CN110598335A - 一种超短期光伏功率预测的辐照修正方法 - Google Patents
一种超短期光伏功率预测的辐照修正方法 Download PDFInfo
- Publication number
- CN110598335A CN110598335A CN201910876165.8A CN201910876165A CN110598335A CN 110598335 A CN110598335 A CN 110598335A CN 201910876165 A CN201910876165 A CN 201910876165A CN 110598335 A CN110598335 A CN 110598335A
- Authority
- CN
- China
- Prior art keywords
- state
- prediction
- calculation model
- irradiation
- intermediate variable
- 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
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
Abstract
本申请提供了一种超短期光伏功率预测的辐照修正方法,根据当前天气状态,确定用于超短期光伏功率预测的辐照参数的计算模型;之后,根据当日过去预设时间范围内辐照参数的预测数据和实测数据,计算得到当日过去预设时间范围内该计算模型中间变量的预测偏差,以及根据下一时刻辐照参数的预测值,通过该计算模型,计算得到下一时刻该计算模型中间变量的预测值;再之后,根据当日过去预设时间范围内该计算模型中间变量的预测偏差和下一时刻该计算模型中间变量的预测值,计算得到下一时刻该计算模型中间变量的修正值;最后将下一时刻该计算模型中间变量的修正值代入该计算公式,计算得到辐照参数的修正值,从而实现对超短期光伏功率预测中辐照的修正。
Description
技术领域
本发明涉及光伏发电技术领域,特别是涉及一种超短期光伏功率预测的辐照修正方法。
背景技术
随光伏行业的快速发展,光伏并网所带来的电力系统的运行调度问题日益加重。为了能够在一定程度上解决此问题,需要电力系统运行调度方和新能源侧均进行技术改进。
考虑到在光伏电站的运行中,较为关注的是短期或超短期光伏功率预测,因此,新能源侧的技术改进主要是提高短期或超短期光伏功率预测的准确度。目前,现有技术中大多数可提高光伏功率预测准确度的优化方法,都是针对光伏发电功率预测的预测模型进行优化,却忽略了对预测模型输入源参数的优化。
因此,目前亟需一种针对预测模型输入源参数进行优化的方法。
发明内容
有鉴于此,本发明实施例提供了一种超短期光伏功率预测的辐照修正方法,解决现有技术中缺少针对预测模型输入源参数的优化方法的问题。
为实现上述目的,本发明实施例提供如下技术方案:
本申请提供一种超短期光伏功率预测的辐照修正方法,包括:
根据当前天气状态,确定用于进行超短期光伏功率预测的辐照参数的计算模型;
根据当日过去预设时间范围内所述辐照参数的预测数据和实测数据,计算得到当日过去预设时间范围内所述计算模型中间变量的预测偏差;
根据下一时刻所述辐照参数的预测值,通过所述计算模型,计算得到下一时刻所述计算模型中间变量的预测值;
根据当日过去预设时间范围内所述计算模型中间变量的预测偏差和下一时刻所述计算模型中间变量的预测值,计算得到下一时刻所述计算模型中间变量的修正值;
将下一时刻所述计算模型中间变量的修正值,代入所述计算模型,计算得到下一时刻所述辐照参数的修正值。
可选的,所述辐照参数为斜面总辐射或者水平面总辐射。
可选的,若所述辐照参数为水平面总辐射,则根据当前天气状态,确定用于进行超短期光伏功率预测的辐照参数的计算模型,包括:
判断当前天气状态是否为有云层覆盖状态;
若当前天气状态为晴空状态,则以第一水平面直接辐射函数作为所述计算模型;
若当前天气状态为有云层覆盖状态,则以第二水平面直接辐射函数和水平面散射辐射函数的和作为所述计算模型。
可选的,判断当前天气状态是否为有云层覆盖状态,包括:
判断当前云量是否大于阈值;
若当前云量大于所述阈值,则判定当前天气状态为有云层覆盖状态;
若当前云量小于等于所述阈值,则判定当前天气状态为晴空状态。
可选的,所述第一水平面直接辐射函数的计算公式为:
所述第二水平面直接辐射函数的计算公式为:
所述水平面散射辐射函数的计算公式为:
其中,S1为第一水平面直接辐射;S0为太阳常数;h为太阳高度;f为大气透明状况参数;S2为第二水平面直接辐射;c为大气透明度;D为水平面散射辐射;Pm为大气透明系数。
可选的,若当前天气状态为晴空状态,则所述计算模型中间变量为f;
若当前天气状态为有云层覆盖状态,则所述计算模型中间变量为c和Pm。
可选的,根据当日过去预设时间范围内所述辐照参数的预测数据和实测数据,计算得到当日过去预设时间范围内所述计算模型中间变量的预测偏差,包括:
根据当日过去预设时间范围内所述辐照参数的预测数据,计算得到当日过去预设时间范围内所述计算模型在预测状态下的中间变量平均值;
根据当日过去预设时间范围内所述辐照参数的实测数据,计算得到当日过去预设时间范围内所述计算模型在实测状态下的中间变量平均值;
根据当日过去预设时间范围内在所述预测状态和所述实测状态下的两个中间变量平均值,计算得到所述计算模型中间变量的预测偏差。
可选的,若当前天气状态为晴空状态,则所述计算模型在所述预测状态和所述实测状态下的中间变量平均值,均为:第一水平面直接辐射函数的中间变量平均值;
若当前天气状态为云层覆盖状态,则所述计算模型在所述预测状态和所述实测状态下的中间变量平均值,均包括:第二水平面直接辐射函数的中间变量平均值,和,水平面散射辐射函数的中间变量平均值。
可选的,所述计算模型中间变量的预测偏差为:在所述实测状态下的中间变量平均值,减去在所述预测状态下的中间变量平均值,所得到的差值。
可选的,下一时刻所述计算模型中间变量的修正值为:当日过去预设时间范围内所述计算模型中间变量的预测偏差,与下一时刻所述计算模型中间变量的预测值的和。
由上述技术方案可知,本申请提供了一种超短期光伏功率预测的辐照修正方法,根据当前天气状态,确定用于超短期光伏功率预测的辐照参数的计算模型;之后,根据当日过去预设时间范围内辐照参数的预测数据和实测数据,计算得到当日过去预设时间范围内该计算模型中间变量的预测偏差,以及根据下一时刻辐照参数的预测值,通过该计算模型,计算得到下一时刻该计算模型中间变量的预测值;再之后,根据当日过去预设时间范围内该计算模型中间变量的预测偏差和下一时刻该计算模型中间变量的预测值,计算得到下一时刻该计算模型中间变量的修正值;最后将下一时刻该计算模型中间变量的修正值代入该计算公式,计算得到辐照参数的修正值,从而实现对超短期光伏功率预测中辐照的修正,而辐照参数作为超短期光伏功率预测的一个输入源参数,对其进行修正,即可对超短期光伏功率预测输入源参数进行优化。
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描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的超短期光伏功率预测的辐照修正方法的流程示意图;
图2为本申请另一实施例提供的超短期光伏功率预测的辐照修正方法的流程示意图;
图3为本申请另一实施例提供的超短期光伏功率预测的辐照修正方法的流程示意图;
图4为本申请另一实施例提供的步骤S200的一种具体实施方式的流程示意图;
图5为本申请另一实施例提供的步骤S200的另一种具体实施方式的流程示意图;
图6为本申请另一实施例提供的步骤S200的再一种具体实施方式的流程示意图。
具体实施方式
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,所描述的实施例仅仅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做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。
在本申请中,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。
目前,光伏行业蓬勃发展,光伏装机容量不断增加,使生态环境得到改善。但是伴随着越来越多的光伏机组实现并网,电力系统的运行调度问题逐渐显现。
传统电力系统的运行调度主要根据发电量预测制定发电计划;而光伏发电受环境影响较大,比如光伏板接收的瞬时辐照,或者光伏机组所处的环境温度等,其发电功率具有随机和不确定属性,使光伏功率的预测难度增大,进而对电力系统的运行调度造成影响。尤其在电力系统缺乏调峰电源时,调度人员很难实现对光伏能源的实时出力调度。
为了改善电力系统的运行调度问题,电力系统运行调度方和新能源侧均进行技术改进。电力系统运行调度方优化自身的调度方式,使自身的调度方式更加合理;新能源侧提高光伏功率的预测准确度,为电力系统运行调度方提供更加准确的数据,使电力系统运行调度方制定的发电规划更加准确。并且,光伏功率的预测准确度的提高,也是提高综合能源服务的必要条件,光伏功率的预测准确度越高,综合能源服务的规划准确度越高。
近期,为了对新能源侧提高光伏功率的预测准确度进行有效管理,西北电监局规定:日功率预测偏差小于等于20%,超短期功率预测偏差小于等于25%,超出规定预测偏差范围,将面临扣分和罚款。
其中,按时间尺度对光伏功率预测进行分类,具体分为:时间尺度为24至72小时以上的中长期光伏功率预测,其主要用于光资源评估、新建光伏电站规划等;时间尺度为0至24小时的短期光伏功率预测,其主要用于调度计划的制定;0至4小时的超短期光伏功率预测,其主要用于提供光伏发电瞬变信息。由此可知,短期光伏功率预测或超短期光伏功率预测在光伏电站的运行中具有不同程度的参考意义。
在短期光伏功率预测或超短期光伏功率预测中,通常利用光伏电站的实测辐照等其他气象要素与光伏功率建立预测模型,再使用数值天气预报获取的预测辐照和其它气象要素,代入预测模型以预测未来时刻的光伏功率。其中,目前常用的预测模型可以分为三类,具体为:物理模型;基于数据驱动的预测模型;基于前两者融合的预测模型。
目前,现有技术中,针对短期光伏功率预测或超短期光伏功率预测的优化,大多是对短期光伏功率预测或超短期光伏功率预测的预测模型进行优化。从本质上讲,对短期光伏功率预测或超短期光伏功率预测的输入源参数进行优化,也可以提高短期光伏功率预测或超短期光伏功率预测的预测准确度,但是现有技术缺少针对短期光伏功率预测输入源参数或超短期光伏功率预测输入源参数的优化方法。
又考虑到影响光伏功率的关键因素是辐照,因此本申请提供一种超短期光伏功率预测的辐照修正方法,具体流程如图1所示,包括如下步骤:
S100、根据当前天气状态,确定用于进行超短期光伏功率预测的辐照参数的计算模型。
其中,当前天气状态分为晴空状态和有云层覆盖状态,当天气状态为晴空状态时,太阳辐照中散射所占比例较小,可以忽略不计,即此时太阳辐照可以看作由直射辐照构成;当天气状态为有云层覆盖时,太阳辐照中散射所占比例不可以忽略,即此时太阳辐照看作由直射辐照和散射辐照构成。
需要说明的是,由于当前天气状态处于不同的状态时,太阳辐照的构成不同,所以,用于进行超短期光伏功率预测的辐照参数的计算模型也不相同,因此需要根据当前天气状态,确定用于进行超短期光伏功率预测的辐照参数的计算模型。
可选的,辐照参数可以为斜面总辐射,也可以为水平面总辐射,此处不做具体限定,可视实际情况而定,均在本申请的保护范围内;另外,由于斜面总辐射可以通过实际测量获得,也可以利用光伏电池板的实际倾角和辐射的物理模型公式,由水平面总辐射换算得到,并且考虑到数值天气预报中,预测辐照多为水平面辐照,因此,优选辐照参数为水平面总辐射。
S200、根据当日过去预设时间范围内辐照参数的预测数据和实测数据,计算得到当日过去预设时间范围内计算模型中间变量的预测偏差。
其中,预设时间范围是根据超短期光伏功率预测的实际情况,预先设定的时间范围;若预设时间范围设定的合理,则计算得到的计算模型中间变量的预测偏差度越接近真实情况,可以避免误差的干扰,从而对超短期光伏功率预测的辐照修正更加准确。
而且,过去预设时间范围内辐照参数的预测数据可以从超短期光伏预测过程中获取,而过去预设时间范围内辐照参数的实测数据可以从光伏功率实测数据库中获取。
另外,计算模型的中间变量是在时序上具有延续性的参数,可以是表征大气透明程度的参数,也可以是表征天空状态的其他参数,此处不做具体限定,可视实际情况而定,均在本申请的保护范围内。
需要说明的是,由于计算模型的中间变量是在时序上具有延续性的参数,所以计算得到的当日过去预设时间范围内计算模型中间变量的预测偏差,近似等于下一时刻计算模型中间变量的预测偏差。
S300、根据下一时刻辐照参数的预测值,通过计算模型,计算得到下一时刻计算模型中间变量的预测值。
其中,下一时刻可以超短期光伏预测的预测时间范围内的任意时刻;并且,下一时刻辐照参数的预测值可以从超短期光伏预测的过程中获得。
S400、根据当日过去预设时间范围内计算模型中间变量的预测偏差和下一时刻计算模型中间变量的预测值,计算得到下一时刻计算模型中间变量的修正值。
需要说明的是,由于计算得到的当日过去预设时间范围内计算模型中间变量的预测偏差,近似等于下一时刻计算模型中间变量的预测偏差,所以可以根据当日过去预设时间范围内计算模型中间变量的预测偏差和下一时刻计算模型中间变量的预测值,计算得到下一时刻计算模型中间变量的修正值。
S500、将下一时刻计算模型中间变量的修正值,代入计算模型,计算得到下一时刻辐照参数的修正值。
由上述说明可知,本申请提供了一种超短期光伏功率预测的辐照修正方法,根据当前天气状态,确定用于超短期光伏功率预测的辐照参数的计算模型;之后,根据当日过去预设时间范围内辐照参数的预测数据和实测数据,计算得到当日过去预设时间范围内该计算模型中间变量的预测偏差,以及根据下一时刻辐照参数的预测值,通过该计算模型,计算得到下一时刻该计算模型中间变量的预测值;再之后,根据当日过去预设时间范围内该计算模型中间变量的预测偏差和下一时刻该计算模型中间变量的预测值,计算得到下一时刻该计算模型中间变量的修正值;最后将下一时刻该计算模型中间变量的修正值代入该计算公式,计算得到辐照参数的修正值,从而实现对超短期光伏功率预测中辐照的修正,而辐照参数作为超短期光伏功率预测的一个输入源参数,对其进行修正,即可对超短期光伏功率预测输入源参数进行优化。
值得说明的是,本申请提供的超短期光伏功率预测的辐照修正方法,通过对超短期光伏功率预测中辐照的修正,即通过对超短期光伏功率预测输入源参数进行优化,使得超短期光伏功率预测的准确度提高,可以在一定程度上改善电力系统的运行调度问题。
目前,现有技术中有一种光伏电站辐照度预测值修正方法,其利用历史相似日期同时刻的实测辐照度平均值与当前时刻辐照度的预测值进行加权计算,以修正当前时刻的辐照度预测值,使预测辐照度近似于实测辐照度的数据分布,进而提高辐照度的预测准确度。
但是,现有技术中的光伏电站辐照度预测值修正方法,是根据历史相似日期同时刻的实测辐照度的平均值对当前时刻辐照度的预测值进行修正,需要一天完整的辐照度数据,因此更加适用于短期光伏预测的修正,而不适用于超短期光伏预测的修正;而本申请提供的超短期光伏功率预测的辐照修正方法,根据当日过去预设时间范围内辐照参数的预测数据和实测数据,对下一时刻辐照参数的预测值进行修正,需要当日过去预设时间范围内的辐照参数数据,因此适用于超短期光伏功率预测,而不适用于短期光伏功率预测。
本申请另一实施例,在上述实施例的基础上,若辐照参数为水平面总辐射,则提供步骤S100的一种具体实施方式,其流程如图2所示,具体包括如下步骤:
S110、判断当前天气状态是否为有云层覆盖状态。
在实际应用中,判断天气状态是否为有云层覆盖状态的标准为:判断当前云量是否大于阈值,即步骤S110的一种实施方式的具体流程如图3所示,包括如下步骤:
S111、判断当前云量是否大于阈值。
其中,当前云量可从数值天气预报中获取;并且,阈值是地理学中规定的云量阈值,若当前云量超过阈值,则当前天气状态为有云层覆盖状态,若当前云量没有超过阈值,则当前天气状态为晴空状态。在实际应用中,阈值的取值为2。
因此,若当前云量大于阈值,则执行步骤S112;若当前云量小于等于阈值,则执行步骤S113。
S112、判定当前天气状态为有云层覆盖状态。
S113、判定当前天气状态为晴空状态。
需要说明的是,上述仅为通过云量判断当前天气状态的一种实施方式,还可以通过其他参数判断当前天气状态,均在本申请的保护范围内,并可视实际情况进行选择。
若当前天气状态为晴空状态,则执行步骤S120;若当前天气状态为有云层覆盖状态,则执行步骤S130。
S120、以第一水平面直接辐射函数作为计算模型。
在实际应用中,第一水平面直接辐射函数的计算公式为:
其中,S1为第一水平面直接辐射;S0为太阳常数;h为太阳高度;f为大气透明状况参数。
其中,太阳常数是指在日地平均距离上,大气顶界垂直于太阳光线的单位面积每秒接受的太阳辐射;虽然太阳常数跟随太阳黑子的活动变化,对气候的长期变化产生影响,但是不会对短期的天气变化产生影响,并且,太阳常数在一年中的变化幅度为1%左右,所以可以近似认为太阳常数为不发生变化的常数。太阳高度角是指某地太阳光线与通过该地与地心相连的地表切面的夹角;虽然当地的太阳高度角跟随当地地方时和太阳的赤纬的变化而变化,但是以超短期预测的时间尺度来衡量,可以近似认为当地太阳高度角为固定值。
并且,由于第一水平面直接辐射的预测数据和实测数据均满足第一水平面直接辐射函数的计算公式,并且在第一水平面直接辐射函数的计算公式中,太阳常数和太阳高度角均不变,另外,第一水平面直接辐射函数的计算公式中的大气透明状况参数在时序上具有一定的延续性,因此可以将大气透明状况参数作为第一水平面直接辐射函数的中间变量。
需要说明的是,上述第一水平面直接辐射函数的计算公式仅为一种示例,第一水平面直接辐射函数的计算公式还可以为采用表征天空状态其他参数的计算公式,此处不做具体限定,可视具体情况而定,均在本申请的保护范围内。
S130、以第二水平面直接辐射函数和水平面散射辐射函数作为计算模型。
在实际应用中,第二水平面直接辐射函数的计算公式为:
其中,S2为第二水平面直接辐射;S0为太阳常数;h为太阳高度;c为大气透明度。
在实际应用中,水平面散射辐射函数的计算公式为:
其中,D为水平面散射辐射;S0为太阳常数;h为太阳高度;Pm为大气透明系数。
同理,可以将大气透明度作为第二水平面直接辐射函数的中间变量,可以将大气透明系数作为水平面散射辐射函数的中间变量。
需要说明的是,上述第二水平面直接辐射函数的计算公式和水平面散射辐射函数的计算公式仅为一种示例,第二水平面直接辐射函数的计算公式和水平面散射辐射函数的计算公式还可以为采用表征天空状态其他参数的计算公式,此处不做具体限定,可视具体情况而定,均在本申请的保护范围内。但是,需要注意的是,第二水平面直接辐射函数的计算公式和水平面散射辐射函数的计算公式采用表征天空状态的其他参数是以同一角度对天空状态进行表征,且还要与第一水平面直接辐射函数的计算公式采用表征天空状态的其他参数所表征天空状态的角度相同。
从上述说明可知,本申请提供的超短期光伏功率预测的辐照修正方法所需的计算过程容易实现,且所需计算步骤较少,具有较强的工程实践性。
本申请另一实施例,在图1所示实施例的基础上,提供步骤S200的一种实施方式,具体流程如图4所示,包括如下步骤:
S210、根据当日过去预设时间范围内辐照参数的预测数据,计算得到当日过去预设时间范围内计算模型在预测状态下的中间变量平均值。
在实际应用中,步骤S210的具体流程如图5所示,包括如下步骤:
S211、根据当日过去预设时间范围内辐照参数的预测数据,通过计算模型,计算得到当日过去预设时间范围内计算模型在预测状态下中间变量的数据。
当辐照参数为水平面总辐射时,若当前天气状态为晴空状态,则步骤S211的实际实现方式为:根据当日过去预设时间范围内第一水平面直接辐射的预测数据,通过第一水平面直接辐射函数,计算得到当日过去预设时间范围内第一水平面直接辐射函数在预测状态下中间变量的数据。
若当前天气状态为有云层覆盖状态,则步骤S211的实际实施方式为:根据当日过去预设时间范围内第二水平面直接辐射的预测数据,通过第二水平面直接辐射函数,计算得到当日过去预设时间范围内第二水平面直接辐射函数在预测状态下中间变量的数据;并且,还根据当日过去预设时间范围内水平面散射辐射的预测数据,通过水平面散射辐射函数,计算得到当日过去预设时间范围内水平面散射辐射函数在预测状态下中间变量的数据。
S212、对当日过去预设时间范围内计算模型在预测状态下中间变量的数据进行平均值计算,得到当日过去预设时间范围内计算模型在预测状态下的中间变量平均值。
当辐照参数为水平面总辐射时,若当前天气状态为晴空状态,则步骤S212的实际实现方式为:对当日过去预设时间范围内第一水平面直接辐射函数在预测状态下中间变量的数据进行平均值计算,得到当日过去预设时间范围内第一水平面直接辐射函数在预测状态下的中间变量平均值。
若当前天气状态为有云层覆盖状态,则步骤S212的实际实施方式为:对当日过去预设时间范围内第二水平面直接辐射函数在预测状态下中间变量的数据进行平均值计算,得到当日过去预设时间范围内第二水平面直接辐射函数在预测状态下的中间变量平均值;并且,对当日过去预设时间范围内水平面散射辐射函数在预测状态下中间变量的数据进行平均值计算,得到当日过去预设时间范围内水平面散射辐射函数在预测状态下的中间变量平均值。
S220、根据当日过去预设时间范围内辐照参数的实测数据,计算得到当日过去预设时间范围内计算模型在实测状态下的中间变量平均值。
在实际应用中,步骤S220的具体流程如图6所示,包括如下步骤:
S221、根据当日过去预设时间范围内辐照参数的实测数据,通过计算模型,计算得到当日过去预设时间范围内计算模型在实测状态下中间变量的数据。
当辐照参数为水平面总辐射时,步骤S221的实际实现方式与步骤S211的实际实现方式相相似,可参考步骤S211的实际实现方式推断出步骤S221的实际实现方式,此处不再一一赘述。其中,当辐照参数为水平面总辐射时,若当前天气状态为晴空状态,则辐照参数的实测数据为第一水平面直接辐射的实测数据;若当前天气状态为有云层覆盖状态,则辐照参数的实测数据为第二水平面直接辐射的实测数据和水平面散射辐射的实测数据。
S222、对当日过去预设时间范围内计算模型在实测状态下中间变量的数据进行平均值计算,得到当日过去预设时间范围内计算模型在实测状态下的中间变量平均值。
辐照参数为水平面总辐射时,步骤S222的实际实现方式与步骤S212的实际实现方式相相似,可参考步骤S212的实际实现方式推断出步骤S222的实际实现方式,此处不再一一赘述。其中,当辐照参数为水平面总辐射时,若当前天气状态为晴空状态,则计算模型在实测状态下的中间变量平均值为第一水平面直接辐射函数在实测状态下的中间变量平均值;若当前天气状态为有云层覆盖状态,则计算模型在实测状态下的中间变量平均值为第二水平面直接辐射函数在预测状态下的中间变量平均值和水平面散射辐射函数在预测状态下的中间变量平均值。
S230、根据当日过去预设时间范围内在预测状态和实测状态下的两个中间变量平均值,计算得到计算模型中间变量的预测偏差。
在实际应用中,当辐照参数为水平面总辐射时,若当前天气状态为晴空状态,则步骤S230的实际实现方式为:将第一水平面直接辐射函数在实测状态下的中间变量平均值减去第一水平面直接辐射函数在预测状态下的中间变量平均值,得到第一水平面直接辐射函数中间变量的预测偏差。
若当前天气状态为有云层覆盖状态,则步骤S230的实际实现方式为:将第二水平面直接辐射函数在实测状态下的中间变量平均值减去第二水平面直接辐射函数在预测状态下的中间变量平均值,得到第二水平面直接辐射函数中间变量的预测偏差;并且,将水平面散射辐射函数在实测状态下的中间变量平均值减去水平面散射辐射函数在预测状态下的中间变量平均值,得到水平面散射辐射函数中间变量的预测偏差。
在实际应用中,当辐照参数为水平面总辐射时,若当前天气状态为晴空状态,则步骤S300的实际实现方式为:根据下一时刻第一水平面直接辐射的预测值,通过第一水平面直接辐射函数,计算得到下一时刻第一水平面直接辐射函数中间变量的预测值。
若当前天气状态为有云层覆盖状态,则步骤S300的实际实现方式为:根据下一时刻第二水平面直接辐射的预测值,通过第二水平面直接辐射函数,计算得到下一时刻第二水平面直接辐射函数中间变量的预测值;并且,还根据下一时刻水平面散射辐射的预测值,通过水平面散射辐射函数,计算得到下一时刻水平面散射辐射函数中间变量的预测值。
在实际应用中,当辐照参数为水平面总辐射时,若当前天气状态为晴空状态,则步骤S400的实际实现方式为:根据当日过去预设时间范围内第一水平面直接辐射函数中间变量的预测偏差和下一时刻第一水平面直接辐射函数中间变量的预测值,计算得到下一时刻第一水平面直接辐射函数中间变量的修正值。
若当前天气状态为有云层覆盖状态,则步骤S400的实际实现方式为:根据当日过去预设时间范围内第二水平面直接辐射函数中间变量的预测偏差和下一时刻第二水平面直接辐射函数中间变量的预测值,计算得到下一时刻第二水平面直接辐射函数中间变量的修正值;并且,还根据当日过去预设时间范围内水平面散射辐射函数中间变量的预测偏差和下一时刻水平面散射辐射函数中间变量的预测值,计算得到下一时刻水平面散射辐射函数中间变量的修正值。
在实际应用中,当辐照参数为水平面总辐射时,若当前天气状态为晴空状态,则步骤S500的实际实现方式为:将下一时刻第一水平面直接辐射函数中间变量的修正值,代入第一水平面直接辐射函数,计算得到下一时刻第一水平面直接辐射的修正值。
若当前天气状态为有云层覆盖状态,则步骤S500的实际实现方式为:将下一时刻第二水平面直接辐射函数中间变量的修正值,代入第二水平面直接辐射函数,计算得到下一时刻第二水平面直接辐射的修正值;并且,还将下一时刻水平面散射辐射函数中间变量的修正值,代入水平面散射辐射函数,计算得到下一时刻水平面散射辐射的修正值。
为了更好的说明,以辐照参数为水平面总辐射参数、第一水平面直接辐射函数的计算公式为S1=(S0sin2h)/(f+sinh)、第二水平面直接辐射函数的计算公式为S2=(S0sin2h)/(c+sinh)以及水平面散射辐射函数的计算公式为为例,对本申请提供的超短期光伏功率预测的辐照修正方法在应用过程中的具体流程进行说明。
若当前天气状态为晴空状态,则水平面总辐射的计算模型为:Q=S1。
获得水平面总辐射Q的修正值Q’具体过程为:
先根据当日过去预设时间范围内S1的预测数据,通过公式S1=(S0sin2h)/(f+sinh),计算得到当日过去预设时间范围内在预测状态下f的数据;并且,对当日过去预设时间范围内在预测状态下f的数据进行平均值计算,得到当日过去预设时间范围内在预测状态下的f平均值
其次,根据当日过去预设时间范围内S1的实测数据,通过公式S1=(S0sin2h)/(f+sinh),计算得到当日过去预设时间范围内在实测状态下f的数据;并且,对当日过去预设时间范围内在实测状态下f的数据进行平均值计算,得到当日过去预设时间范围内在实测状态下f平均值
再其次,将在实测状态下的f平均值减去在预测状态下的f平均值得到f的预测偏差
之后,根据下一时刻S1的预测值,通过公式S1=(S0sin2h)/(f+sinh),计算得到下一时刻f的预测值fp。
再之后,根据当日过去预设时间范围内f的预测偏差Δf和下一时刻f的预测值fp,计算得到下一时刻f的修正值
最后,将下一时刻f的修正值fr,代入公式S1=(S0sin2h)/(f+sinh),计算得到下一时刻S1的修正值S’1,即下一时刻水平面总辐射Q的修正值Q’=S’1。
若当前天气状态为有云层覆盖状态,则水平面总辐射的计算模型为:Q=S2+D。
获得第二水平面直接辐射S2的修正值S’2的具体过程为:
先根据当日过去预设时间范围内S2的预测数据,通过公式S2=(S0sin2h)/(c+sinh),计算得到当日过去预设时间范围内在预测状态下c的数据;并且,对当日过去预设时间范围内在预测状态下c的数据进行平均值计算,得到当日过去预设时间范围内在预测状态下的c平均值
其次,根据当日过去预设时间范围内S2的实测数据,通过公式S2=(S0sin2h)/(c+sinh),计算得到当日过去预设时间范围内在实测状态下c的数据;并且,对当日过去预设时间范围内在实测状态下c的数据进行平均值计算,得到当日过去预设时间范围内在实测状态下c平均值
再其次,将在实测状态下的c平均值减去在预测状态下的c平均值得到f的预测偏差
之后,根据下一时刻S2的预测值,通过公式S2=(S0sin2h)/(c+sinh),计算得到下一时刻c的预测值cp。
再之后,根据当日过去预设时间范围内c的预测偏差Δc和下一时刻c的预测值cp,计算得到下一时刻c的修正值
最后,将下一时刻c的修正值cr,代入公式S2=(S0sin2h)/(c+sinh),计算得到下一时刻S2的修正值S’2。
获得水平面散射辐射D的修正值D’的具体过程为:
先根据当日过去预设时间范围内D的预测数据,通过公式计算得到当日过去预设时间范围内在预测状态下Pm的数据;并且,对当日过去预设时间范围内在预测状态下Pm的数据进行平均值计算,得到当日过去预设时间范围内在预测状态下的Pm平均值
其次,根据当日过去预设时间范围内D的实测数据,通过公式计算得到当日过去预设时间范围内在实测状态下Pm的数据;并且,对当日过去预设时间范围内在实测状态下Pm的数据进行平均值计算,得到当日过去预设时间范围内在实测状态下Pm平均值
再其次,将在实测状态下的Pm平均值减去在预测状态下的Pm平均值得到Pm的预测偏差
之后,根据下一时刻D的预测值,通过公式计算得到下一时刻Pm的预测值
再之后,根据当日过去预设时间范围内Pm的预测偏差ΔPm和下一时刻Pm的预测值计算得到下一时刻Pm的修正值
最后,将下一时刻Pm的修正值代入公式计算得到下一时刻D的修正值D’。
获得水平面总辐射修正值具体过程为:根据下一时刻S2的修正值S’2和下一时刻D的修正值D’,通过水平面总辐射的计算模型Q=S2+D,得到水平面总辐射Q的修正值Q’=S’2+D’。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种超短期光伏功率预测的辐照修正方法,其特征在于,包括:
根据当前天气状态,确定用于进行超短期光伏功率预测的辐照参数的计算模型;
根据当日过去预设时间范围内所述辐照参数的预测数据和实测数据,计算得到当日过去预设时间范围内所述计算模型中间变量的预测偏差;
根据下一时刻所述辐照参数的预测值,通过所述计算模型,计算得到下一时刻所述计算模型中间变量的预测值;
根据当日过去预设时间范围内所述计算模型中间变量的预测偏差和下一时刻所述计算模型中间变量的预测值,计算得到下一时刻所述计算模型中间变量的修正值;
将下一时刻所述计算模型中间变量的修正值,代入所述计算模型,计算得到下一时刻所述辐照参数的修正值。
2.根据权利要求1所述的超短期光伏功率预测的辐照修正方法,其特征在于,所述辐照参数为斜面总辐射或者水平面总辐射。
3.根据权利要求2所述的超短期光伏功率预测的辐照修正方法,其特征在于,若所述辐照参数为水平面总辐射,则根据当前天气状态,确定用于进行超短期光伏功率预测的辐照参数的计算模型,包括:
判断当前天气状态是否为有云层覆盖状态;
若当前天气状态为晴空状态,则以第一水平面直接辐射函数作为所述计算模型;
若当前天气状态为有云层覆盖状态,则以第二水平面直接辐射函数和水平面散射辐射函数的和作为所述计算模型。
4.根据权利要求3所述的超短期光伏功率预测的辐照修正方法,其特征在于,判断当前天气状态是否为有云层覆盖状态,包括:
判断当前云量是否大于阈值;
若当前云量大于所述阈值,则判定当前天气状态为有云层覆盖状态;
若当前云量小于等于所述阈值,则判定当前天气状态为晴空状态。
5.根据权利要求3所述的超短期光伏功率预测的辐照修正方法,其特征在于,所述第一水平面直接辐射函数的计算公式为:
所述第二水平面直接辐射函数的计算公式为:
所述水平面散射辐射函数的计算公式为:
其中,S1为第一水平面直接辐射;S0为太阳常数;h为太阳高度;f为大气透明状况参数;S2为第二水平面直接辐射;c为大气透明度;D为水平面散射辐射;Pm为大气透明系数。
6.根据权利要求5所述的超短期光伏功率预测的辐照修正方法,其特征在于,若当前天气状态为晴空状态,则所述计算模型中间变量为f;
若当前天气状态为有云层覆盖状态,则所述计算模型中间变量为c和Pm。
7.根据权利要求1-6任一所述的超短期光伏功率预测的辐照修正方法,其特征在于,根据当日过去预设时间范围内所述辐照参数的预测数据和实测数据,计算得到当日过去预设时间范围内所述计算模型中间变量的预测偏差,包括:
根据当日过去预设时间范围内所述辐照参数的预测数据,计算得到当日过去预设时间范围内所述计算模型在预测状态下的中间变量平均值;
根据当日过去预设时间范围内所述辐照参数的实测数据,计算得到当日过去预设时间范围内所述计算模型在实测状态下的中间变量平均值;
根据当日过去预设时间范围内在所述预测状态和所述实测状态下的两个中间变量平均值,计算得到所述计算模型中间变量的预测偏差。
8.根据权利要求7所述的超短期光伏功率预测的辐照修正方法,其特征在于,若当前天气状态为晴空状态,则所述计算模型在所述预测状态和所述实测状态下的中间变量平均值,均为:第一水平面直接辐射函数的中间变量平均值;
若当前天气状态为云层覆盖状态,则所述计算模型在所述预测状态和所述实测状态下的中间变量平均值,均包括:第二水平面直接辐射函数的中间变量平均值,和,水平面散射辐射函数的中间变量平均值。
9.根据权利要求7所述的超短期光伏功率预测的辐照修正方法,其特征在于,所述计算模型中间变量的预测偏差为:在所述实测状态下的中间变量平均值,减去在所述预测状态下的中间变量平均值,所得到的差值。
10.根据权利要求8所述的超短期光伏功率预测的辐照修正方法,其特征在于,下一时刻所述计算模型中间变量的修正值为:当日过去预设时间范围内所述计算模型中间变量的预测偏差,与下一时刻所述计算模型中间变量的预测值的和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910876165.8A CN110598335B (zh) | 2019-09-17 | 2019-09-17 | 一种超短期光伏功率预测的辐照修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910876165.8A CN110598335B (zh) | 2019-09-17 | 2019-09-17 | 一种超短期光伏功率预测的辐照修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110598335A true CN110598335A (zh) | 2019-12-20 |
CN110598335B CN110598335B (zh) | 2023-08-11 |
Family
ID=68860241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910876165.8A Active CN110598335B (zh) | 2019-09-17 | 2019-09-17 | 一种超短期光伏功率预测的辐照修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110598335B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111596381A (zh) * | 2020-05-22 | 2020-08-28 | 天合光能股份有限公司 | 一种双辐照计推测直射辐照比例的方法 |
CN111967652A (zh) * | 2020-07-22 | 2020-11-20 | 国网浙江省电力有限公司电力科学研究院 | 一种双层协同实时校正光伏预测方法 |
CN115423200A (zh) * | 2022-09-16 | 2022-12-02 | 南通沃太新能源有限公司 | 离线状态下补全太阳辐照进行光伏功率预测的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955749A (zh) * | 2014-03-19 | 2014-07-30 | 内蒙古电力勘测设计院 | 太阳直接辐射值预测方法和系统 |
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 |
CN105512760A (zh) * | 2015-12-04 | 2016-04-20 | 北京国电通网络技术有限公司 | 基于神经网络的光伏电站发电量的计算方法及系统 |
US20170124694A1 (en) * | 2015-11-04 | 2017-05-04 | Institute of Nuclear Energy Research, Atomic Energy Council, Executive Yuan, R.O.C. | Prediction system for short-term solar irradiance and method for operating the same |
CN109345046A (zh) * | 2018-12-05 | 2019-02-15 | 国能日新科技股份有限公司 | 光伏功率的预测方法及装置 |
CN109615131A (zh) * | 2018-12-07 | 2019-04-12 | 国能日新科技股份有限公司 | 光伏功率预测方法和装置 |
-
2019
- 2019-09-17 CN CN201910876165.8A patent/CN110598335B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955749A (zh) * | 2014-03-19 | 2014-07-30 | 内蒙古电力勘测设计院 | 太阳直接辐射值预测方法和系统 |
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 |
US20170124694A1 (en) * | 2015-11-04 | 2017-05-04 | Institute of Nuclear Energy Research, Atomic Energy Council, Executive Yuan, R.O.C. | Prediction system for short-term solar irradiance and method for operating the same |
CN105512760A (zh) * | 2015-12-04 | 2016-04-20 | 北京国电通网络技术有限公司 | 基于神经网络的光伏电站发电量的计算方法及系统 |
CN109345046A (zh) * | 2018-12-05 | 2019-02-15 | 国能日新科技股份有限公司 | 光伏功率的预测方法及装置 |
CN109615131A (zh) * | 2018-12-07 | 2019-04-12 | 国能日新科技股份有限公司 | 光伏功率预测方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111596381A (zh) * | 2020-05-22 | 2020-08-28 | 天合光能股份有限公司 | 一种双辐照计推测直射辐照比例的方法 |
CN111596381B (zh) * | 2020-05-22 | 2022-03-22 | 天合光能股份有限公司 | 一种双辐照计推测直射辐照比例的方法 |
CN111967652A (zh) * | 2020-07-22 | 2020-11-20 | 国网浙江省电力有限公司电力科学研究院 | 一种双层协同实时校正光伏预测方法 |
CN111967652B (zh) * | 2020-07-22 | 2023-10-24 | 国网浙江省电力有限公司电力科学研究院 | 一种双层协同实时校正光伏预测方法 |
CN115423200A (zh) * | 2022-09-16 | 2022-12-02 | 南通沃太新能源有限公司 | 离线状态下补全太阳辐照进行光伏功率预测的方法 |
CN115423200B (zh) * | 2022-09-16 | 2023-12-29 | 南通沃太新能源有限公司 | 离线状态下补全太阳辐照进行光伏功率预测的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110598335B (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Prediction of short-term PV power output and uncertainty analysis | |
CN103440526B (zh) | 一种基于建筑信息模型的发电预测方法和装置 | |
CN103996082B (zh) | 一种基于双重随机理论的太阳辐射强度预测方法 | |
Monteiro et al. | Short-term forecasting models for photovoltaic plants: Analytical versus soft-computing techniques | |
Yona et al. | Determination method of insolation prediction with fuzzy and applying neural network for long-term ahead PV power output correction | |
CN110598335A (zh) | 一种超短期光伏功率预测的辐照修正方法 | |
CN109948281B (zh) | 基于天气类型有效识别和组合预测的直散分离建模方法 | |
CN109884896B (zh) | 一种基于相似日辐照预测的光伏跟踪系统优化跟踪方法 | |
CN114021420A (zh) | 一种分布式光伏超短期发电功率预测方法及系统 | |
CN110737876B (zh) | 区域电网光伏功率预测优化方法和装置 | |
Tina et al. | Analysis of forecast errors for irradiance on the horizontal plane | |
CN113780660A (zh) | 一种居民用电量预测方法、系统及存储介质 | |
KR101249852B1 (ko) | 기상예보를 이용한 태양전지의 발전량 예측방법 | |
CN109599899B (zh) | 一种新能源运行模拟边界条件的设定方法 | |
CN115481918A (zh) | 一种基于源网荷储的单元状态主动感知及预测分析系统 | |
CN105701556A (zh) | 一种光伏电站超短时功率预测修正方法 | |
Deng et al. | A Survey of the Researches on Grid-Connected Solar Power Generation Systems and Power Forecasting Methods Based on Ground-Based Cloud Atlas | |
CN116484998A (zh) | 基于气象相似日的分布式光伏电站功率预测方法及系统 | |
Aigner | System modeling and dispatch schedule optimization of combined PV battery system using linear optimization | |
Jain et al. | Battery optimization in microgrids using Markov decision process integrated with load and solar forecasting | |
Watanabe et al. | Quantification of the interannual variability of the nationwide electric power supply from photovoltaic systems in Japan | |
CN117689087B (zh) | 一种面向日食事件的光伏场站出力预测方法及系统 | |
CN116596162B (zh) | 一种光伏发电量测算方法、装置、设备及存储介质 | |
CN117689087A (zh) | 一种面向日食事件的光伏场站出力预测方法及系统 | |
Elazab et al. | Adaptive cloudiness index for enhanced photovoltaic energy prediction and management in low-income smart homes using geographic information system |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20221216 Address after: Room 423, Sunshine Power R&D Center Building, No. 1699, Xiyou Road, High-tech Zone, Hefei City, Anhui Province, 230088 Applicant after: Sunshine Hui Carbon Technology Co.,Ltd. Address before: 230088 No. 1699 Xiyou Road, Hefei High-tech Zone, Anhui Province Applicant before: SUNGROW POWER SUPPLY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |