CN108736510B - 光伏电站发电和厂区用电比例的预测方法 - Google Patents

光伏电站发电和厂区用电比例的预测方法 Download PDF

Info

Publication number
CN108736510B
CN108736510B CN201710807423.8A CN201710807423A CN108736510B CN 108736510 B CN108736510 B CN 108736510B CN 201710807423 A CN201710807423 A CN 201710807423A CN 108736510 B CN108736510 B CN 108736510B
Authority
CN
China
Prior art keywords
power
photovoltaic power
time
month
power station
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
Application number
CN201710807423.8A
Other languages
English (en)
Other versions
CN108736510A (zh
Inventor
陈志穗
定明辉
余树红
石建伟
刘兵
沈大鹏
饶志峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Csg Photovoltaic Energy Co ltd
CSG Holding Co Ltd
Original Assignee
Shenzhen Csg Photovoltaic Energy Co ltd
CSG Holding Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Csg Photovoltaic Energy Co ltd, CSG Holding Co Ltd filed Critical Shenzhen Csg Photovoltaic Energy Co ltd
Priority to CN201710807423.8A priority Critical patent/CN108736510B/zh
Publication of CN108736510A publication Critical patent/CN108736510A/zh
Application granted granted Critical
Publication of CN108736510B publication Critical patent/CN108736510B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H02J3/383—
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy

Abstract

本发明涉及一种厂区用电和光伏电站发电比例的预测方法。该厂区用电和光伏电站发电比例的预测方法根据厂区所在地的平均每日的起始日照辐射时间点和结束日照辐射时间点，并假定光伏电站平均每日输出的最大功率为峰值功率，通过正弦曲线公式建立光伏电站的输出功率和时间点的关系函数，并通过该关系函数和光伏电站平均每日的理论发电量确定峰值功率，再通过分时段计算每个时段对应的预测发电量为W(t)，通过与厂区在一个时段所对应的时间内的平均用电量H比较确定厂区的每个时段理论用电量，再计算厂区在预定时间段的理论用电量，得到的厂区在预定时间段的理论用电量更加地准确，从而使得计算出的厂区的用电量和光伏电站的发电量的比例更加地准确。

Description

光伏电站发电和厂区用电比例的预测方法
技术领域
本发明涉及光伏领域，特别是涉及一种光伏电站发电和厂区用电比例的预测方法。
背景技术
由于在分布式光伏电站设计阶段必须考察电站建设的厂区的用电负荷情况，以及光伏电站设计装机容量的可消纳比例情况，因此，分布式光伏电站发电和厂区用电比例估算对于分布式光伏电站的设计存在技术需求，传统方法通常是采用厂区负荷除以根据光伏电站设计装机容量计算的理论发电量预测厂区用电和光伏电站发电比例，预测数据准确性不高。
发明内容
基于此，有必要提供一种较为准确的光伏电站发电和厂区用电比例的预测方法。
一种厂区用电和光伏电站发电比例的预测方法，包括如下步骤：
根据厂区所在地的平均每日的辐射量和光伏电站的装机容量，计算出所述光伏电站平均每日的理论发电量和所述光伏电站在预定时间段内的理论发电量；
测试所述厂区所在地的平均每日的起始日照辐射时间点和结束日照辐射时间点，并计算平均每日的日照辐射的总时间；
假定所述光伏电站平均每日输出的最大功率为峰值功率，根据所述起始日照辐射时间点、所述结束日照辐射时间点和正弦曲线公式建立所述光伏电站的输出功率和时间点的关系函数；
根据所述起始日照辐射时间点、所述结束日照辐射时间点和所述关系函数，得到所述光伏电站平均每日的预测发电量的计算公式；
假定所述光伏电站平均每日的预测发电量与所述光伏电站平均每日的理论发电量相等，根据所述预测发电量的计算公式计算得到所述峰值功率；
根据所述平均每日的日照辐射的总时间，将从所述起始日照辐射时间点到所述结束日照辐射时间点之间的时间平均分成多个时段，根据所述峰值功率和所述关系函数，计算所述光伏电站每日的每个所述时段对应的预测发电量，并定义所述每个所述时段对应的预测发电量为W(t)；
计算所述厂区在一个所述时段所对应的时间内的平均用电量，并定义所述平均用电量为H；及
根据所述W(t)和所述H的比较确定所述厂区的每个所述时段的理论用电量，并计算所述厂区在所述预定时间段的理论用电量，根据所述厂区在所述预定时间段的理论用电量和所述光伏电站在预定时间段内的理论发电量，计算得到所述预定时间段内所述厂区的用电量和所述光伏电站的发电量的比例；其中，当所述W(t)＜所述H，所述厂区在所述时段所对应的时间内的理论用电量为所述W(t)，当所述W(t)≥所述H，所述厂区在所述时段所对应的时间内的理论用电量为所述H。
上述厂区用电和光伏电站发电比例的预测方法通过根据厂区所在地的平均每日的起始日照辐射时间点和结束日照辐射时间点，并假定光伏电站平均每日输出的最大功率为峰值功率，通过正弦曲线公式建立光伏电站的输出功率和时间点的关系函数，并通过该关系函数和光伏电站平均每日的理论发电量确定峰值功率，再通过分时段计算每个时段对应的预测发电量为W(t)，通过与厂区在一个时段所对应的时间内的平均用电量H比较确定厂区的每个时段理论用电量，再计算厂区在预定时间段的理论用电量，得到的厂区在预定时间段的理论用电量更加地准确，从而使得计算出的厂区的用电量和光伏电站的发电量的比例更加地准确。
在其中一个实施例中，定义所述光伏电站平均每日的理论发电量为W(tD)，定义所述光伏电站的装机容量为Z，定义所述平均每日的辐射量为FD，定义所述光伏电站的发电效率为η，所述光伏电站平均每日的理论发电量的计算公式如下：
W(tD)＝Z×FD×η。
在其中一个实施例中，定义所述光伏电站的起始装机容量为Z0，定义所述光伏电站的使用年限为m，定义所述光伏电站的首年容量的衰减比例为ε1，定义所述光伏电站从第二年起每年容量的衰减比例为ε2，所述Z的计算公式如下：
Z＝Z0×[1-ε1-(m-1)×ε2]。
在其中一个实施例中，所述平均每日的辐射量为某个月份的平均每日的辐射量，假定所述平均每日的辐射量等于上几个年度的所述某个月份的平均每日的辐射量，定义所述上几个年度的所述某个月份的平均辐射量为Fn，n表示月份，定义所述上几个年度的所述某个月份的平均天数为Dn，所述FD的计算公式为：FD＝Fn/Dn；所述峰值功率为所述某个月份的所述光伏电站平均每日输出的最大功率。
在其中一个实施例中，假定所述峰值功率所对应的时间点为从所述起始日照辐射时间点到所述结束日照辐射时间点的中间日照辐射时间点，定义任一时间点为t，定义所述任一时间点的所述光伏电站的输出功率为P(t)，定义所述起始日照辐射时间点、所述结束日照辐射时间点和所述中间日照辐射时间点分别为t2、t3和t0，定义所述峰值功率为an，所述光伏电站的输出功率和时间点的关系函数如下：
Figure BDA0001403039280000031
定义所述光伏电站所述某个月的平均每日的预测发电量为ψ(t)，所述ψ(t)的计算公式如下：
Figure BDA0001403039280000032
定义T为一个所述时段所对应的时间，所述W(t)的计算公式如下：
Figure BDA0001403039280000033
在其中一个实施例中，所述计算所述厂区在一个所述时段所对应的时间内的平均用电量的步骤为：统计所述厂区的所述上几个年度的所述某个月份的实际用电量，并定义所述厂区的所述上几个年度的所述某个月份的实际用电量为Yn；统计所述厂区的所述上几个年度的所述某个月份的平均上班天数，并定义所述厂区的所述上几个年度的所述某个月份的平均上班天数为Xn，定义T为一个所述时段所对应的时间，根据如下公式计算所述H：
H＝Yn÷Xn÷24×T。
在其中一个实施例中，所述根据所述W(t)和所述H的比较确定所述厂区的每个所述时段的理论用电量步骤是通过建立条件函数确定的：
IF[W(t)＜H，W(t)，H]；
其中，定义n0和n1分别为所述预定时间段的起始月份和结束月份，定义任一时间点为t，定义所述起始日照辐射时间点和所述结束日照辐射时间点分别为t2和t3，定义所述厂区在所述预定时间段内的所述某个月的上班天数为An，定义所述光伏电站在所述预定时间段内的所述某个月的发电天数为Bn，定义所述预定时间段内所述厂区的用电量和所述光伏电站的发电量的比例为N，所述N的计算公式如下：
Figure BDA0001403039280000041
在其中一个实施例中，一个所述时段所对应的时间小于或等于0.5小时。
附图说明
图1为一实施方式的厂区用电和光伏电站发电比例的预测方法的流程图；
图2为图1所示的厂区用电和光伏电站发电比例的预测方法中的光伏电站的输出功率和时间点的关系函数曲线图；
图3为实施例1得到的C年度A光伏电站的每个月的理论发电量Wn和C年度整年A光伏电站的实际发电量的柱状图；
图4为实施例1得到的C年度的每个月的A厂区的用电量和A光伏电站的发电量的预计比例Nn与C年的每个月A厂区的用电量和A光伏电站的发电量的实际比例的柱状图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳的实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示，一实施方式的厂区用电和光伏电站发电比例的预测方法，该预测方法能够更加准确地计算出光伏电站所供电的出厂区用电和光伏电站发电的比例，以便于给厂区设计合适的光伏电站。其中，该厂区用电和光伏电站发电比例的预测方法包括如下步骤：
步骤S110：根据厂区所在地的平均每日的辐射量和光伏电站的装机容量，计算光伏电站平均每日的理论发电量和光伏电站在预定时间段内的理论发电量。
具体地，光伏电站的平均每日的理论发电量的计算公式(1-1)如下：
W(tD)＝Z×FD×η 公式(1-1)；
其中，W(tD)为光伏电站的平均每日的理论发电量，Z为光伏电站的装机容量，FD为平均每日的辐射量，η为光伏电站的发电效率。
更具体地，厂区所在地的平均每日的辐射量FD为某个月份的平均每日的辐射量，并假定平均每日的辐射量等于上几个年度的某个月份的平均每日的辐射量，即FD等于上几个年度的某个月份的平均每日的辐射量。定义Fn为上几个年度的某个月份的平均辐射量，n表示月份，Dn为上几个年度的某个月份的平均天数为Dn。那么，FD＝Fn/Dn。此时，W(tD)即为光伏电站的某个月平均每日的理论发电量。即公式(1-1)转换成公式(1-2)：
Figure BDA0001403039280000061
其中，厂区所在地的上几个年度的某个月份的平均辐射量可根据查询厂区所在地的上几个年度的同一个月份的辐照量数据，然后除以年数求平均值获得。
具体地，由于光伏电站在运行过程中装机容量会有所衰减，需要考虑衰减比例，因此，光伏电站的装机容量Z的计算公式(1-3)：
Z＝Z0×[1-ε1-(m-1)×ε2] 公式(1-3)；
其中，Z0为光伏电站的起始装机容量，为已知量；m为光伏电站的使用年限；ε1为光伏电站的首年容量的衰减比例，通常为2.5％左右；ε2为光伏电站从第二年起每年容量的衰减比例，通常为0.73％左右。
通过考虑光伏电站的装机容量的衰减比例，能够使测试的数据更加的准确。需要说明的是，ε1和ε2的取值根据具体地光伏电站进行确定；若光伏电站的装机容量不产生衰减，那么，光伏电站的装机容量Z即为光伏电站的起始装机容量Z0，无需通过上述公式(1-3)计算。
光伏电站的发电效率η为已知量，光伏电站的发电效率通常为80％左右。当光伏电站已经建成一段时间，光伏电站的发电效率η可根据考察光伏电站所在地理位置、气候条件、环境检测仪准确性、组件安装倾角及电站运维情况等各有差异，在考察光伏电站的发电效率这一参数时，在已经计算过衰减的情况下，以实际累计发电量为目标值，根据理论计算的发电量公式，倒推匹配系统效率值。
具体地，光伏电站的某个月的理论发电量Wn的计算公式(1-4)如下：
Wn＝Z×Fn×η 公式(1-4)。
那么，定义光伏电站在预定时间段内的某个月的发电天数为Bn，根据公式(1-4)，光伏电站在预定时间段的理论发电量W总公式(1-5)：
Figure BDA0001403039280000062
需要说明的是，当预定时间段是按照整月算的，例如预定时间段为一年，且该预定时间的每个月份的天数与上几个年度的对应月份的平均天数相等，那么，可以直接采用如下公式(1-6)，而不需要用公式(1-5)：
Figure BDA0001403039280000071
步骤S120：测试厂区所在地的平均每日的起始日照辐射时间点和结束日照辐射时间点，并计算平均每日的日照辐射的总时间。
具体地，通过统计厂区所在地的上几个年度的每日的起始日照辐射时间点和结束日照辐射时间点，计算出平均每日的起始日照辐射时间点和结束日照辐射时间点，并根据厂区所在地的每天的起始日照辐射时间点和结束日照辐射时间点计算出平均每日的日照辐射的总时间。
