CN107545328A - 一种光伏电站开机容量预测方法及系统 - Google Patents
一种光伏电站开机容量预测方法及系统 Download PDFInfo
- Publication number
- CN107545328A CN107545328A CN201710737170.1A CN201710737170A CN107545328A CN 107545328 A CN107545328 A CN 107545328A CN 201710737170 A CN201710737170 A CN 201710737170A CN 107545328 A CN107545328 A CN 107545328A
- Authority
- CN
- China
- Prior art keywords
- mrow
- day
- capacity
- photovoltaic plant
- prediction
- 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.)
- Granted
Links
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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- 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
- Photovoltaic Devices (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种光伏电站开机容量预测方法及系统，属于可再生能源发电技术领域。本发明的光伏电站开机容量预测方法首先根据预测日天气预报和样本日历史气象数据选取相似日，然后根据相似日各逆变器启停事件发生的时间进行概率统计得到预测日各逆变器启停事件概率分布以及太阳辐射强度对应开机率的概率分布；最后根据各逆变器的启停状态及容量计算预测日光伏电站的开机容量。本发明预测出的开机容量更加符合真实情况，更加精准，且方法简单、易行，为调度系统合理安排发电计划提供数据支持，有利于提高新能源利用率。
Description
技术领域
本发明涉及一种光伏电站开机容量预测方法及系统，属于可再生能源发电技术领域。
背景技术
光伏发电具有间歇性、随机性的特点，给需要实时保持发电、用电平衡的电力调度系统带来了难题。光伏发电预测为制定调度部门制定调度计划提供数据支持，国内各地区调度除了要求大型光伏电站具备上送未来24h～72h光伏发电功率以外，还要求上送未来24h～72h光伏电站总的开机容量。光伏电站开机容量反映的是光伏电站可能的最大发电能力，有助于电力调度部门安排各类发电机组的出力和运行决策。
通过光伏发电特性分析，早晨日出后，太阳辐射强度逐渐增强，太阳能电池组的输出也随之增大，当达到逆变器工作所需的输出功率后，逆变器自动开始运行。进入运行后，逆变器便时时刻刻监视太阳电池组件的输出，只要太阳电池组件的输出功率大于逆变器工作所需的输出功率，逆变器就持续并网运行；日落后，太阳辐射强度逐渐降低，电池组件输出变小，当达不到逆变器工作所需的输出功率后，逆变器便自动转换停机状态。阴雨天，只要电池组件输出能够达到逆变器工作所需的功率时，光伏逆变器也能启动运行。
例如公告号为CN103500365B的专利文件，该文件公开了一种光伏发电功率预测方法和系统，该方法首先对历史数据进行分析确定辐射强度预测时刻和发电功率预测相关时刻；然后采用BP神经网络对太阳辐射强度预测样本和光伏发电功率预测样本进行训练，得到太阳辐射强度预测模型和光伏发电量功率预测模型；利用太阳辐射强度预测模型计算预测日预测时刻的太阳辐射强度，根据光伏发电量功率预测模型计算预测日预测时刻的光伏发电功率。该预测方法虽然考虑了太阳辐射强度预测相关时刻和发电功率预测相关时刻，但是没有考虑光伏电站所有逆变器并不一定全部开机运行，且整个预测过程复杂，且没有考虑对于某一已投入运行的光伏电站来说对于气象条件相似的日期同一逆变器启动退出的事件发生的时间具有一定的统计规律性的特点，影响预测结果。
发明内容
本发明的目的是提供一种光伏电站开机容量预测方法，以解决目前光伏电站开机容量预测过程复杂、准确性不高的问题。本发明还提供了一种光伏电站开机容量预测系统。
本发明为解决上述技术问题而提供一种光伏电站开机容量预测方法，该预测方法包括以下步骤：
1)获取预测日的太阳辐射值和预测日之前的历史太阳辐射值，根据预测日及预测日前的太阳辐射值选取相似日；
2)根据相似日各逆变器启停事件发生的时间进行概率统计得到预测日各逆变器启停事件概率分布；
3)根据预测日各逆变器的启停状态和容量计算预测日光伏电站的开机容量。
进一步地，所述预测日光伏电站各时段的开机容量为：
其中Si表示逆变器i在当前时段的状态，1表示开机，0表示待机。
进一步地，所述步骤3)在计算预测日光伏电站的开机容量时，还需根据预测日太阳辐射值对应的光伏电站开机率修正值对光伏电站的开机容量进行修正，所述的光伏电站开机率修正值为:
为光伏电站总容量，C开为开机容量。
本发明在太阳辐射强度在逆变器启动的阀值附近波动时，通过太阳辐射强度下开机率对开机容量进行修正，进一步提高了开机容量预测的精准性。
进一步地，所述步骤1)是通过计算预测日太阳辐射值和预测日之前的历史太阳辐射值之间的灰色相关度，选取相关度较大的设定天数作为相似日。
进一步地，所述预测日太阳辐射值和预测日之前的历史太阳辐射值之间的灰色相关度为：
其中γi为所求的灰色相关度，x0为预测日太阳辐射值采样点构成的向量，xi为预测日前的历史太阳辐射值采样点构成的向量，δi(k)为向量x0和向量xi在第k个采样点的关联系数，Δi(k)＝x0(k)-xi(k)，n为采样点个数，ρ为分辨系数。
本发明还提供了一种光伏电站开机容量预测系统，该预测系统包括光伏电站数据采集系统、就地气象采集仪、天气预报下载装置和开机容量预测服务器；
所述天气预报下载装置用于获取预测日的太阳辐射值，所述就地气象采集仪用于获取预测日之前的历史太阳辐射值；
所述光伏电站数据采集系统用于实时采集并存储各逆变器启停状态变化及事件发生的时间；
所述开机容量预测服务器用于从光伏电站数据采集系统、就地气象采集仪、天气预报下载装置获取数据，根据预测日之前的历史太阳辐射值和预测日及预测日前样本日的太阳辐射值选取相似日；根据相似日各逆变器启停事件发生的时间进行概率统计得到预测日各逆变器启停事件概率分布；根据预测日各逆变器的启停状态和容量计算预测日光伏电站的开机容量。
进一步地，所述开机容量预测服务器得到的预测日光伏电站各时段的开机容量为：
其中Si表示逆变器i在当前时段的状态，1表示开机，0表示待机。
进一步地，所述开机容量预测服务器在计算预测日光伏电站的开机容量时，还需根据预测日太阳辐射值对应的光伏电站开机率修正值对光伏电站的开机容量进行修正，所述的光伏电站开机率修正值为:
为光伏电站总容量，C开为开机容量。
进一步地，所述开机容量预测服务器是通过计算预测日太阳辐射值和预测日之前的历史太阳辐射值之间的灰色相关度，选取相关度较大的设定天数作为相似日。
进一步地，所述预测日太阳辐射值和预测日之前的历史太阳辐射值之间的灰色相关度为：
其中γi为所求的灰色相关度，x0为预测日太阳辐射值采样点构成的向量，xi为预测日前的历史太阳辐射值采样点构成的向量，δi(k)为向量x0和向量xi在第k个采样点的关联系数，Δi(k)＝x0(k)-xi(k)，n为采样点个数，ρ为分辨系数。
本发明的有益效果是:本发明充分考虑了对于某一已投入运行的光伏电站来说对于气象条件相似的日期同一逆变器启动退出的事件发生的时间具有一定的统计规律性的特点，选取相似日，根据相似日的逆变器启停事件概率分布来计算预测日光伏电站的开机容量，所预测出的开机容量更加符合真实情况，更加精准，且方法简单、易行，为调度系统合理安排发电计划提供数据支持，有利于提高新能源利用率。
本发明在太阳辐射强度在逆变器启动的阀值附近波动时，通过太阳辐射强度下开机率对开机容量初始值进行修正，进一步提高了开机容量预测的精准性。
附图说明
图1是相似日选取流程图；
图2是本发明实施例中的太阳辐射强度值对应的光伏电站开机概率分布示意图；
图3是本发明光伏电站开机容量预测的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的说明。
本发明光伏电站开机容量预测方法的实施例。
本发明的光伏电站开机容量预测方法首先根据预测日天气预报和样本日历史气象数据选取相似日，然后根据相似日各逆变器启停事件发生的时间进行概率统计得到预测日各逆变器启停事件概率分布以及太阳辐射强度对应开机率的概率分布；最后根据各逆变器的启停状态及容量计算预测日光伏电站的开机容量初始值并由预测日太阳辐射值对应的光伏电站开机率修正值对初始值进行修正。整个流程如图3所示，具体的实现方式如下：
1.选取气象相似日。
本发明根据气象采集仪历史数据及预测日的数值天气预报进行数据曲线关联性分析，得到相似日。本发明的关联分析采用灰色关联分析理论，灰色关联分析理论是灰色系统理论的一个重要组成部分，是一种多因素统计分析理论，它以各因素的样本数据为依据，用灰色关联度来描述因素间的强弱、大小和次序，灰色关联度实质上是比较数据曲线的几何形状的接近程度，几何形状越接近，变化趋势就越接近，关联度就越大。利用灰色关联分析理论选取气象日的过程如图1所示。
1)获取预测日数值天气预报数据。
从数值天气预报下载装置获取未来24h～72h的数值天气预报数据，该数值天气预报数据中包含时间分辨率为15min的太阳辐射强度数据，选取预测日的数值天气预报中时间序列的辐射值构成基础向量x0，本实施例中获取数值天气预报中预测日的辐射值96个点，间隔为15分钟。
2)获取预测日前的太阳辐射强度数据。
本发明从实时监控系统获取光伏电站就地气象采集仪的历史数据及所有逆变器的容量、启停变位时间并对数据进行预处理。选取预测日之前30天的数据作为样本，样本数据选取气象采集仪采集的当日辐射值96点，间隔为15分钟，预测日前第i天气象采集仪采集的相同时间序列的历史辐射值构成样本向量xi，i＝1,2,…N，N为选择样本的时间范围，本实施例中N＝30。
对于样本中的辐射值实际意义来说，夜间时段21时至次日4时不可能大于0，或因为通讯中断、设备故障等造成常时段数据不变，都不能用做样本向量，样本数据要做奇异值处理，即样本向量xi中的前16个点和后16点不能大于0，连续4个点不能相等。
3)计算预测日向量和各样本向量的灰色相关度，根据得到相关度大小选取气象相似日。
预测日辐射值向量x0和样本辐射值向量xi分别为：
x0＝[x0(1),x0(2),…,x0(k)]T
xi＝[xi(1),xi(2),…,xi(k)]T
k为采样点的个数，本实施例中k为96。
计算预测日辐射值向量x0和样本辐射值向量xi的关联系数：
其中δi(k)为向量x0和向量xi在第k点的关联系数，Δi(k)＝x0(k)-xi(k)，ρ为分辨系数，大于0小于1，本发明选取ρ为0.5。
根据各点的关联系数，计算向量x0和向量xi的灰色关联度γi：
比较得到的N个样本的关联度，从大到小选取预测日的M个相似日。本实施例从30个样本关联度中选择相关性最大的7天作为相似日。
2.根据相似日各逆变器启停事件发生的时间进行概率统计得到预测日各逆变器启停事件概率分布。
逆变器启停的规律从另一个侧面反映了该地区相应气象条件下的发电功率波动的剧烈情况，对实际调度工作有着很好的指导意义。
1)获取相似日逆变器发电特性，对相似日逆变器发电特性曲线进行分析，将可能有出力的时间划分成M个时段，每段记为Ck(k＝1,2…M)；
2)根据实时监控系统中获取相似日的逆变器启停变位时间，统计每台逆变器在第k时段M个相似日发生启停时间的概率Startk和Stopk；
其中Si＝1表示第i个相似日在Ck发生过启动事件，其中Si＝0表示第i个相似日在Ck未发生过启动事件，其中Ti＝1表示第i个相似日在Ck发生过停机事件，其中Si＝0表示第i个相似日在Ck未发生过停机事件。本实施例中的某一台逆变器启停样本点的分布情况如图2所示。
3)将各时段的Startk和Stopk分别按照大小顺序进行排序，选最大概率的Startk和Stopk对应的时段分别作为预测日的启动和停机时间。
本实施例按调度要求上送未来24h～72h光伏电站总的开机容量，时间间隔为15分钟，将光伏逆变器可能发生启动停止事件的时间6:00～19:00按15分钟间隔分成56个时段，统计每个光伏逆变器在相似日启动停止事件发生在每个时段的概率。
建矩阵Q7×56，其中56为时间间隔个数，7为相似日个数，并累计每个时段发生启动事件的概率Q启：
其中表示在u时段该相似日发生过启动事件，选择P(u)max对应的时段作为该逆变器的启动时段。同理选择停机时间概率最大的时段作为该逆变器停机时间。
3.根据预测日各逆变器的启停状态和容量计算预测日光伏电站的开机容量。
某一时刻光伏电站的开机容量等于所有启动的逆变器容量之和，即
得到的Qcap即为预测日的光伏电站开机容量值。
由于太阳辐射强度在逆变器启动的阀值附近波动时，光伏电站某些逆变器停机引起的开机容量的预测误差。只有气象变化剧烈，且太阳辐射强度在能够启动逆变器的阀值附近波动时，才可能出现光伏逆变器反复启停的现象，这种情况下，对于单台光伏逆变器来说其启停事件具有不确定性，但是对于整个光伏电站的开机容量预测来说，通过太阳辐射强度下开机率的分布概率来反映出逆变器起停机风险性。因此为了消除这些误差，本发明采用开机率来对得到的开机容量进行修正。
利用相似日太阳辐射强度值曲线和光伏电站总开机容量曲线进行统计，确定太阳辐射强度值SUN对应的开机率δSUN的分布函数。首先以某一恰当的步长作为分类尺度对辐射值和开机率进行等间隔划分，但是辐射值过小或者过大时正常状态不可能发生逆变器启停事件，因此只在逆变器启停辐射强度阀值附近统计。
其中为光伏电站总容量，C开为开机容量，δSUN＝1表示在该辐射强度下，电站光伏逆变器全部开机，δSUN＝0表示在该辐射强度下，电站光伏逆变器全部停机。
某一太阳辐射强度值对应开机率的概率分布为如表1所示：
表1
选取概率最大的N项，若这N项的概率和大于设定值，则以这N项开机率的平均值作为该太阳辐射强度值的开机率修正系数。
本实施例计算一天96点的太阳辐射值对应的光伏电站开机率修正值及整个光伏电站的开机容量。计算太阳辐射值对应的光伏电站开机率修正系数，在最后一台逆变器启动段后和第一台停止时间段前为计算值，其余时段为1。
某一时刻光伏电站的开机容量等着所有启动的逆变器容量之和乘以开机率修正值：
其中Si表示逆变器i在当前时段的状态，1表示开机，0表示待机。
本发明光伏电站开机容量预测系统的实施例。
本实施例中的预测系统包括光伏电站数据采集系统、就地气象采集仪、天气预报下载装置和开机容量预测服务器，天气预报下载装置用于获取预测日的太阳辐射值，就地气象采集仪用于获取预测日之前的历史太阳辐射值；光伏电站数据采集系统实时采集并存储各逆变器启停状态变化及事件发生的时间，开机容量预测服务器同数据采集系统、就地气象采集仪和天气预报下载装置连接获取数据，根据预测日之前的历史太阳辐射值，根据预测日及预测日前的太阳辐射值选取相似日；根据相似日各逆变器启停事件发生的时间进行概率统计得到预测日各逆变器启停事件概率分布；根据预测日各逆变器的启停状态和容量计算预测日光伏电站的开机容量。具体的实现过程已在方法的实施例中进行了详细说明，这里不再赘述。
本发明充分考虑了对于某一已投入运行的光伏电站来说对于气象条件相似的日期同一逆变器启动退出的事件发生的时间具有一定的统计规律性的特点，选取相似日，根据相似日的逆变器启停事件概率分布来计算预测日光伏电站的开机容量，所预测出的开机容量更加符合真实情况，更加精准，且方法简单、易行，为调度系统合理安排发电计划提供数据支持，有利于提高新能源利用率。
Claims (10)
1.一种光伏电站开机容量预测方法，其特征在于，该预测方法包括以下步骤：
1)获取预测日的太阳辐射值和预测日之前的历史太阳辐射值，根据预测日及预测日前的太阳辐射值选取相似日；
2)根据相似日各逆变器启停事件发生的时间进行概率统计得到预测日各逆变器启停事件概率分布；
3)根据预测日各逆变器的启停状态和容量计算预测日光伏电站的开机容量。
2.根据权利要求1所述的光伏电站开机容量预测方法，其特征在于，所述预测日光伏电站各时段的开机容量为：
<mrow>
<msub>
<mi>Q</mi>
<mrow>
<mi>c</mi>
<mi>a</mi>
<mi>p</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>G</mi>
<mrow>
<mi>c</mi>
<mi>a</mi>
<mi>p</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
</mrow>
其中Si表示逆变器i在当前时段的状态，1表示开机，0表示待机。
3.根据权利要求2所述的光伏电站开机容量预测方法，其特征在于，所述步骤3)在计算预测日光伏电站的开机容量时，还需根据预测日太阳辐射值对应的光伏电站开机率修正值对光伏电站的开机容量进行修正，所述的光伏电站开机率修正值为:
为光伏电站总容量，C开为开机容量。
4.根据权利要求1或3所述的光伏电站开机容量预测方法，其特征在于，所述步骤1)是通过计算预测日太阳辐射值和预测日之前的历史太阳辐射值之间的灰色相关度，选取相关度较大的设定天数作为相似日。
5.根据权利要求4所述的光伏电站开机容量预测方法，其特征在于，所述预测日太阳辐射值和预测日之前的历史太阳辐射值之间的灰色相关度为：
<mrow>
<msub>
<mi>&gamma;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&delta;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&delta;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>min</mi>
<mi> </mi>
<mi>i</mi>
<mi> </mi>
<mi>min</mi>
<mi> </mi>
<mi>k</mi>
<mo>|</mo>
<mi>&Delta;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mi>&rho;</mi>
<mi>max</mi>
<mi> </mi>
<mi>i</mi>
<mi> </mi>
<mi>max</mi>
<mi> </mi>
<mi>k</mi>
<mo>|</mo>
<mi>&Delta;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<mo>|</mo>
<mi>&Delta;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mi>&rho;</mi>
<mi>max</mi>
<mi> </mi>
<mi>i</mi>
<mi> </mi>
<mi>max</mi>
<mi> </mi>
<mi>k</mi>
<mo>|</mo>
<mi>&Delta;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
</mfrac>
</mrow>
其中γi为所求的灰色相关度，x0为预测日太阳辐射值采样点构成的向量，xi为预测日前的历史太阳辐射值采样点构成的向量，δi(k)为向量x0和向量xi在第k个采样点的关联系数，Δi(k)＝x0(k)-xi(k)，n为采样点个数，ρ为分辨系数。
6.一种光伏电站开机容量预测系统，其特征在于，该预测系统包括光伏电站数据采集系统、就地气象采集仪、天气预报下载装置和开机容量预测服务器；
所述天气预报下载装置用于获取预测日的太阳辐射值，所述就地气象采集仪用于获取预测日之前的历史太阳辐射值；
所述光伏电站数据采集系统用于实时采集并存储各逆变器启停状态变化及事件发生的时间；
所述开机容量预测服务器用于从光伏电站数据采集系统、就地气象采集仪、天气预报下载装置获取数据，根据预测日之前的历史太阳辐射值和预测日及预测日前样本日的太阳辐射值选取相似日；根据相似日各逆变器启停事件发生的时间进行概率统计得到预测日各逆变器启停事件概率分布；根据预测日各逆变器的启停状态和容量计算预测日光伏电站的开机容量。
7.根据权利要求6所述的光伏电站开机容量预测系统，其特征在于，所述开机容量预测服务器得到的预测日光伏电站各时段的开机容量为：
<mrow>
<msub>
<mi>Q</mi>
<mrow>
<mi>c</mi>
<mi>a</mi>
<mi>p</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>G</mi>
<mrow>
<mi>c</mi>
<mi>a</mi>
<mi>p</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
</mrow>
其中Si表示逆变器i在当前时段的状态，1表示开机，0表示待机。
8.根据权利要求7所述的光伏电站开机容量预测系统，其特征在于，所述开机容量预测服务器在计算预测日光伏电站的开机容量时，还需根据预测日太阳辐射值对应的光伏电站开机率修正值对光伏电站的开机容量进行修正，所述的光伏电站开机率修正值为:
为光伏电站总容量，C开为开机容量。
9.根据权利要求6或8所述的光伏电站开机容量预测系统，其特征在于，所述开机容量预测服务器是通过计算预测日太阳辐射值和预测日之前的历史太阳辐射值之间的灰色相关度，选取相关度较大的设定天数作为相似日。
10.根据权利要求9所述的光伏电站开机容量预测系统，其特征在于，所述预测日太阳辐射值和预测日之前的历史太阳辐射值之间的灰色相关度为：
<mrow>
<msub>
<mi>&gamma;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&delta;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&delta;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>min</mi>
<mi> </mi>
<mi>i</mi>
<mi> </mi>
<mi>min</mi>
<mi> </mi>
<mi>k</mi>
<mo>|</mo>
<mi>&Delta;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mi>&rho;</mi>
<mi>max</mi>
<mi> </mi>
<mi>i</mi>
<mi> </mi>
<mi>max</mi>
<mi> </mi>
<mi>k</mi>
<mo>|</mo>
<mi>&Delta;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<mo>|</mo>
<mi>&Delta;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mi>&rho;</mi>
<mi>max</mi>
<mi> </mi>
<mi>i</mi>
<mi> </mi>
<mi>max</mi>
<mi> </mi>
<mi>k</mi>
<mo>|</mo>
<mi>&Delta;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
</mfrac>
</mrow>
其中γi为所求的灰色相关度，x0为预测日太阳辐射值采样点构成的向量，xi为预测日前的历史太阳辐射值采样点构成的向量，δi(k)为向量x0和向量xi在第k个采样点的关联系数，Δi(k)＝x0(k)-xi(k)，n为采样点个数，ρ为分辨系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710737170.1A CN107545328B (zh) | 2017-08-24 | 2017-08-24 | 一种光伏电站开机容量预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710737170.1A CN107545328B (zh) | 2017-08-24 | 2017-08-24 | 一种光伏电站开机容量预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107545328A true CN107545328A (zh) | 2018-01-05 |
| CN107545328B CN107545328B (zh) | 2020-09-18 |
Family
ID=60957736
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710737170.1A Active CN107545328B (zh) | 2017-08-24 | 2017-08-24 | 一种光伏电站开机容量预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107545328B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114709880A (zh) * | 2022-06-06 | 2022-07-05 | 阿里巴巴达摩院(杭州)科技有限公司 | 目标电网中机组的控制方法、系统、存储介质及处理器 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100185337A1 (en) * | 2009-01-19 | 2010-07-22 | Le Pivert Xavier | Method of forecasting the electrical production of a photovoltaic device |
| CN102545707A (zh) * | 2012-01-11 | 2012-07-04 | 云南电力试验研究院（集团）有限公司电力研究院 | 以发电单元为基本预测单元的发电功率预测方法及系统 |
| CN103390116A (zh) * | 2013-08-07 | 2013-11-13 | 华北电力大学（保定） | 采用分步方式的光伏电站发电功率预测方法 |
| CN105469163A (zh) * | 2015-12-08 | 2016-04-06 | 国家电网公司 | 一种用于光伏电站功率预测的相似日的选择方法 |
-
2017
- 2017-08-24 CN CN201710737170.1A patent/CN107545328B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100185337A1 (en) * | 2009-01-19 | 2010-07-22 | Le Pivert Xavier | Method of forecasting the electrical production of a photovoltaic device |
| CN102545707A (zh) * | 2012-01-11 | 2012-07-04 | 云南电力试验研究院（集团）有限公司电力研究院 | 以发电单元为基本预测单元的发电功率预测方法及系统 |
| CN103390116A (zh) * | 2013-08-07 | 2013-11-13 | 华北电力大学（保定） | 采用分步方式的光伏电站发电功率预测方法 |
| CN105469163A (zh) * | 2015-12-08 | 2016-04-06 | 国家电网公司 | 一种用于光伏电站功率预测的相似日的选择方法 |
Non-Patent Citations (1)
| Title |
|---|
| 宋人杰 等: "基于相似日和WNN的光伏发电功率超短期预测模型", 《电测与仪表》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114709880A (zh) * | 2022-06-06 | 2022-07-05 | 阿里巴巴达摩院(杭州)科技有限公司 | 目标电网中机组的控制方法、系统、存储介质及处理器 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107545328B (zh) | 2020-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103390902B (zh) | 一种基于最小二乘法的光伏电站超短期功率预测方法 | |
| CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
| Kudo et al. | Forecasting electric power generation in a photovoltaic power system for an energy network | |
| Shufian et al. | Modeling and analysis of cost-effective energy management for integrated microgrids | |
| CN102419394B (zh) | 一种预测分辨率可变的风光功率预测方法 | |
| CN102324752A (zh) | 结合风力发电的纯电动汽车有序充放电协调控制系统 | |
| CN104268659A (zh) | 一种光伏电站发电功率超短期预测方法 | |
| CN110783959B (zh) | 一种新能源发电系统的稳定状态控制系统 | |
| CN109873447A (zh) | 一种多源协同主动配电网多时间级有功-无功调控方法 | |
| CN110659788A (zh) | 一种用户侧综合能源系统的供需平衡分析方法和系统 | |
| CN102510123A (zh) | 应对风电大范围切机的自动储能控制方法 | |
| CN103199616B (zh) | 大区电网风电群运行数据监测分析系统 | |
| Chang et al. | Model predictive control based energy collaborative optimization management for energy storage system of virtual power plant | |
| CN108493989A (zh) | 一种大规模光伏、风电发电并网系统的发电监控及负荷分配方法 | |
| CN107545328A (zh) | 一种光伏电站开机容量预测方法及系统 | |
| CN111932025A (zh) | 考虑光伏随机性的综合能源系统建设多阶段规划方法 | |
| CN106203745A (zh) | 基于多时间尺度多空间的分布式光伏控制系统及控制方法 | |
| CN115800306A (zh) | 考虑风机故障的风光储无功补偿方法、装置及介质 | |
| Han et al. | Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation | |
| Tianqi et al. | Optimal scheduling of virtual power plants that ignore the cost of battery loss | |
| CN105069520A (zh) | 一种风力发电功率预测系统 | |
| CN215185864U (zh) | 一种分布式光储系统充储放控制系统 | |
| CN115395579A (zh) | 计及置信容量的光热光伏配置方法、系统、设备和介质 | |
| CN110417002B (zh) | 一种孤岛微电网能量模型的优化方法 | |
| Li et al. | Research on Distributed Photovoltaic Day-ahead Scheduling and Consumption Strategy |
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 |