行结合,利用数学模型运算获得预测发电量,并将预测的发电量及发电功率值存储至数据库内;
预测系统实现的光伏发电预测方法,包括如下步骤:
a、在定时启动预测模块内预先设置预测启动时间值,所述定时启动预测模块每一小时触发一次,在时间值到达预设的启动时间时,启动预测程序,触发预测统计运算模块进行数据读取;
b、设备管理模块连接到设备服务器读取待预测的光伏设备的信息,包括设备编号、设备所在地的经纬度、设备的安装角度、安装坡度、光伏材料及光伏板的数量,并将读取的数据传输给预测统计运算模块及数据库;
c、所述预测统计运算模块根据设备管理模块反馈的数据,结合设备所在地的经纬度确定设备所在的国家和城市,启动天气检测模块采集该地的天气数据;
d、所述天气检测模块通过检测接口连接到国际气象站服务器,读取待预测光伏设备所在地的天气数据,包括实时天气状况、实时云层数据、实时温湿度值、实时气压值及实时风压值,还读取历史天气数据,将读取的数据传输给预测统计运算模块及数据库;
e、所述预测统计运算模块将天气数据和设备数据进行汇总并结合预测算法各步骤进行运算获得预测的发电量及发电功率值,并将预测的发电量及发电功率值存储到数据库中,同时开启下一轮循环继续步骤a~e;本步骤中所述预测算法各步骤包括确定太阳位置,计算光谱入射强度,发电量的计算,通过确定的太阳位置获得具体的太阳时,经纬度入射角以及大气质量,根据上述数据获得各个波长下的光谱辐射强度,结合各个波长的光谱辐射强度从而计算得出短路电流值,进而计算得到发电量;
所述通过确定的太阳位置获得具体的太阳时,经纬度入射角以及大气质量,其中:
太阳时Solar time=Standard time+E+4(Lst-Lloc),其中Standard time表示标准时间,时间表示为XX:XX,
E=229.2(0.000075+0.001868cosB-0.032077sinB-0.014615cos2B-0.04089sin2B),
入射角θ表示直射到平面的光束与平面法线所成的角,
cosθ=sinδsinφcosβ-sinδcosφsinβcosγ+cosδcosφcosβcosω+cosδsinφsinβcosγcosω+cosδsinβsinγsinω,
其中:纬度φ表示当地纬度,北边为正,-90°≤φ≤90°;
赤纬角δ=(180/π)(0.0069180.399912 cosB+0.070257 sinB-0.006758 cos2B+0.000907 sin2B-0.002697 cos3B+0.00148 sin3B),23.45°≤δ≤23.45°;
斜度β:0°≤β≤180°;
方位角γ:-180°≤γ≤180,西为正东为负;
时角ω:正午为0,早上负下午正,一小时=15°;
所述光谱入射强度分为直射光谱辐射强度及散射光谱辐射强度,其中直射光谱辐射强度Idλ=HOλDTrλTaλTwλToλTuλ,
其中,HOλ是在平均日地距离下波长为λ的地外辐射;
Trλ、Taλ、Twλ、Toλ、Tuλ分别是瑞利 散射、尘埃衰减、水蒸气吸收、臭氧吸收、统一混合空气吸收引起的在波长λ下的透射率方程,D是日地距离修正因子
D=1.00011+0.034221cosφ+0.00128sinφ+0.000719cos2φ+000077sin2φ
φ=2π(d-1)/365,d是一年中的第几天,其中天数范围1-365;
散射光谱辐射强度Isλ=Irλ+Iaλ+Igλ;
其中Irλ表示气溶胶反射值,Iaλ表示尘埃反射值;Irλ表示其他悬浮物反射值;
通过运用公式其中n为二极管理想因子,k为玻尔兹曼常数,值为1.3806488×10-23,T为板子的温度,单位为K,V为电压,RS和Rsh分别为串联电阻和并联电阻,Io为饱和电流;通过扫描法从电压为0处一直扫描到电流为0处得到一组I-V曲线,记录电压和电流的乘积寻找最大功率输出,找到最大功率点电压和电流,求出指定太阳时条件下的功率输出,乘以两时间节点的时间差就得到了指定太阳时条件下的产能输出;
其中M’是气压关联的大气质量,M’=MP/P0,其中P0=1013mb,MP是表面压强,时间表示为mb;
其中αn和βn的值通过一个大气气溶胶模型得出,波长小于0.5μm时α1=1.0274,波长大于等于0.5μm时α2=1.2060,可以通过一个单一的αn值来代表这个模型,即αn=1.14;βn的值对不同的光谱间隙都取不同的值以满足在0.5μm左右浑浊度的精确度要求;
水蒸气吸收Twλ=exp[-0.2385awλWM/(1+20.07awλWM0.45];
其中W是可降水量,awλ是水蒸气吸收因子,M是大气质量;
臭氧吸收Toλ=exp(-aoλO3M0);
其中O3是0.34,h0为最大臭氧密度的高度,为22km,M0是臭氧质量,单位弧度,M0=(1+h0/6370)/(cosZ2+2*(h0/6370))0.5,auλ为吸收系数和空气数量的统一,aoλ是根据实际环境观测产生的参考值,Z为天顶角。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710019609.7A CN106909985B (zh) | 2017-01-11 | 2017-01-11 | 一种光伏发电预测系统的预测方法 |
PCT/CN2017/081332 WO2018129828A1 (zh) | 2017-01-11 | 2017-04-21 | 一种光伏发电预测系统及预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710019609.7A CN106909985B (zh) | 2017-01-11 | 2017-01-11 | 一种光伏发电预测系统的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106909985A CN106909985A (zh) | 2017-06-30 |
CN106909985B true CN106909985B (zh) | 2021-02-09 |
Family
ID=59207236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710019609.7A Active CN106909985B (zh) | 2017-01-11 | 2017-01-11 | 一种光伏发电预测系统的预测方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106909985B (zh) |
WO (1) | WO2018129828A1 (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107863815A (zh) * | 2017-09-30 | 2018-03-30 | 无锡昊瑜节能环保设备有限公司 | 一种电视机供电方法 |
CN107863814A (zh) * | 2017-09-30 | 2018-03-30 | 无锡昊瑜节能环保设备有限公司 | 一种电视机供电系统 |
CN109299820B (zh) * | 2018-09-20 | 2022-04-08 | 国网河南省电力公司电力科学研究院 | 基于斜面辐射修正的光伏发电功率预测方法及装置 |
CN111008448A (zh) * | 2018-10-08 | 2020-04-14 | 中国电力科学研究院有限公司 | 一种太阳能资源到功率的转化方法及装置 |
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 |
CN109787237B (zh) * | 2019-01-30 | 2022-06-07 | 云南电网有限责任公司电力科学研究院 | 一种可再生能源高渗透地区电网断面潮流预测方法及装置 |
CN111723962A (zh) * | 2019-03-22 | 2020-09-29 | 北京汉能光伏技术有限公司 | 一种发电量预测系统及方法 |
CN110084430A (zh) * | 2019-04-29 | 2019-08-02 | 国网上海市电力公司 | 一种考虑时空特性设计分布式光伏出力预测模型的方法 |
CN111007102A (zh) * | 2019-12-17 | 2020-04-14 | 河海大学常州校区 | 一种光伏组件温湿度加速老化因子的计算方法 |
CN111259341B (zh) * | 2020-01-18 | 2022-07-12 | 杭州电子科技大学 | 一种计算雾霾对光伏发电量定量影响的方法 |
CN111476393A (zh) * | 2020-02-27 | 2020-07-31 | 浙江工业大学 | 一种用于光伏项目可行性定量评估的方法 |
CN111861784A (zh) * | 2020-06-01 | 2020-10-30 | 大唐东北电力试验研究院有限公司 | 基于人工蜂群优化神经网络的光伏发电功率短期预测方法 |
CN111932007A (zh) * | 2020-08-04 | 2020-11-13 | 广州发展新能源股份有限公司 | 一种光伏电站的功率预测方法、装置及存储介质 |
CN112116127B (zh) * | 2020-08-20 | 2024-04-02 | 中国农业大学 | 一种基于气象过程与功率波动关联的光伏功率预测方法 |
CN112182883B (zh) * | 2020-09-28 | 2022-06-24 | 上海交通大学 | 基于自适应lm的光伏组件参数估计方法 |
CN112381282B (zh) * | 2020-11-09 | 2022-06-17 | 上海交通大学 | 基于宽度学习系统的光伏发电功率预测方法 |
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 |
CN114442704B (zh) * | 2021-12-31 | 2023-03-28 | 华能山东发电有限公司 | 一种基于大数据的智能电力生产监控方法及系统 |
CN114900124B (zh) * | 2022-04-12 | 2023-01-24 | 广东绿建联能源环境科技有限公司 | 光伏发电检测系统及其检测方法 |
CN115864994B (zh) * | 2023-02-08 | 2023-05-23 | 山东奥客隆太阳能科技有限公司 | 一种用于光伏组件测试装置的可靠性评估方法及系统 |
CN116452055B (zh) * | 2023-04-12 | 2023-10-17 | 深圳大学 | 融合表面网格模型和深度学习的城市光伏潜力计算方法 |
CN116777055A (zh) * | 2023-06-09 | 2023-09-19 | 海南电网有限责任公司电力科学研究院 | 一种配电网下分布式风电场的功率预测方法 |
CN116667443B (zh) * | 2023-06-20 | 2024-04-26 | 苏州天富利新能源科技有限公司 | 一种光伏设备和光伏设备控制系统 |
CN117353655B (zh) * | 2023-12-06 | 2024-03-05 | 道莅智远科技(青岛)有限公司 | 基于rtk技术的海上漂浮式光伏智能监控系统 |
CN117713218A (zh) * | 2023-12-29 | 2024-03-15 | 浙江大学 | 一种基于知识与数据融合驱动的光伏出力预测方法 |
CN117595384B (zh) * | 2024-01-18 | 2024-03-26 | 河北省建筑科学研究院有限公司 | 基于人工智能的光伏电站源网荷双向预测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004848A (zh) * | 2010-11-10 | 2011-04-06 | 中国科学院地理科学与资源研究所 | 一种提高光合有效辐射(par)计算精度的方法和系统 |
CN104281741A (zh) * | 2014-09-10 | 2015-01-14 | 长江勘测规划设计研究有限责任公司 | 光伏组件倾角和阵列间距交叉反馈多因素综合计算方法 |
CN105184404A (zh) * | 2015-08-31 | 2015-12-23 | 中国科学院广州能源研究所 | 适用于光伏系统全生命周期的输出功率分类预测系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101769788B (zh) * | 2009-12-29 | 2012-01-04 | 青海国泰节能技术研究院 | 一种光伏电站光功率预测及发电量预测的方法 |
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 |
-
2017
- 2017-01-11 CN CN201710019609.7A patent/CN106909985B/zh active Active
- 2017-04-21 WO PCT/CN2017/081332 patent/WO2018129828A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004848A (zh) * | 2010-11-10 | 2011-04-06 | 中国科学院地理科学与资源研究所 | 一种提高光合有效辐射(par)计算精度的方法和系统 |
CN104281741A (zh) * | 2014-09-10 | 2015-01-14 | 长江勘测规划设计研究有限责任公司 | 光伏组件倾角和阵列间距交叉反馈多因素综合计算方法 |
CN105184404A (zh) * | 2015-08-31 | 2015-12-23 | 中国科学院广州能源研究所 | 适用于光伏系统全生命周期的输出功率分类预测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106909985A (zh) | 2017-06-30 |
WO2018129828A1 (zh) | 2018-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106909985B (zh) | 一种光伏发电预测系统的预测方法 | |