其中，假定t2和t3分别为平均每日的起始日照辐射时间点和结束日照辐射时间点，那么，平均每日的日照辐射的总时间等于t3-t2。需要说明的是，平均每日的起始日照辐射时间点t2和结束日照辐射时间点t3需根据厂区所在地进行确定。
步骤S130：假定光伏电站平均每日输出的最大功率为峰值功率，根据起始日照辐射时间点、结束日照辐射时间点和正弦曲线公式建立光伏电站的输出功率和时间点的关系函数。
具体地，假定光伏电站平均每日输出的最大功率的时间点为从起始日照辐射时间点到结束日照辐射时间点的中间日照辐射时间点，即峰值功率所对应的时间点为中间日照辐射时间点。那么，光伏电站每日的输出功率随时间点的变化曲线与半个周期的正弦曲线公式一致，根据半个周期的正弦曲线公式建立光伏电站的输出功率和时间点的关系函数如公式(3-1)，对应的关系曲线如图2所示：
Figure BDA0001403039280000072
其中，P(t)为任一时间点的光伏电站的输出功率；t为任一时间点；t0为平均每日的中间日照辐射时间点；an为某个月的峰值功率，即某个月的峰值峰值功率。
步骤S140：根据厂区所在地的平均每日的起始日照辐射时间点、结束日照辐射时间点和关系函数，得到光伏电站平均每日的预测发电量的计算公式。
即根据厂区所在地的平均每日的起始日照辐射时间点和结束日照辐射时间点对关系函数进行定积分。
具体地，定义光伏电站某个月的平均每日的预测发电量为ψ(t)，根据公式(3-1)，得到ψ(t)的计算公式(4-1)如下：
Figure BDA0001403039280000081
步骤S150：假定光伏电站平均每日的预测发电量与光伏电站平均每日的理论发电量相等，根据预测发电量的计算公式计算得到峰值功率。
具体地，根据FD＝Fn/Dn、公式(4-1)和公式(1-1)建立等式：ψ(t)＝W(tD)，计算出某个月的峰值功率an的计算公式(5-1)具体如下：
Figure BDA0001403039280000082
步骤S160：根据平均每日日照辐射的总时间，将从起始日照辐射时间点到结束日照辐射时间点之间的时间平均分成多个时段，根据峰值功率和关系函数，计算光伏电站每日的每个时段对应的预测发电量，并定义每个时段对应的预测发电量为W(t)。
具体地，定义一个时段所对应的时间为T，根据关系函数公式(3-1)，并代入an，则每个时段对应的预测发电量为W(t)的计算公式(6-1)如下：
Figure BDA0001403039280000083
具体地，一个时段所对应的时间T小于或等于0.5小时。需要说明的是，一个时段所对应的时间不限于小于或等于0.5小时，也可以大于0.5小时，然而，一个时段所对应的时间越短，得到的预计数据就越准确。
步骤S170：计算厂区在一个时段所对应的时间内的平均用电量，并定义平均用电量为H。
具体地，计算厂区在一个段所对应的时间内的平均用电量的步骤为：统计厂区的上几个年度的某个月份的实际用电量，并定义厂区的上几个年度的某个月份的实际用电量为Yn，因此，Yn为已知量；统计厂区的上几个年度的某个月份的平均上班天数，并定义厂区的上几个年度的某个月份的平均上班天数为Xn，为已知量。根据如下公式(7-1)计算H：
H＝Yn÷Xn÷24×T 公式(7-1)。
步骤S180：根据W(t)和H(t)的比较确定厂区的每个时段的理论用电量，并计算厂区在预定时间段的理论用电量，根据厂区在预定时间段的理论用电量和光伏电站在预定时间段内的理论发电量，计算得到预定时间段内厂区的用电量和光伏电站的发电量的比例。
其中，根据W(t)和H(t)的比较确定厂区的每个时段的理论用电量的具体方法为：当W(t)＜H，则厂区在该时段所对应的时间内的理论用电量为W(t)，当W(t)≥H，厂区在该时段所对应的时间内的理论用电量为H。
在本实施方式中，根据W(t)和H的比较确定厂区的每个时段的理论用电量步骤是通过建立条件函数确定的，即根据条件函数IF(logical_test，value_if_true，value_if_false)建立如下条件函数：
IF[W(t)＜H，W(t)，H]。
即将W(t)＜H(t)为条件，若满足条件，厂区在该时段的理论用电量即为W(t)，若W(t)≤H(t)，不满足条件，则厂区在该时段所对应的时间内的理论用电量为H(t)。然后将厂区在每个时段的理论用电量进行求和，即得到厂区在预定时间段的理论总用电量。
那么，厂区在某个月的每天的理论用电量的计算公式(8-1)为：
Figure BDA0001403039280000091
定义厂区在预定时间段内的某个月的上班天数为An；根据公式(8-1)，得到厂区在预定时间段内的某个月的理论用电量H月的计算公式(8-2)：
Figure BDA0001403039280000092
定义预定时间段内的某个月的厂区的用电量和光伏电站的发电量的比例为Nn；根据公式(8-2)和公式(1-5)，那么，Nn的计算公式(8-3)如下：
Figure BDA0001403039280000101
定义n0和n1分别为预定时间段的起始月份和结束月份；根据公式(8-2)，厂区在预定时间内的理论H总用电量的计算公式(8-4)为：
Figure BDA0001403039280000102
定义预定时间段内厂区的用电量和光伏电站的发电量的比例为N，根据公式(8-4)和公式(1-5)，N的计算公式(8-5)如下：
Figure BDA0001403039280000103
其中，公式(7-1)和公式(6-1)分别为公式(8-5)中的W(t)和H，即计算得到厂区的用电量和光伏电站的发电量的比例N。
需要说明的是，当预定时间段按照整月算，例如预定时间段为一年，且该预定时间的每个月份的天数与上几个年度的对应月份的平均天数相等，且该预定时间的每个月份的厂区的上班天数与上几个年度的对应月份的平均天数相等，那么，可以直接采用如下公式(8-6)，而不需要用公式(8-5)：
Figure BDA0001403039280000104
另外，光伏电站所供电的出厂区用电和光伏电站发电的比例的预测方法的步骤也不限于为上述顺序，例如，步骤S110还可以与步骤S120、步骤S130、步骤S140中的一个的顺序进行替换，步骤S170的顺序也可以与步骤S110、步骤S120、步骤S130、步骤S140、步骤S150及步骤S160中的一个的位置替换等等。
具体地，光伏电站输出的没有被厂区用的剩余电量，可进行余电上网(即将多余的电量上传电网)。
上述厂区用电和光伏电站发电比例的预测方法通过根据厂区所在地的平均每日的起始日照辐射时间点和结束日照辐射时间点，并假定光伏电站平均每日输出的最大功率为峰值功率，通过正弦曲线公式建立光伏电站的输出功率和时间点的关系函数，并通过该关系函数和光伏电站平均每日的理论发电量确定峰值功率，再通过分时段计算每个时段对应的预测发电量为W(t)，通过与厂区在一个时段所对应的时间内的平均用电量H比较确定厂区的每个时段理论用电量，再计算厂区在预定时间段的理论用电量，得到的厂区在预定时间段的理论用电量更加地准确，从而使得计算出的厂区的用电量和光伏电站的发电量的比例更加地准确。
下面结合具体实施例：
实施例1
按照上述厂区的用电量和光伏电站的发电量的比例的预测方法预测C年度整年A厂区的用电量和A光伏电站的发电量的预计比例如下：
(1)A光伏电站于C-1年度7月份投产，即m＝0.5，起始装机容量Z0为7500kW，ε1为2.5％，ε2为0.73％，那么，根据公式(1-3)计算A光伏电站的装机容量Z如下：
Z＝Z0×[1-ε1-(m-1)×ε2]＝7500×[1-2.5％-(0.5-1)×0.73％]＝7339.875kW。
(2)根据表1中的C年度的之前的五个年度A厂区所在地的某个月份的平均辐射量Fn、步骤(1)中计算得到的A光伏电站的装机容量Z和公式(1-2)计算C年度A光伏电站的每个月的平均每日的理论发电量W(tD)，并根据公式(1-4)计算C年度A光伏电站的每个月的理论发电量Wn见表1，其中，η为80％。
(3)假定厂区所在地平均每日的起始日照辐射时间点t2为6:00，结束日照辐射时间点t3为18:00，平均每日日照日照辐射的总时间等于12小时，中间日照辐射时间点t0为12:00，即峰值功率an所对应的时间点为12:00，那么，根据公式(3-1)得到具体关系函数公式(3-2)如下：
Figure BDA0001403039280000111
(4)对关系函数公式(3-2)进行定积分，计算得到A光伏电站的每个月的平均每日的预测发电量ψ(t)的公式(4-2)：
Figure BDA0001403039280000121
(5)再根据公式(5-1)得到每个月的对应的峰值功率an的计算如下公式(5-2)，根据表1中的C年度的之前的五个年度A厂区所在地的某个月份的平均辐射量Fn、对应月份的平均天数Dn和步骤(1)计算得到的A光伏电站的装机容量Z，即可计算出每个月的对应的峰值功率an：
Figure BDA0001403039280000122
(6)选取T＝0.5小时，将步骤(5)中计算得到的每个月的对应的峰值功率an代入公式(6-1)，计算得到A光伏电站的每个月的每0.5小时对应的预测发电量W(t)的公式(6-2)如下：
Figure BDA0001403039280000123
(7)根据表1中的C年度的之前的五个年度的A厂区的某个月份的平均实际用电量Yn、对应某个月份的平均上班天数为Xn和公式(7-1)计算得到C年度的之前的五个年度的A厂区的某个月的平均每0.5小时的用电量H，见表1。
(8)将公式(5-2)、公式(6-2)代入公式(8-1)，得到公式(8-7)，将表1中的各个参数代入公式(8-7)，得到C年度A厂区在某个月的理论用电量H月见表1：
Figure BDA0001403039280000124
(9)将公式(5-2)、公式(6-2)代入公式(8-2)，得到C年度某个月的A厂区的用电量和A光伏电站的发电量的比例为Nn的计算公式(8-8)，然后将表1中各个参数代入公式(8-8)中，得到C年度的每个月的A厂区的用电量和A光伏电站的发电量的预计比例Nn见表1。
Figure BDA0001403039280000125
(10)将公式(5-2)、公式(6-2)代入公式(8-5)，其中，n＝12，那么，得到如下公式(8-9)，然后将表1中的各个参数代入到公式(8-9)中，得到C年度全年A厂区的用电量和A光伏电站的发电量的预计比例N为95％，见表1：
Figure BDA0001403039280000131
表1表示的是C年度的之前的五个年度的A厂区的某个月份的平均实际用电量Yn、C年度的之前的五个年度的A厂区的某个月份的平均上班天数为Xn、C年度的之前的五个年度的A厂区的某个月的平均每0.5小时的用电量H、C年度的之前的五个年度A厂区所在地的某个月份的平均辐射量Fn、C年度的之前的五个年度的某个月份对应月份的平均天数Dn、C年度A光伏电站的每个月的理论发电量Wn、C年度的每个月的天数Bn、C年度A厂区在某个月的理论用电量H月、C年度的每个月的上班天数An和C年度的每个月的A厂区的用电量和A光伏电站的发电量的预计比例Nn。
表1
Figure BDA0001403039280000132
根据C年度的之前的五个年度的A厂区每年的实际用电量，取平均值计算得到C年度的之前的五个年度的A厂区每年的平均实际用电量为63934450kWh，而根据上述公式(8-7)计算出的C年度A厂区在某个月的理论用电量H月求和，得到C年度A厂区在12个月的理论用电量为5844458度，根据公式(1-4)计算得到C年度A光伏电站的每个月的理论发电量Wn，经求和得到C年度A光伏电站的12个月的理论发电量为6120928度，从而计算得到C年度的每个月的A厂区的用电量和A光伏电站的发电量的预计比例N约为95％。
表2为统计的C年度整年A光伏电站的实际发电量、A厂区的实际用电量、余电上网电量、C年的每个月A厂区的用电量和A光伏电站的发电量的实际比例(表2中简称自发自用比例)、以及C年整年A厂区的用电量和A光伏电站的发电量的实际比例。
表2
月份 发电量 用电量 余电上网电量 自发自用比例
1月 352100 5046650 27650 92％
2月 336350 2425500 178150 47％
3月 622700 5326700 700 100％
4月 683550 5183550 3850 99％
5月 697500 5540100 15400 98％
6月 613250 5406850 5950 99％
7月 884900 6190200 700 100％
8月 950900 6234900 2450 100％
9月 608050 6034800 1050 100％
10月 337600 5100050 27300 92％
11月 372700 5796700 0 100％
12月 410450 5648450 0 100％
合计 6870050 63934450 263200 96％
从表2中可以看出，C年度整年A光伏电站的的实际累计发电量为687万度，A厂区的实际用电量为6393万度，余电上网电量为26万度，其中，C年度整年，A厂区的用电量和A光伏电站的发电量的实际比例为96％。而采用本实施方式的厂区的用电量和光伏电站的发电量的比例的预测方法计算C年度整年，A厂区的用电量和A光伏电站的发电量的预计比例为95％，与A厂区的用电量和A光伏电站的发电量的实际比例的96％，仅相差1％，较为准确。
图3给出了采用实施例1得到的C年度A光伏电站的每个月的理论发电量Wn和表2中的C年度整年A光伏电站的实际发电量的柱状图，从图中可以看出，采用本实施例的计算得到的每个月的理论发电量和实际发电量的分布情况基本一致。
图4给出了表1中的C年度的每个月的A厂区的用电量和A光伏电站的发电量的预计比例Nn与表2中的C年的每个月A厂区的用电量和A光伏电站的发电量的实际比例的柱状图，从图中可以看出，采用本实施例的上述厂区的用电量和光伏电站的发电量的比例的预测方法预测得到的每个月的A厂区的用电量和A光伏电站的发电量的预计比例Nn与实际用电和发电比例差距较小，较为接近。
实施例2
本实施例的预测C年度整年A厂区的用电量和A光伏电站的发电量的预计比例方法如下：
(1)根据C年度的之前的五个年度的A厂区每年的实际用电量取平均值，计算得到C年度的之前的五个年度的A厂区每年的平均实际用电量，见表1，即为63934450kWh。
(2)根据实施例1的步骤(1)和步骤(2)相同的方法计算得到C年度A光伏电站的每个月的理论发电量Wn，如表1所示，根据C年度A光伏电站的每个月的理论发电量Wn求和，计算得到C年度A光伏电站的12个月的理论发电量见表1，即为6120928度，即6120928kWh。
(3)根据步骤(1)得到的C年度的之前的五个年度的A厂区每年的平均实际用电量和步骤(2)得到的C年度A光伏电站的12个月的理论发电量对比可知，C年度A光伏电站的12个月的理论发电量远远小于C年度的之前的五个年度的A厂区每年的平均实际用电量，即预计C年度A光伏电站的12个月的所发的电量全部被A厂区所用，即采用实施例2的预测C年度整年A厂区的用电量和A光伏电站的发电量的预计比例100％，显然，与实施例1的用电量和A光伏电站的发电量的预计比例95％相比，实施例2计算得到的C年度整年A厂区的用电量和A光伏电站的发电量的预计比例100％与实际比例96％，相差较多，即实施例1的厂区的用电量和光伏电站的发电量的比例的预测方法预测得到的每个月的A厂区的用电量和A光伏电站的发电量的预计比例Nn与实际比例差距较小，较为接近。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (7)

1.一种厂区用电和光伏电站发电比例的预测方法，其特征在于，包括如下步骤：
根据厂区所在地的平均每日的辐射量和光伏电站的装机容量，计算出所述光伏电站平均每日的理论发电量和所述光伏电站在预定时间段内的理论发电量；
测试所述厂区所在地的平均每日的起始日照辐射时间点和结束日照辐射时间点，并计算平均每日的日照辐射的总时间；
假定所述光伏电站平均每日输出的最大功率为峰值功率，根据所述起始日照辐射时间点、所述结束日照辐射时间点和正弦曲线公式建立所述光伏电站的输出功率和时间点的关系函数；
根据所述起始日照辐射时间点、所述结束日照辐射时间点和所述关系函数，得到所述光伏电站平均每日的预测发电量的计算公式；
假定所述光伏电站平均每日的预测发电量与所述光伏电站平均每日的理论发电量相等，根据所述预测发电量的计算公式计算得到所述峰值功率；
根据所述平均每日的日照辐射的总时间，将从所述起始日照辐射时间点到所述结束日照辐射时间点之间的时间平均分成多个时段，根据所述峰值功率和所述关系函数，计算所述光伏电站每日的每个所述时段对应的预测发电量，并定义所述每个所述时段对应的预测发电量为W(t)；
计算所述厂区在一个所述时段所对应的时间内的平均用电量，并定义所述平均用电量为H；及
根据所述W(t)和所述H的比较确定所述厂区的每个所述时段的理论用电量，并计算所述厂区在所述预定时间段的理论用电量，根据所述厂区在所述预定时间段的理论用电量和所述光伏电站在预定时间段内的理论发电量，计算得到所述预定时间段内所述厂区的用电量和所述光伏电站的发电量的比例；其中，当所述W(t)＜所述H，所述厂区在所述时段所对应的时间内的理论用电量为所述W(t)，当所述W(t)≥所述H，所述厂区在所述时段所对应的时间内的理论用电量为所述H。
2.根据权利要求1所述的厂区用电和光伏电站发电比例的预测方法，其特征在于，定义所述光伏电站平均每日的理论发电量为W(tD)，定义所述光伏电站的装机容量为Z，定义所述平均每日的辐射量为FD，定义所述光伏电站的发电效率为η，所述光伏电站平均每日的理论发电量的计算公式如下：
W(tD)＝Z×FD×η。
3.根据权利要求2所述的厂区用电和光伏电站发电比例的预测方法，其特征在于，所述平均每日的辐射量为某个月份的平均每日的辐射量，假定所述平均每日的辐射量等于上几个年度的所述某个月份的平均每日的辐射量，定义所述上几个年度的所述某个月份的平均辐射量为Fn，n表示月份，定义所述上几个年度的所述某个月份的平均天数为Dn，所述FD的计算公式为：FD＝Fn/Dn；所述峰值功率为所述某个月份的所述光伏电站平均每日输出的最大功率。
4.根据权利要求3所述的厂区用电和光伏电站发电比例的预测方法，其特征在于，假定所述峰值功率所对应的时间点为从所述起始日照辐射时间点到所述结束日照辐射时间点的中间日照辐射时间点，定义任一时间点为t，定义所述任一时间点的所述光伏电站的输出功率为P(t)，定义所述起始日照辐射时间点、所述结束日照辐射时间点和所述中间日照辐射时间点分别为t2、t3和t0，定义所述峰值功率为an，所述光伏电站的输出功率和时间点的关系函数如下：
Figure FDA0002334370850000021
定义所述光伏电站所述某个月的平均每日的预测发电量为ψ(t)，所述ψ(t)的计算公式如下：
Figure FDA0002334370850000022
定义T为一个所述时段所对应的时间，所述W(t)的计算公式如下：
Figure FDA0002334370850000023
5.根据权利要求3所述的厂区用电和光伏电站发电比例的预测方法，其特征在于，所述计算所述厂区在一个所述时段所对应的时间内的平均用电量的步骤为：统计所述厂区的所述上几个年度的所述某个月份的实际用电量，并定义所述厂区的所述上几个年度的所述某个月份的实际用电量为Yn；统计所述厂区的所述上几个年度的所述某个月份的平均上班天数，并定义所述厂区的所述上几个年度的所述某个月份的平均上班天数为Xn，定义T为一个所述时段所对应的时间，根据如下公式计算所述H：
H＝Yn÷Xn÷24×T。
6.根据权利要求3所述的厂区用电和光伏电站发电比例的预测方法，其特征在于，所述根据所述W(t)和所述H的比较确定所述厂区的每个所述时段的理论用电量步骤是通过建立条件函数确定的：
IF[W(t)＜H，W(t)，H]；
其中，定义n0和n1分别为所述预定时间段的起始月份和结束月份，定义任一时间点为t，定义所述起始日照辐射时间点和所述结束日照辐射时间点分别为t2和t3，定义所述厂区在所述预定时间段内的所述某个月的上班天数为An，定义所述光伏电站在所述预定时间段内的所述某个月的发电天数为Bn，定义所述预定时间段内所述厂区的用电量和所述光伏电站的发电量的比例为N，所述N的计算公式如下：
Figure FDA0002334370850000031
7.根据权利要求1所述的厂区用电和光伏电站发电比例的预测方法，其特征在于，一个所述时段所对应的时间小于或等于0.5小时。
CN201710807423.8A 2017-09-08 2017-09-08 光伏电站发电和厂区用电比例的预测方法 Active CN108736510B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710807423.8A CN108736510B (zh) 2017-09-08 2017-09-08 光伏电站发电和厂区用电比例的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710807423.8A CN108736510B (zh) 2017-09-08 2017-09-08 光伏电站发电和厂区用电比例的预测方法

Publications (2)

Publication Number Publication Date
CN108736510A CN108736510A (zh) 2018-11-02
CN108736510B true CN108736510B (zh) 2020-05-12

Family

ID=63940302

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710807423.8A Active CN108736510B (zh) 2017-09-08 2017-09-08 光伏电站发电和厂区用电比例的预测方法

Country Status (1)

Country Link
CN (1) CN108736510B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110490377A (zh) * 2019-08-05 2019-11-22 江苏辉伦太阳能科技有限公司 一种光伏电站全生命周期最佳容配比的计算方法
CN111178609A (zh) * 2019-12-23 2020-05-19 国网河北省电力有限公司 一种基于归一化拟合的区域光伏月发电量预测方法
CN111367348A (zh) * 2020-03-20 2020-07-03 温岭市非普电气有限公司 电气设备电压控制方法及系统
CN111463784A (zh) * 2020-05-19 2020-07-28 中国南玻集团股份有限公司 分布式光伏电站自发自用综合电价的预测方法及相关组件
CN113570267A (zh) * 2021-08-02 2021-10-29 福州万山电力咨询有限公司 一种确定分布式光伏发电自发自用比例的方法及终端

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201340537A (zh) * 2012-03-21 2013-10-01 Ind Tech Res Inst 控制光伏裝置交流輸出的方法與交流光伏裝置
CN104318314B (zh) * 2014-09-19 2018-06-26 国家电网公司 一种基于光伏发电效率的发电量预测方法
CN104361406B (zh) * 2014-10-31 2017-11-21 许继集团有限公司 一种光伏电站可利用太阳能发电量预测方法
CN104868505B (zh) * 2015-06-03 2017-03-29 中国能源建设集团甘肃省电力设计院有限公司 大型太阳能光伏发电基地集群出力特性分析方法
CN106600459B (zh) * 2016-12-09 2020-10-23 国网安徽省电力有限公司经济技术研究院 一种用于解决光伏接入点电压偏差的优化方法

Also Published As

Publication number Publication date
CN108736510A (zh) 2018-11-02

Similar Documents

Publication Publication Date Title
CN108736510B (zh) 光伏电站发电和厂区用电比例的预测方法
Wang et al. Operational optimization and demand response of hybrid renewable energy systems
EP3425585B1 (en) Method of utility usage analysis
US9535135B2 (en) Method for calculating solar radiation amount and method for determining power to be supplied
Short et al. Voltage reduction field trials on distributions circuits
Baek et al. Resident behavior detection model for environment responsive demand response
Boßmann et al. Assessing the optimal use of electric heating systems for integrating renewable energy sources
Fischer et al. Impact of HP, CHP, PV and EVs on households' electric load profiles
JP2012043853A (ja) 太陽光発電設備の発電出力推定方法
WO2016031065A1 (ja) 消費電力推定装置、機器管理システム、消費電力推定方法及びプログラム
Kim et al. Optimal capacity of shared energy storage and photovoltaic system for cooperative residential customers
Ciupăgeanu et al. Variability assessment of renewable energy sources based on power generation recordings
Harb et al. Optimal design of energy systems in residential districts with interconnected local heating and electrical networks
JP2015056977A (ja) 機器動作解析システムおよび情報通信システム
Ulseth et al. Measured load profiles and heat use for “low energy buildings” with heat supply from district heating
US9830301B1 (en) Predictive service requirement estimation for photovoltaic arrays
Shukla et al. A neural network-based appliance scheduling methodology for smart homes and buildings with multiple power sources
Monawwar et al. Investigating demand-side management (DSM) opportunities using load profiling: The case of Qatar
CN104077206B (zh) 热水系统的温度预测方法
Shcherbakova et al. Power consumption of typical apartments of multi-storey residential buildings
Simoglou et al. Evaluation of the capacity credit of RES: The Greek case
Kim et al. On impact of randomly distributed PV systems on distribution networks
Sørnes et al. Analysis of the impact resolution has on load matching in the Norwegian context
CN114638727A (zh) 计及生产不确定性的流程工业灵活性可调鲁棒监测方法
Lokeshgupta et al. Prosumer based energy management with optimal sized renewable energy integration

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