CN109636076A - 一种分布式光伏功率预测主站系统 - Google Patents
一种分布式光伏功率预测主站系统 Download PDFInfo
- Publication number
- CN109636076A CN109636076A CN201910113840.1A CN201910113840A CN109636076A CN 109636076 A CN109636076 A CN 109636076A CN 201910113840 A CN201910113840 A CN 201910113840A CN 109636076 A CN109636076 A CN 109636076A
- Authority
- CN
- China
- Prior art keywords
- data
- subsystem
- module
- distributed photovoltaic
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000013500 data storage Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000000053 physical method Methods 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 239000004744 fabric Substances 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 12
- 241000196324 Embryophyta Species 0.000 description 11
- 230000005611 electricity Effects 0.000 description 7
- 238000010248 power generation Methods 0.000 description 7
- 238000009434 installation Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 238000010276 construction Methods 0.000 description 1
- 238000013497 data interchange Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012549 training 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
- 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)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明实施例提供一种分布式光伏功率预测主站系统，该系统包括数据采集子系统、数据存储子系统、数据处理子系统、中尺度NWP子系统和功率预测子系统。本发明实施例提供的分布式光伏功率预测主站系统，以分布式光伏电站实时运行数据和环境检测仪气象数据为基础，通过中尺度NWP子系统获取待预测区域中每个立体网格上的气象数据指标值，结合历史观测气象数据进行数据同化处理，获得精确的中尺度NWP气象数据。功率预测子系统根据中尺度NWP气象数据和分布式光伏历史数据获取分布式光伏功率预测信息，实现分布式光伏单站功率预测、区域功率的预测，提高了分布式功率预测精度，实现对分布式光伏的精细化管理。
Description
技术领域
本发明实施例涉及分布式光伏功率预测领域，尤其涉及一种分布式光伏功率预测主站系统。
背景技术
分布式光伏发电特指采用光伏组件，将太阳能直接转换为电能的分布式发电系统。它是一种新型的、具有广阔发展前景的发电和能源综合利用方式，它倡导就近发电，就近并网，就近转换，就近使用的原则，不仅能够有效提高同等规模光伏电站的发电量，同时还有效解决了电力在升压及长途运输中的损耗问题。到“2020年，风电装机达到2.1亿千瓦以上，太阳能发电装机达到1.1亿千瓦以上，分布式光伏6000万千瓦以上”，未来三年具有巨大的发展空间。随着大量的分布式项目接入电网，对于大电网来说，分布式光伏是一个不可控源，其出力的随机性造成了大电网与分布式电源的主要矛盾，随其装机占比逐年提升，开展对分布式光伏发电功率预测的研究变得十分必要。然而，相对于传统光伏电站，分布式光伏电站容量较小且数据多，同时存在历史数据收集困难、实时监测数据缺乏等问题，对单个电站的功率预测造成了困难。
现有分布式光伏电站功率预测存在电站数据质量问题和气象预报准确性问题；首先，有的电站存在逆变器等设备通信稳定性较差、丢失部分重要数据、关键数据采集不完整，气象辐照数据精确度不高，电站运管理不完善(灰尘覆盖、遮挡、逆变器故障)等一系列问题。再有，分布式光伏电站其装机容量小，光伏组件占地面积小，而且较为分散，若对单个分布式光伏电站进行预报，分布式光伏的特点要求云量预测的精度更高，进一步放大了数值天气预报的误差。