Akhsassi et al. | Experimental investigation and modeling of the thermal behavior of a solar PV module | |
Umar et al. | Comparison of different PV power simulation softwares: case study on performance analysis of 1 MW grid-connected PV solar power plant | |
Bevilacqua et al. | An accurate thermal model for the PV electric generation prediction: long-term validation in different climatic conditions | |
Rodrigo et al. | Review of methods for the calculation of cell temperature in high concentration photovoltaic modules for electrical characterization | |
EP2998756B1 (en) | Simulation of photovoltaic modules | |
Zhao et al. | Optimal PV panel tilt angle based on solar radiation prediction | |
Leloux et al. | A bankable method of assessing the performance of a CPV plant | |
Pavlović et al. | Simulation of photovoltaic systems electricity generation using homer software in specific locations in Serbia | |
Migliorini et al. | Development and experimental validation of a comprehensive thermoelectric dynamic model of photovoltaic modules | |
Ahmed et al. | An assessment of the solar photovoltaic generation yield in Malaysia using satellite derived datasets | |
Theristis et al. | Multiphysics modelling and experimental validation of high concentration photovoltaic modules | |
Virtuani et al. | A simple approach to model the performance of photovoltaic solar modules in operation | |
Rahaman et al. | Floating photovoltaic module temperature estimation: Modeling and comparison | |
Yordanov | Characterization and analysis of photovoltaic modules and the solar resource based on in-situ measurements in southern Norway | |
Ramgolam et al. | Holistic performance appraisal of a photovoltaic system | |
Ganilha | Potential of bifacial PV installation and its integration with storage solutions | |
Wang et al. | Method for short-term photovoltaic generation power prediction base on weather patterns | |
Ghosh et al. | A model to determine soiling, shading and thermal losses from PV yield data | |
Odungat et al. | Estimation of system efficiency and utilisation factor of a mirror integrated solar PV system | |
Al-Khazzar et al. | A comparative study of the available measured global solar radiation in Iraq | |
Gougui et al. | Empirical models validation to estimate global solar irradiance on a horizontal plan in Ouargla, Algeria | |
Medykovskyy et al. | Processing of data on the intensity of solar radiation for solar power plant management systems | |
Chan et al. | Quantifying the impact of individual atmospheric parameters on CPV system power and energy yield | |
Umoette et al. | Development of site specific optimal tilt angle model for fixed tilted plane PV installation ın Akwa Ibom State, Nigeria |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 226100 No.888, Jiuhua Road, high tech Zone, Nantong City, Jiangsu Province Patentee after: Wotai Energy Co.,Ltd. Address before: 226000 East University Science Park, Nantong High-tech Zone, Jiangsu Province Patentee before: NEOVOLTAIC ENERGY NANTONG Co.,Ltd. |