发明内容
本发明实施例提供一种分布式光伏功率预测主站系统，用以解决传统光伏电站功率预测过程中采用的气象数据不准确的缺陷，实现对分布式光伏功率的精确预测。
本发明实施例提供一种分布式光伏功率预测主站系统，该系统包括数据采集子系统、数据存储子系统、数据处理子系统、中尺度NWP子系统和功率预测子系统；
所述数据采集子系统用于采集分布式光伏电站的数据，并发送至数据存储子系统；所述数据处理子系统用于提取分布式光伏电站的数据进行处理，并将处理后的数据存入数据存储子系统；所述中尺度NWP子系统用于获取中尺度NWP气象数据，并发送至数据存储子系统；所述功率预测子系统用于根据中尺度NWP气象数据和分布式光伏历史数据建立功率预测模型，根据功率预测模型获取分布式光伏功率预测信息并发送至数据存储子系统。
本发明实施例提供的分布式光伏功率预测主站系统，以分布式光伏电站实时运行数据和环境检测仪气象数据为基础，通过中尺度NWP子系统获取待预测区域中每个立体网格上的气象数据指标值，结合历史观测气象数据进行数据同化处理，获得精确的中尺度NWP气象数据。功率预测子系统根据中尺度NWP气象数据和分布式光伏历史数据获取分布式光伏功率预测信息，实现分布式光伏单站功率预测、区域功率的预测，提高了分布式功率预测精度。该分布式光伏功率预测主站系统应用于电网，能够实现对分布式光伏的精细化管理，为电网调度调峰、中长期、现货的电力交易市场提供可靠的技术支撑。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据本发明实施例提供的分布式光伏功率预测主站系统的结构示意图；
图2为根据本发明实施例提供的数据存储子系统的结构示意图；
图3为根据本发明实施例提供的中尺度NWP子系统的结构示意图；
图4为根据本发明实施例提供的功率预测子系统的结构示意图；
图5为根据本发明实施例提供的混合预测模型的示意图；
图6为根据本发明实施例提供的统计报表子系统的结构示意图。
图中，101.数据采集子系统；102.数据存储子系统；103.数据处理子系统；104.中尺度NWP子系统；105.功率预测子系统；106.统计报表子系统；
201.预测数据库；202.实时数据库；203.历史数据预处理模块；204.历史数据库；
301.气象数据源模块；302.WRF计算模块；303.气象数据同化模块；
401.数据提取模块；402.预测建模模块；403.预测数据发送模块；404.物理模型；405.统计模块；
501.混合预测模型；
601.统计信息模块；602.报表信息模块；603.数据发送模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本发明实施例的描述中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
由于分布式光伏电站容量较小且数据多，同时存在历史数据收集困难、实时监测数据缺乏等问题，对单个电站的功率预测造成了困难。现有的分布式光伏电站功率预测方法，有的电站存在逆变器等设备通信稳定性较差、丢失部分重要数据、关键数据采集不完整，气象辐照数据精确度不高的问题。并且，分布式光伏电站装机容量小，光伏组件占地面积小且较为分散，若对单个分布式光伏电站进行预报，分布式光伏的特点要求云量预测的精度更高，进一步放大了数值天气预报的误差。
因此，本发明实施例提供一种分布式光伏功率预测主站系统，以分布式光伏电站实时运行数据和环境检测仪气象数据为基础，通过中尺度NWP(Numerical WeatherPrediction，数值天气预报)子系统获取待预测区域中每个立体网格上的气象数据指标值，结合历史观测气象数据进行数据同化处理，获得精确的中尺度NWP气象数据。功率预测子系统根据中尺度NWP气象数据和分布式光伏历史数据获取分布式光伏功率预测信息，实现分布式光伏单站功率预测、区域功率的预测，提高了分布式功率预测精度。解决了传统光伏电站功率预测方法过程中采用的数值天气预报误差较大导致光伏电站功率预测精度较低的技术问题。
图1为根据本发明实施例提供的分布式光伏功率预测主站系统的结构示意图，参照图1，该系统包括数据采集子系统101、数据存储子系统102、数据处理子系统103、中尺度NWP子系统104和功率预测子系统105。其中，分布式光伏是指容量小于6MW的光伏电站。NWP(Numerical Weather Prediction，数值天气预报)是指根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。中尺度气象系统是指水平尺度2～2000km，时间尺度几十分钟至几天之间的天气事件与天气系统。
数据采集子系统101用于采集分布式光伏电站的数据，并发送至数据存储子系统102。数据处理子系统103用于提取分布式光伏电站的数据进行处理，处理过程包括对分布式光伏电站的数据进行质量校验。数据处理完成后将处理后的数据存入数据存储子系统102。本实施例中，分布式光伏电站的数据包括分布式光伏电站实时运行数据和环境检测仪气象数据。
进一步地，中尺度NWP子系统104用于获取中尺度NWP气象数据，并发送至数据存储子系统102。考虑到分布式光伏容量小、数量多且分散的特点，利用中尺度NWP子系统104获取待预测区域3×3km网格化数据，再结合历史观测气象数据进行数据同化处理，进而得到待预测区域全部分布式光伏的精确气象预测数据。其中，待预测区域是指本发明实施例分布式光伏功率预测的研究区域。
进一步地，功率预测子系统105用于根据中尺度NWP气象数据和分布式光伏历史数据建立功率预测模型，根据功率预测模型获取分布式光伏功率预测信息并发送至数据存储子系统102。本实施例中，分布式光伏历史数据是指经过数据处理子系统103处理后存入数据存储子系统102的历史数据库中的数据。本实施例将分布式光伏电站实时运行数据和环境检测仪气象数据通过数据处理子系统103进行质量校验之后，应用于功率预测子系统105，提高了分布式光伏功率预测的精度。
本发明实施例提供的分布式光伏功率预测主站系统，以分布式光伏电站实时运行数据和环境检测仪气象数据为基础，通过中尺度NWP子系统获取待预测区域中每个立体网格上的气象数据指标值，结合历史观测气象数据进行数据同化处理，获得精确的中尺度NWP气象数据。功率预测子系统根据中尺度NWP气象数据和分布式光伏历史数据获取分布式光伏功率预测信息，实现分布式光伏单站功率预测、区域功率的预测，提高了分布式功率预测精度。该分布式光伏功率预测主站系统应用于电网，能够实现对分布式光伏的精细化管理，为电网调度调峰、中长期、现货的电力交易市场提供可靠的技术支撑。
在上述实施例的基础上，参照图1，分布式光伏功率预测主站系统还包括统计报表子系统106，统计报表子系统106用于对分布式光伏功率预测信息、实际功率信息、预测气象信息以及实际气象信息进行数据统计，并将统计的数据发送至省级电网平台。
具体地，统计报表子系统106设有数据接口能够接收/发送省级电网数据。数据接口包括RS485接口、RS232接口、RS422接口、串行接口。本实施例通过设置统计报表子系统106与省级电网平台进行数据互通，能够将分布式光伏功率统计数据、气象统计数据发送至省级电网平台，实现分布式光伏的精细化管理。
在上述各实施例的基础上，数据采集子系统101包括数据通信采集模块和数据发送模块；数据通信采集模块用于采集分布式光伏电站实时运行数据和环境检测仪气象数据；所述数据发送模块将采集到的数据发送给数据存储子系统102。
具体地，分布式光伏电站实时运行数据包括三相电流、电压、有功功率和无功功率。分布式光伏电站的有功功率由电表发送，用于分布式功率预测模型建立。所述环境检测仪气象数据包括总辐照度、直辐照度、散辐照度、温度、湿度、风速、风向和大气压强。
在上述各实施例的基础上，数据处理子系统103包括数据质量校验模块、数据处理模块和数据统计模块；
数据质量校验模块用于提取分布式光伏电站的数据进行校验，并根据校验结果对数据按照正确、缺失、越限、死数四类进行标记。具体的，数据质量校验模块对分布式光伏电站实时运行数据和环境检测仪气象数据进行完整性校验和合理性校验，根据校验结果对上述分布式光伏电站实时运行数据和环境检测仪气象数据按照正确、缺失、越限、死数四类进行标记。其中，数据缺失是指对应时刻数据为空。
数据处理模块用于对缺失、越限、死数三类数据进行处理后存入数据库。数据统计模块用于统计分布式光伏电站的数据的缺失率、越限率、死数率、正确率。具体地数据统计模块根据校验结果对分布式光伏电站的数据的缺失率、越限率、死数率、正确率进行统计。
图2为根据本发明实施例提供的数据存储子系统的结构示意图，参照图2，所述数据存储子系统102包括预测数据库201、实时数据库202、历史数据预处理模块203和历史数据库204。
具体地，参照图1和图2，预测数据库201接收中尺度NWP气象数据和系统模型预测数据。其中，中尺度NWP气象数据是由中尺度NWP子系统104发送到数据存储子系统102的预测数据库201中，系统模型预测数据是由功率预测子系统105发送到数据存储子系统102的预测数据库201中。实时数据库202接收分布式光伏电站实时运行数据和环境检测仪气象数据。历史数据预处理模块203用于接收数据处理子系统103处理后的数据并存入历史数据库204。
图3为根据本发明实施例提供的中尺度NWP子系统的结构示意图，如图3所示，中尺度NWP子系统包括气象数据源模块301、WRF模式计算模块302和气象数据同化模块303。
具体地，参照图3，气象数据源模块301获取各类气象数据源对应的天气数据，以及待预测区域的历史观测气象数据。气象数据源模块301还获取待预测区域的地形资料。本实施例中，气象数据源可以包括EC欧洲中期天气预报中心、GFS美国国家海洋和大气管理局以及JMA日本气象厅。
WRF计算模块302用于整合上述气象数据源对应的天气数据，并通过计算和推演获得待预测区域中每个立体网格上的气象数据指标值。具体地，数值天气预报(NWP)根据水平尺度的不同分为大尺度(水平尺度大于2000km)、中尺度(水平尺度2-2000km)和小尺度(水平尺度小于2km)，本发明实施例采用水平尺度为3×3km网格化气象数据。WRF计算模块302通过数值计算的方式求解描写天气演变过程的流体力学和热力学的方程组，计算出待预测区域中每个3×3km立体网格上的各种气象要素的数据指标值。
进一步地，气象数据同化模块303根据历史观测气象数据和待预测区域中每个立体网格上的气象数据指标值，获取中尺度NWP气象数据。本实施例通过获取待预测区域中每个立体网格上的气象数据指标值，结合历史观测气象数据进行数据同化处理，获得精确的中尺度NWP气象数据。提高了分布式功率预测精度。
图4根据本发明实施例提供的功率预测子系统的结构示意图，参照图1和图4，功率预测子系统105包括数据提取模块401、预测建模模块402和预测数据发送模块403。
数据提取模块401提取数据存储子系统102存储的数据，具体的，数据提取模块提取数据存储子系统102中的分布式光伏历史数据、中尺度NWP气象数据和分布式光伏实时数据。
进一步的，预测建模模块402根据中尺度NWP气象数据和分布式光伏历史数据建立功率预测模型，根据功率预测模型获取分布式光伏功率预测信息。预测建模模块402还根据分布式光伏历史数据进行功率预测模型训练修订。预测数据发送模块403将分布式光伏功率预测信息发送给数据存储子系统102。
需要说明的是，传统光伏发电的预测方法根据所建立的预测模型不同采用物理方法或统计方法。物理方法是考虑地形变化、地貌粗糙度等信息，采用物理方程进行预测。物理方法不需大量的实测数据，但需要对大气的物理特性和风电场特性有非常准确的数学模拟，这些方程求解困难大，预测系统计算量大计算时间较长，对计算服务器配置要求高。统计方法不需要求解物理方程，计算量小计算速度快，统计方法的缺点是需要大量积累的有用的历史数据。而本发明实施例中，预测建模模块结合物理方法和统计方法，建立分布式光伏的混合预测模型。图5为根据本发明实施例提供的混合预测模型的示意图。参照图4和图5，混合预测模型501结合物理模型404和统计模型405，对分布式光伏功率进行预测。具体地，对于缺乏历史运行数据的光伏电站采用物理方法进行功率预测，对历史运行数据充足的光伏电站采用统计方法进行功率预测。本发明实施例结合物理方法和统计方法对分布式光伏功率进行预测，既可以保留物理方法中无需大量历史运行数据的优点，又可以提高模型的抗干扰能力。提高了分布式光伏功率预测精度。
图6为根据本发明实施例提供的统计报表子系统的结构示意图，统计报表子系统包括统计信息模块601、报表信息模块602和数据发送模块603。
具体地，参照图6，统计信息模块601采集分布式光伏功率预测信息、实际功率信息、预测气象信息以及实际气象信息进行数据统计。报表信息模块602用于保存统计信息模块统计的分布式光伏功率统计数据和气象统计数据。分布式光伏功率统计数据包括分布式光伏功率预测信息和环境检测仪测量的实际功率信息。气象统计数据包括预测气象信息和实际气象信息。数据发送模块603将上述分布式光伏功率统计数据、气象统计数据发送至省级电网平台。
本发明实施例提供的分布式光伏功率预测主站系统，以分布式光伏电站实时运行数据和环境检测仪气象数据为基础，通过中尺度NWP子系统获取待预测区域中每个立体网格上的气象数据指标值，结合历史观测气象数据进行数据同化处理，获得精确的中尺度NWP气象数据。功率预测子系统根据中尺度NWP气象数据和分布式光伏历史数据获取分布式光伏功率预测信息，实现分布式光伏单站功率预测、区域功率的预测，提高了分布式功率预测精度。该分布式光伏功率预测主站系统应用于电网，能够实现对分布式光伏的精细化管理，为电网调度调峰、中长期、现货的电力交易市场提供可靠的技术支撑。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种分布式光伏功率预测主站系统，其特征在于，包括数据采集子系统、数据存储子系统、数据处理子系统、中尺度NWP子系统和功率预测子系统；
所述数据采集子系统用于采集分布式光伏电站的数据，并发送至数据存储子系统；所述数据处理子系统用于提取分布式光伏电站的数据进行处理，并将处理后的数据存入数据存储子系统；
所述中尺度NWP子系统用于获取待预测区域中每个立体网格上的气象数据指标值，结合历史观测气象数据进行数据同化处理，获得中尺度NWP气象数据，并发送至数据存储子系统；所述功率预测子系统用于根据中尺度NWP气象数据和分布式光伏历史数据建立功率预测模型，根据功率预测模型获取分布式光伏功率预测信息并发送至数据存储子系统。
2.根据权利要求1所述的分布式光伏功率预测主站系统，其特征在于，所述分布式光伏功率预测主站系统还包括统计报表子系统，所述统计报表子系统用于对分布式光伏功率预测信息、实际功率信息、预测气象信息以及实际气象信息进行数据统计，并将统计的数据发送至省级电网平台。
3.根据权利要求1所述的分布式光伏功率预测主站系统，其特征在于，所述数据采集子系统包括数据通信采集模块和数据发送模块；所述数据通信采集模块用于采集分布式光伏电站实时运行数据和环境检测仪气象数据；所述数据发送模块将采集到的数据发送给数据存储子系统。
4.根据权利要求1所述的分布式光伏功率预测主站系统，其特征在于，所述数据处理子系统包括数据质量校验模块、数据处理模块和数据统计模块；
所述数据质量校验模块用于提取分布式光伏电站的数据进行校验，并根据校验结果对数据按照正确、缺失、越限、死数四类进行标记；其中，所述分布式光伏电站的数据包括分布式光伏电站实时运行数据和环境检测仪气象数据；
所述数据处理模块用于对缺失、越限、死数三类数据进行处理后存入数据库；数据统计模块用于统计分布式光伏电站的数据的缺失率、越限率、死数率、正确率。
5.根据权利要求1所述的分布式光伏功率预测主站系统，其特征在于，所述数据存储子系统包括预测数据库、实时数据库、历史数据预处理模块和历史数据库；
所述预测数据库用于接收中尺度NWP气象数据和系统模型预测数据；所述实时数据库接收分布式光伏电站实时运行数据和环境检测仪气象数据；
所述历史数据预处理模块用于接收数据处理子系统处理后的数据并存入历史数据库。
6.根据权利要求1所述的分布式光伏功率预测主站系统，其特征在于，中尺度NWP子系统包括：气象数据源模块、WRF模式计算模块和气象数据同化模块；
所述气象数据源模块用于获取各类气象数据源对应的天气数据，以及待预测区域的历史观测气象数据；所述WRF计算模块用于整合所述天气数据，通过计算和推演获得待预测区域中每个立体网格上的气象数据指标值；气象数据同化模块用于根据历史观测气象数据和待预测区域中每个立体网格上的气象数据指标值，获取中尺度NWP气象数据。
7.根据权利要求1所述的分布式光伏功率预测主站系统，其特征在于，所述功率预测子系统包括数据提取模块、预测建模模块和预测数据发送模块；
所述数据提取模块用于提取数据存储子系统存储的数据，所述预测建模模块用于根据中尺度NWP气象数据和分布式光伏历史数据建立功率预测模型，根据功率预测模型获取分布式光伏功率预测信息；所述预测数据发送模块用于将分布式光伏功率预测信息发送给数据存储子系统。
8.根据权利要求7所述的分布式光伏功率预测主站系统，其特征在于，所述预测建模模块具体用于：
结合物理方法和统计方法，建立分布式光伏的混合预测模型；对缺乏历史运行数据的光伏电站采用物理方法进行功率预测，对历史运行数据充足的光伏电站采用统计方法进行功率预测。
9.根据权利要求2所述的分布式光伏功率预测主站系统，其特征在于，所述统计报表子系统包括统计信息模块、报表信息模块和数据发送模块；
所述统计信息模块用于对分布式光伏功率预测信息、实际功率信息、预测气象信息以及实际气象信息进行数据统计；所述报表信息模块用于保存分布式光伏功率统计数据和气象统计数据；所述数据发送模块用于将分布式光伏功率统计数据和气象统计数据发送至省级电网平台。
10.根据权利要求3所述的分布式光伏功率预测主站系统，其特征在于，所述分布式光伏电站实时运行数据包括三相电流、电压、有功功率和无功功率；所述环境检测仪气象数据包括总辐照度、直辐照度、散辐照度、温度、湿度、风速、风向和大气压强。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910113840.1A CN109636076A (zh) | 2019-02-14 | 2019-02-14 | 一种分布式光伏功率预测主站系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910113840.1A CN109636076A (zh) | 2019-02-14 | 2019-02-14 | 一种分布式光伏功率预测主站系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109636076A true CN109636076A (zh) | 2019-04-16 |
Family
ID=66065227
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910113840.1A Pending CN109636076A (zh) | 2019-02-14 | 2019-02-14 | 一种分布式光伏功率预测主站系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109636076A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110416996A (zh) * | 2019-05-16 | 2019-11-05 | 国网山东省电力公司济南供电公司 | 一种基于云平台的分布式光伏集群功率预测系统 |
| CN111024892A (zh) * | 2019-11-25 | 2020-04-17 | 国网上海市电力公司 | 一种智能电力井盖气体监测装置的检验方法 |
| CN112446554A (zh) * | 2020-12-18 | 2021-03-05 | 阳光电源股份有限公司 | 功率预测模型建立方法、功率预测方法及装置 |
| US11105958B2 (en) * | 2018-12-28 | 2021-08-31 | Utopus Insights, Inc. | Systems and methods for distributed-solar power forecasting using parameter regularization |
| CN114626604A (zh) * | 2022-03-11 | 2022-06-14 | 国网江苏省电力有限公司电力科学研究院 | 一种基于基准站感知的分布式光伏观测方法及系统 |
| CN115759483A (zh) * | 2023-01-06 | 2023-03-07 | 国能日新科技股份有限公司 | 光伏电场太阳辐照度预测方法、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001325497A (ja) * | 2000-05-17 | 2001-11-22 | Nec Corp | 情報システム、医療情報システム、医療情報の交換方法、記録媒体 |
| CN103778331A (zh) * | 2014-01-16 | 2014-05-07 | 河北省电力勘测设计研究院 | 一种建筑光伏系统中太阳能资源的计算方法 |
| CN103996087A (zh) * | 2014-06-09 | 2014-08-20 | 北京东润环能科技股份有限公司 | 一种新能源发电功率预测方法及系统 |
| CN106228278A (zh) * | 2016-08-19 | 2016-12-14 | 长园深瑞继保自动化有限公司 | 光伏功率预测系统 |
| CN106779154A (zh) * | 2016-11-22 | 2017-05-31 | 浙江工业大学 | 基于卫星云图的区域分布式光伏出力预测方法 |
| CN108664500A (zh) * | 2017-03-30 | 2018-10-16 | 中国电力科学研究院 | 一种面向分布式光伏的网格化管理方法及系统 |
| CN109299821A (zh) * | 2018-09-21 | 2019-02-01 | 华北电力大学（保定） | 一种分布式光伏发电预测平台及方法 |
-
2019
- 2019-02-14 CN CN201910113840.1A patent/CN109636076A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001325497A (ja) * | 2000-05-17 | 2001-11-22 | Nec Corp | 情報システム、医療情報システム、医療情報の交換方法、記録媒体 |
| CN103778331A (zh) * | 2014-01-16 | 2014-05-07 | 河北省电力勘测设计研究院 | 一种建筑光伏系统中太阳能资源的计算方法 |
| CN103996087A (zh) * | 2014-06-09 | 2014-08-20 | 北京东润环能科技股份有限公司 | 一种新能源发电功率预测方法及系统 |
| CN106228278A (zh) * | 2016-08-19 | 2016-12-14 | 长园深瑞继保自动化有限公司 | 光伏功率预测系统 |
| CN106779154A (zh) * | 2016-11-22 | 2017-05-31 | 浙江工业大学 | 基于卫星云图的区域分布式光伏出力预测方法 |
| CN108664500A (zh) * | 2017-03-30 | 2018-10-16 | 中国电力科学研究院 | 一种面向分布式光伏的网格化管理方法及系统 |
| CN109299821A (zh) * | 2018-09-21 | 2019-02-01 | 华北电力大学（保定） | 一种分布式光伏发电预测平台及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李致家: "《现代水文模拟与预报技术》", 31 October 2010 * |
| 郑海兴: "数据治理在分布式光伏管理中的应用探讨", 《中国高新区》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11105958B2 (en) * | 2018-12-28 | 2021-08-31 | Utopus Insights, Inc. | Systems and methods for distributed-solar power forecasting using parameter regularization |
| US11689154B2 (en) | 2018-12-28 | 2023-06-27 | Utopus Insights, Inc. | Systems and methods for distributed-solar power forecasting using parameter regularization |
| CN110416996A (zh) * | 2019-05-16 | 2019-11-05 | 国网山东省电力公司济南供电公司 | 一种基于云平台的分布式光伏集群功率预测系统 |
| CN111024892A (zh) * | 2019-11-25 | 2020-04-17 | 国网上海市电力公司 | 一种智能电力井盖气体监测装置的检验方法 |
| CN112446554A (zh) * | 2020-12-18 | 2021-03-05 | 阳光电源股份有限公司 | 功率预测模型建立方法、功率预测方法及装置 |
| CN112446554B (zh) * | 2020-12-18 | 2024-05-14 | 阳光电源股份有限公司 | 功率预测模型建立方法、功率预测方法及装置 |
| CN114626604A (zh) * | 2022-03-11 | 2022-06-14 | 国网江苏省电力有限公司电力科学研究院 | 一种基于基准站感知的分布式光伏观测方法及系统 |
| CN114626604B (zh) * | 2022-03-11 | 2024-07-12 | 国网江苏省电力有限公司电力科学研究院 | 一种基于基准站感知的分布式光伏观测方法及系统 |
| CN115759483A (zh) * | 2023-01-06 | 2023-03-07 | 国能日新科技股份有限公司 | 光伏电场太阳辐照度预测方法、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109636076A (zh) | 一种分布式光伏功率预测主站系统 | |
| US20220275788A1 (en) | Forecasting output power of wind turbine in wind farm | |
| CN102570453B (zh) | 基于多套数值天气预报源的短期风电功率预测方法及系统 | |
| CN104699936B (zh) | 基于计算流体力学短期风速预测的风电场扇区管理方法 | |
| CN102005760B (zh) | 一种通用风电功率短期预报方法 | |
| CN201413997Y (zh) | 风电功率预测系统 | |
| CN102254239A (zh) | 基于微地形风场分布及台风叠加效应的电网风灾预警系统 | |
| CN109978242A (zh) | 基于统计升尺度的光伏发电集群功率预测方法及装置 | |
| CN112329977A (zh) | 一种面向极端场景的风电功率预测系统 | |
| CN105160060A (zh) | 一种基于实际功率曲线拟合的风电场理论功率确定方法 | |
| CN101794996A (zh) | 风电场出力实时预测方法 | |
| CN104978608A (zh) | 一种风电功率预测装置及预测方法 | |
| CN105825002B (zh) | 一种基于动态灰关联分析法的风电场动态等值建模方法 | |
| KR20140021179A (ko) | 일사량 예측 방법 및 장치 | |
| CN107422180A (zh) | 一种基于云监控的光伏电站的功率预测系统 | |
| CN117595384B (zh) | 基于人工智能的光伏电站源网荷双向预测方法及系统 | |
| CN110416996A (zh) | 一种基于云平台的分布式光伏集群功率预测系统 | |
| CN201865847U (zh) | 风力、太阳能发电系统 | |
| CN105046349A (zh) | 一种计及尾流效应的风电功率预测方法 | |
| CN104008284A (zh) | 测风塔在数值天气预报中的校正方法 | |
| KR20190131808A (ko) | 태양광 발전기의 발전량 예측 장치 및 방법 | |
| CN104361528A (zh) | 一种不同海拔高度架空输电线路覆冰厚度计算方法 | |
| CN111815106A (zh) | 一种基于多源信息的电网应急方法 | |
| CN114626604A (zh) | 一种基于基准站感知的分布式光伏观测方法及系统 | |
| CN112231979B (zh) | 基于计算流体力学和机器学习的山区瞬时风况预报方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |