CN110598898A - 一种基于开放获取天气数据的光伏预测方法、系统以及存储介质 - Google Patents
一种基于开放获取天气数据的光伏预测方法、系统以及存储介质 Download PDFInfo
- Publication number
- CN110598898A CN110598898A CN201910696579.2A CN201910696579A CN110598898A CN 110598898 A CN110598898 A CN 110598898A CN 201910696579 A CN201910696579 A CN 201910696579A CN 110598898 A CN110598898 A CN 110598898A
- Authority
- CN
- China
- Prior art keywords
- time
- power
- photovoltaic
- optimized
- scale factor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000010248 power generation Methods 0.000 claims abstract description 72
- 239000000126 substance Substances 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 description 5
- 230000005855 radiation Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
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)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于开放获取天气数据的光伏预测方法、系统以及存储介质。光伏预测方法包括从公开的气象预测信息中提取光伏预测出力数据,其中光伏预测出力数据包括太阳最高点时的环境温度、云量指标、日出时间以及日落时刻;根据太阳最高点时的环境温度获取晴空天气条件下光伏系统的理想发电功率曲线;将日出时间和日落时刻之间的时间段划分成若干个时间区间,计算每一时间区间对应的比例因子和理想发电功率的乘积,并将乘积作为该时间区间对应的优化发电功率,并根据每一时间区间对应的优化发电功率确定优化发电功率曲线;根据云量指标计算尺度因子,然后再根据尺度因子和优化发电功率曲线确定预测发电功率曲线。
Description
技术领域
本发明涉及分布式电源功率预测的技术领域,特别是涉及一种基于开放获 取天气数据的光伏预测方法、系统以及存储介质。
背景技术
近年来,化石能源的利用带来环境问题日益突出,当前我国大范围雾霾天 气,其主要原因就是化石能源的大规模利用,随着人类对生态环境需求的不断 提升,以光伏发电为首的新能源发展前景巨大。我国的太阳能资源丰富,年辐 射量为3340-8400MJ/m2,可利用太阳能资源区约占国土面积的2/3,可发展分 布式光伏发电、光热互补利用。
虽然光伏发电产业蓬勃发展,但相比较常规电源如火电、水电、核电等出 力连续而且可调、可控,光伏发电受到了辐射度、环境温度、大气条件、风速 等多元气象条件因素影响,其出力不稳定且随天气情况波动。并且由于光伏发 电自身的特性,在大规模光伏发电设备并网时,易对电网产生随机发电和随机 用电的实时平衡的问题,又容易造成电力系统的功率不平衡问题,还会使系统 不能够处在稳定安全的运行状态,有可能造成经济损失。一旦拒绝大规模光伏 电站的接入或限制其输出功率,会使得清洁能源无法被利用,同时,建设好的 光伏发电设备无法使用,间接影响整个光伏产业的发展。因此,在保证整个电力系统正常运行的情况下,使这些具有间歇性的新能源并入到整个电网中,已 经成为当前对新能源在电网领域应用研究的热点问题。光伏功率的准确预测不 仅可为电网中发电规划,调峰,潮流优化,设备维护等调度决策提供可靠依据, 也对电网的调度和光伏电站的稳定运行提供了强有力的参考价值。
发明内容
基于此,有必要提供一种基于开放获取天气数据的光伏预测方法、系统以 及存储介质,以提高光伏功率预测准确率,保证电网的精确调度和光伏电站的 稳定运行。
本发明提供了一种基于开放获取天气数据的光伏预测方法,包括:
从公开的气象预测信息中提取光伏预测出力数据,其中所述光伏预测出力 数据包括太阳最高点时的环境温度、云量指标、日出时间以及日落时刻;
根据所述太阳最高点时的环境温度获取晴空天气条件下光伏系统的理想发 电功率曲线;
将所述日出时间和所述日落时刻之间的时间段划分成若干个时间区间,计 算每一时间区间对应的比例因子和所述理想发电功率的乘积,并将所述乘积作 为该时间区间对应的优化发电功率,并根据每一所述时间区间对应的优化发电 功率确定优化发电功率曲线;
根据云量指标和预设尺度因子公式计算尺度因子,然后再根据所述尺度因 子和所述优化发电功率曲线确定预测发电功率曲线。
在其中一个实施例中,所述根据所述太阳最高点时的环境温度获取晴空天 气条件下光伏系统的所述理想发电功率曲线,包括:
根据所述太阳最高点时的环境温度,计算得到太阳能电池板的温度系数;
根据所述太阳能电池板的温度系数以及所述太阳能电池板的额定功率,计 算得到所述理想发电功率,进而确定所述理想发电功率曲线。
在其中一个实施例中,所述温度系数为
其中,ξ为温度系统,Ploss,303为所述太阳能电池板在303K时的功率损耗, Tout,high为所述太阳最高点时的环境温度;
所述理想发电功率为
Pmax_clear=k·PN·sin(α)·(1-ξ)
其中,所述Pmax_clear为所述理想发电功率,k为校正系数,PN为所述太阳能 电池板的额定功率,α为太阳光的入射角,且
其中,为所述太阳能电池板的倾斜角度,γ为太阳高度。
在其中一个实施例中,将所述日出时刻至日所述落时刻之间的时间段以预 设时长划分成若干个时间区域。
在其中一个实施例中,所述比例因子为
其中,
θ=ω(t-tRise)
a+b=1
其中,m(t)为所述比例因子,tRise为所述日出时间,所述tSet为所述日落时 刻,tI、tII、tIII和tIV均为所述时间区间的分隔时刻,a和b均为权重系数,且 a+b=1,θ为拟定中间函数,ω为拟定参数。
在其中一个实施例中,所述优化发电功率为
PClearsky(t)=Pmax_clear·m(t)。
在其中一个实施例中,所述尺度因子为
其中,F(t)为尺度因子,c、d、e和f均为加权常量,low(t)为t时刻所述云 量指标中低层的百分比云度指数,mid(t)为t时刻所述云量指标中中层的百分 比云度指数,high(t)为t时刻所述云量指标中高层的百分比云度指数。
在其中一个实施例中,所述光伏预测方法还包括:
在所述从公开的气象预测信息中提取所述光伏预测出力数据之前,计算历 史数据中多个所述预测发电功率曲线分别对应的最小化均方根误差;
利用最小二乘法,根据多个所述最小化均方根误差计算得到所述尺度因子 中各个所述加权常量的值。
在其中一个实施例中,所述根据所述尺度因子和所述优化发电功率曲线确 定所述预测发电功率曲线,包括:
计算所述尺度因子与所述优化发电功率曲线中每一所述时间区间对应的优 化发电功率的乘积,得到所述时间区间对应的预测发电功率;
根据每一所述时间区间对应的所述预测发电功率,确定所述预测发电功率 曲线。
在其中一个实施例中,所述预测发电功率为
Pforecast(t)=PClearsky(t)·F(t)
其中,所述Pforecast(t)为所述预测发电功率。
基于同一发明构思,本发明实施例还提供了一种基于开放获取天气数据的 光伏预测系统,包括:
至少一个处理器;
与所述至少一个处理器通信连接的存储器,所述存储器存储有至少一个处 理器可执行的计算机指令,所述计算机指令由所述至少一个处理器执行时使得 所述至少一个处理器实现上述任一实施例所述的方法步骤
基于同一发明构思,本发明实施例还提供了一种计算机可读存储介质,其 上存储有计算机指令,所述计算机指令被处理器执行时实现上述任一实施例所 述方法的步骤。
综上,本发明实施例提供了一种基于开放获取天气数据的光伏预测方法、 系统以及存储介质。所述光伏预测方法包括从公开的气象预测信息中提取光伏 预测出力数据,其中所述光伏预测出力数据包括太阳最高点时的环境温度、云 量指标、日出时间以及日落时刻;根据所述太阳最高点时的环境温度获取晴空 天气条件下光伏系统的理想发电功率曲线;将所述日出时间和所述日落时刻之 间的时间段划分成若干个时间区间,计算每一时间区间对应的比例因子和所述 理想发电功率的乘积,并将所述乘积作为该时间区间对应的优化发电功率,并 根据每一所述时间区间对应的优化发电功率确定优化发电功率曲线;根据云量 指标计算尺度因子,然后再根据所述尺度因子和所述优化发电功率曲线确定预 测发电功率曲线。可以理解,在一天当中,由于光伏发电功率受太阳光的照射 角度、环境温度等因素的影响,因此不同时刻的光伏发电功率存在差异,本发 明中通过将所述日出时间和所述日落时刻之间的时间段划分成若干个时间区间, 根据每一时间区间对应的比例因子和所述理想发电功率确定每一所述时间区间 对应的优化发电功率,并根据每一所述时间区间对应的优化发电功率确定优化 发电功率曲线,修订了因外部环境因素的造成的差异,提高了预测发电功率的 准确性。并且,本发明还根据天空中的云量指标计算尺度因子,进而利用尺度 因子调整预测发电功率曲线,进一步提高了预测发电功率的准确性,从而保证电网的精确调度和光伏电站的稳定运行。
附图说明
图1为本发明实施例提供的一种基于开放获取天气数据的光伏预测方法的 流程示意图;
图2为本发明实施例提供的另一种基于开放获取天气数据的光伏预测方法 的流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对 本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以 便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实 施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发 明不受下面公开的具体实施的限制。
请参见图1,本发明实施例提供了一种基于开放获取天气数据的光伏预测方 法,包括:
步骤S130,从公开的气象预测信息中提取光伏预测出力数据,其中所述光 伏预测出力数据包括太阳最高点时的环境温度、云量指标、日出时间以及日落 时刻;
步骤S140,根据所述太阳最高点时的环境温度获取晴空天气条件下光伏系 统的理想发电功率曲线;
步骤S150,将所述日出时间和所述日落时刻之间的时间段划分成若干个时 间区间,计算每一时间区间对应的比例因子和所述理想发电功率的乘积,并将 所述乘积作为该时间区间对应的优化发电功率,并根据每一所述时间区间对应 的优化发电功率确定优化发电功率曲线;
步骤S160,根据云量指标计算尺度因子,然后再根据所述尺度因子和所述 优化发电功率曲线确定预测发电功率曲线。
可以理解,由于在一天当中,由于光伏发电功率受太阳光的照射角度、环 境温度等因素的影响,因此不同时刻的光伏发电功率存在差异,本实施例中通 过将所述日出时间和所述日落时刻之间的时间段划分成若干个时间区间,根据 每一时间区间对应的比例因子和所述理想发电功率确定每一所述时间区间对应 的优化发电功率,并根据每一所述时间区间对应的优化发电功率确定优化发电 功率曲线,修订了因外部环境因素的造成的差异,提高了预测发电功率的准确 性。并且,本发明还根据天空中的云量指标计算尺度因子,进而利用尺度因子 调整预测发电功率曲线,进一步提高了预测发电功率的准确性,从而保证电网 的精确调度和光伏电站的稳定运行。
本实施例中,光伏预测出力数据自开放访问网站www.meteoblue.com。使用Microsoft Excel读取相应网站的全部信息,自动获取由太阳最高点时的环境温度、 云量指标、日出时间以及日落时刻组成的必要的光伏预测出力数据,然后用 MATLAB选择和处理必要的光伏预测出力数据。
在其中一个实施例中,所述根据所述太阳最高点时的环境温度获取晴空天 气条件下光伏系统的所述理想发电功率曲线,包括:
根据所述太阳最高点时的环境温度,计算得到太阳能电池板的温度系数;
根据所述太阳能电池板的温度系数以及所述太阳能电池板的额定功率,计 算得到所述理想发电功率,进而确定所述理想发电功率曲线。
可以理解,理想发电功率曲线描述了晴天无云无雾时光伏系统的发电概况。 起点和终点分别由日出时间和日落时间决定。想发电功率曲线的峰值由各模块 的标称功率、温度系数和当天太阳最高点的环境温度计算得到。
在其中一个实施例中,所述温度系数为
其中,ξ为温度系统,Ploss,303为所述太阳能电池板在303K时的功率损耗, Tout,high为所述太阳最高点时的环境温度。
所述理想发电功率为
Pmax_clear=k·PN·sin(α)·(1-ξ)
其中,所述Pmax_clear为所述理想发电功率,k为校正系数,PN为所述太阳能 电池板的额定功率,α为太阳光的入射角,且
其中,为所述太阳能电池板的倾斜角度,γ为太阳高度。
可以理解,理想发电功率曲线基本上是假定为修改后的正弦曲线的半周期。 这个半周期从日出开始,到日落结束,期间有个最大值。曲线最大值Pmax-clear与 太阳入射角α、额定功率PN、温度系数ξ和校正系数k。其中,校正系数k是最大 可能总体辐射W/m2相对于标准光伏模块1.000W/m2的比值。此外,太阳光的入 射角α由太阳能电池板的倾斜角度的倾角和太阳高度γ共同决定
考虑到太阳能电池板的线性温度特性,且当外部温度低于263K时认为没有 功率损耗,可以通过测量电池板在303K时的功率损耗Ploss,303,并在太阳最高 点时获取外部环境温度,利用上述公式计算温度系数。本实施例中Tout,high假设是 在中午12:00时获得,这是由于网站所提供的上午11:00至14:00的温度有 细微差别。
在其中一个实施例中,将所述日出时刻至日所述落时刻之间的时间段以预 设时长划分成若干个时间区域。可以理解,划分的时间区间范围越小,该时间 区间内所述太阳能电池板的发电功率越均匀,因此通过将日出时刻至日落时刻 之间的时间段划分成若干个时间区域,可提高预测发电功率的准确性。本实施 例中,为了正确真实地表示发电曲线,根据以下公式将晴空曲线分为6段,得 到的曲线包含48个值,每30分钟计算得到一个优化发电功率值。
在其中一个实施例中,所述优化发电功率为
PClearsky(t)=Pmax_clear·m(t)。
其中,所述比例因子为
其中,
θ=ω(t-tRise)
a+b=1
其中,m(t)为所述比例因子,tRise为所述日出时间,所述tSet为所述日落时 刻,tI、tII、tIII和tIV均为所述时间区间的分隔时刻,a和b均为权重系数,且 a+b=1,θ为拟定中间函数,ω为拟定参数。可以理解,每个时间区间对应的 外部环境存在差异,因此利用m(t)对理想发电功率曲线进行调整,可使得优化 发电功率曲线更接近实际发电功率曲线。
可以理解,云量指标也是影响太阳能电池板发电的一个重要因素,因此在 预测发电功率时必须要考虑进去,因此本发明在获取光伏预测出力数据时读取 云量指标,所述云量指标包括天空不同层云的数据。例如,meteoblue AG的网 站提供了三层云的数据,按高度分为低、中、高。对于每一层,每天每小时都 提供低(low(t))、中(mid(t))和高(high(t))的百分比云度指数。这些值用于 计算小时尺度因子F(t),对于晴空曲线所算出的功率值PClearsky(t)进行尺度变换 得到预测曲线Pforecast(t)。
在其中一个实施例中,所述尺度因子为
其中,F(t)为尺度因子,c、d、e和f均为加权常量,low(t)为t时刻所述云 量指标中低层的百分比云度指数,mid(t)为t时刻所述云量指标中中层的百分 比云度指数,high(t)为t时刻所述云量指标中高层的百分比云度指数。
请参见图2,在其中一个实施例中,所述光伏预测方法还包括:
步骤S110,在所述从公开的气象预测信息中提取所述光伏预测出力数据之 前,计算历史数据中多个所述预测发电功率曲线分别对应的最小化均方根误差;
步骤S120,利用最小二乘法,根据多个所述最小化均方根误差计算得到所 述尺度因子中各个所述加权常量的值。
本实施例中,加权常量c=0.46、d=0.34、e=0.08和f=0.10,所述c、d、e 和f的值是采用最小二乘法,根据49天的预测发电功率曲线以及实际发电功率 曲线的最小化均方根误差计算得到所述c、d、e和f的加权常量值。
在其中一个实施例中,所述根据所述尺度因子和所述优化发电功率曲线确 定所述预测发电功率曲线,包括:
计算所述尺度因子与所述优化发电功率曲线中每一所述时间区间对应的优 化发电功率的乘积,得到所述时间区间对应的预测发电功率;
根据每一所述时间区间对应的所述预测发电功率,确定所述预测发电功率 曲线。
本实施例中,由于每一时间区间对应的优化发电功率不同,因此需要计算 所述尺度因子与所述优化发电功率曲线中每一所述时间区间对应的优化发电功 率的乘积,得到所述时间区间对应的预测发电功率,然后根据每一所述时间区 间对应的所述预测发电功率,绘制所述预测发电功率曲线。
在其中一个实施例中,所述预测发电功率为
Pforecast(t)=PClearsky(t)·F(t)
其中,所述Pforecast(t)为所述预测发电功率。
基于同一发明构思,本发明实施例还提供了一种基于开放获取天气数据的 光伏预测系统,包括:
至少一个处理器;
与所述至少一个处理器通信连接的存储器,所述存储器存储有至少一个处 理器可执行的计算机指令,所述计算机指令由所述至少一个处理器执行时使得 所述至少一个处理器实现上述任一实施例所述的方法步骤
基于同一发明构思,本发明实施例还提供了一种计算机可读存储介质,其 上存储有计算机指令,所述计算机指令被处理器执行时实现上述任一实施例所 述方法的步骤。
综上,本发明实施例提供了一种基于开放获取天气数据的光伏预测方法、 系统以及存储介质。所述光伏预测方法包括从公开的气象预测信息中提取光伏 预测出力数据,其中所述光伏预测出力数据包括太阳最高点时的环境温度、云 量指标、日出时间以及日落时刻;根据所述太阳最高点时的环境温度获取晴空 天气条件下光伏系统的理想发电功率曲线;将所述日出时间和所述日落时刻之 间的时间段划分成若干个时间区间,计算每一时间区间对应的比例因子和所述 理想发电功率的乘积,并将所述乘积作为该时间区间对应的优化发电功率,并 根据每一所述时间区间对应的优化发电功率确定优化发电功率曲线;根据云量 指标计算尺度因子,然后再根据所述尺度因子和所述优化发电功率曲线确定预 测发电功率曲线。可以理解,在一天当中,由于光伏发电功率受太阳光的照射 角度、环境温度等因素的影响,因此不同时刻的光伏发电功率存在差异,本发 明中通过将所述日出时间和所述日落时刻之间的时间段划分成若干个时间区间, 根据每一时间区间对应的比例因子和所述理想发电功率确定每一所述时间区间 对应的优化发电功率,并根据每一所述时间区间对应的优化发电功率确定优化 发电功率曲线,修订了因外部环境因素的造成的差异,提高了预测发电功率的 准确性。并且,本发明还根据天空中的云量指标计算尺度因子,进而利用尺度 因子调整预测发电功率曲线,进一步提高了预测发电功率的准确性,从而保证电网的精确调度和光伏电站的稳定运行。
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 (12)
1.一种基于开放获取天气数据的光伏预测方法,其特征在于,包括:
从公开的气象预测信息中提取光伏预测出力数据,其中所述光伏预测出力数据包括太阳最高点时的环境温度、云量指标、日出时间以及日落时刻;
根据所述太阳最高点时的环境温度获取晴空天气条件下光伏系统的理想发电功率曲线;
将所述日出时间和所述日落时刻之间的时间段划分成若干个时间区间,计算每一时间区间对应的比例因子和所述理想发电功率的乘积,并将所述乘积作为该时间区间对应的优化发电功率,并根据每一所述时间区间对应的优化发电功率确定优化发电功率曲线;
根据云量指标计算尺度因子,然后再根据所述尺度因子和所述优化发电功率曲线确定预测发电功率曲线。
2.如权利要求1所述的光伏预测方法,其特征在于,所述根据所述太阳最高点时的环境温度获取晴空天气条件下光伏系统的所述理想发电功率曲线,包括:
根据所述太阳最高点时的环境温度,计算得到太阳能电池板的温度系数;
根据所述太阳能电池板的温度系数以及所述太阳能电池板的额定功率,计算得到所述理想发电功率,进而确定所述理想发电功率曲线。
3.如权利要求1所述的光伏预测方法,其特征在于,所述温度系数为
其中,ξ为温度系统,Ploss,303为所述太阳能电池板在303K时的功率损耗,Tout,high为所述太阳最高点时的环境温度;
所述理想发电功率为
Pmax-clear=k·PN·sin(α)·(1-ξ)
其中,所述Pmax_clear为所述理想发电功率,k为校正系数,PN为所述太阳能电池板的额定功率,α为太阳光的入射角,且
其中,为所述太阳能电池板的倾斜角度,γ为太阳高度。
4.如权利要求1所述的光伏预测方法,其特征在于,将所述日出时刻至日所述落时刻之间的时间段以预设时长划分成若干个时间区域。
5.如权利要求1所述的光伏预测方法,其特征在于,所述比例因子为
其中,
θ=ω(t-tRise)
a+b=1
其中,m(t)为所述比例因子,tRise为所述日出时间,所述tSet为所述日落时刻,tI、tII、tIII和tIV均为所述时间区间的分隔时刻,a和b均为权重系数,且a+b=1,θ为拟定中间函数,ω为拟定参数。
6.如权利要求5所述的光伏预测方法,其特征在于,所述优化发电功率为
PClearsky(t)=Pmax_clear·m(t)。
7.如权利要求1所述的光伏预测方法,其特征在于,所述尺度因子为
其中,F(t)为尺度因子,c、d、e和f均为加权常量,low(t)为t时刻所述云量指标中低层的百分比云度指数,mid(t)为t时刻所述云量指标中中层的百分比云度指数,high(t)为t时刻所述云量指标中高层的百分比云度指数。
8.如权利要求7所述的光伏预测方法,其特征在于,还包括:
在所述从公开的气象预测信息中提取所述光伏预测出力数据之前,计算历史数据中多个所述预测发电功率曲线分别对应的最小化均方根误差;
利用最小二乘法,根据多个所述最小化均方根误差计算得到所述尺度因子中各个所述加权常量的值。
9.如权利要求1所述的光伏预测方法,其特征在于,所述根据所述尺度因子和所述优化发电功率曲线确定所述预测发电功率曲线,包括:
计算所述尺度因子与所述优化发电功率曲线中每一所述时间区间对应的优化发电功率的乘积,得到所述时间区间对应的预测发电功率;
根据每一所述时间区间对应的所述预测发电功率,确定所述预测发电功率曲线。
10.如权利要求8所述的光伏预测方法,其特征在于,所述预测发电功率为
Pforecast(t)=PClearsky(t)·F(t)
其中,所述Pforecast(t)为所述预测发电功率。
11.一种基于开放获取天气数据的光伏预测系统,其特征在于,包括:
至少一个处理器;
与所述至少一个处理器通信连接的存储器,所述存储器存储有至少一个处理器可执行的计算机指令,所述计算机指令由所述至少一个处理器执行时使得所述至少一个处理器实现如权利要求1-10任一权项所述的方法步骤。
12.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述计算机指令被处理器执行时实现如权利要求1-10中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910696579.2A CN110598898B (zh) | 2019-07-30 | 2019-07-30 | 一种基于开放获取天气数据的光伏预测方法、系统以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910696579.2A CN110598898B (zh) | 2019-07-30 | 2019-07-30 | 一种基于开放获取天气数据的光伏预测方法、系统以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110598898A true CN110598898A (zh) | 2019-12-20 |
CN110598898B CN110598898B (zh) | 2022-07-05 |
Family
ID=68853154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910696579.2A Active CN110598898B (zh) | 2019-07-30 | 2019-07-30 | 一种基于开放获取天气数据的光伏预测方法、系统以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110598898B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112923585A (zh) * | 2021-02-26 | 2021-06-08 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种熔盐储热的光热电站运行优化系统及方法 |
CN113218359A (zh) * | 2021-04-30 | 2021-08-06 | 无锡英臻科技有限公司 | 一种光伏组串方位角的识别方法 |
CN113378350A (zh) * | 2021-04-28 | 2021-09-10 | 中国地震局地质研究所 | 一种温度变化趋势确定方法、装置及电子设备 |
CN115441447A (zh) * | 2022-10-24 | 2022-12-06 | 佛山职业技术学院 | 一种新能源发电功率预测方法 |
CN116418293A (zh) * | 2023-04-21 | 2023-07-11 | 攀枝花中电光伏发电有限公司 | 一种基于物联网大数据的光伏电站智慧诊断系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003075492A (ja) * | 2001-09-05 | 2003-03-12 | Mitsubishi Electric Corp | 電源装置の寿命予測システム |
CN103699944A (zh) * | 2013-12-31 | 2014-04-02 | 国电南京自动化股份有限公司 | 一种多预测模式的风电光伏发电功率预测系统 |
CN105678396A (zh) * | 2015-11-04 | 2016-06-15 | 衢州职业技术学院 | 光伏电站超短时功率预测装置 |
CN105701556A (zh) * | 2015-11-05 | 2016-06-22 | 衢州职业技术学院 | 一种光伏电站超短时功率预测修正方法 |
CN107194496A (zh) * | 2017-04-25 | 2017-09-22 | 甘肃省电力公司风电技术中心 | 光伏功率的预测方法及预测装置 |
JP2018207669A (ja) * | 2017-06-05 | 2018-12-27 | 中国電力株式会社 | 発電量予測装置、発電量予測方法、プログラム |
CN109842371A (zh) * | 2019-03-19 | 2019-06-04 | 黎和平 | 一种定位光伏发电异常的方法和装置 |
CN110059862A (zh) * | 2019-03-25 | 2019-07-26 | 国网浙江省电力有限公司电力科学研究院 | 一种基于自编码与极限学习机的光伏区间预测方法和系统 |
-
2019
- 2019-07-30 CN CN201910696579.2A patent/CN110598898B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003075492A (ja) * | 2001-09-05 | 2003-03-12 | Mitsubishi Electric Corp | 電源装置の寿命予測システム |
CN103699944A (zh) * | 2013-12-31 | 2014-04-02 | 国电南京自动化股份有限公司 | 一种多预测模式的风电光伏发电功率预测系统 |
CN105678396A (zh) * | 2015-11-04 | 2016-06-15 | 衢州职业技术学院 | 光伏电站超短时功率预测装置 |
CN105701556A (zh) * | 2015-11-05 | 2016-06-22 | 衢州职业技术学院 | 一种光伏电站超短时功率预测修正方法 |
CN107194496A (zh) * | 2017-04-25 | 2017-09-22 | 甘肃省电力公司风电技术中心 | 光伏功率的预测方法及预测装置 |
JP2018207669A (ja) * | 2017-06-05 | 2018-12-27 | 中国電力株式会社 | 発電量予測装置、発電量予測方法、プログラム |
CN109842371A (zh) * | 2019-03-19 | 2019-06-04 | 黎和平 | 一种定位光伏发电异常的方法和装置 |
CN110059862A (zh) * | 2019-03-25 | 2019-07-26 | 国网浙江省电力有限公司电力科学研究院 | 一种基于自编码与极限学习机的光伏区间预测方法和系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112923585A (zh) * | 2021-02-26 | 2021-06-08 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种熔盐储热的光热电站运行优化系统及方法 |
CN113378350A (zh) * | 2021-04-28 | 2021-09-10 | 中国地震局地质研究所 | 一种温度变化趋势确定方法、装置及电子设备 |
CN113218359A (zh) * | 2021-04-30 | 2021-08-06 | 无锡英臻科技有限公司 | 一种光伏组串方位角的识别方法 |
CN115441447A (zh) * | 2022-10-24 | 2022-12-06 | 佛山职业技术学院 | 一种新能源发电功率预测方法 |
CN116418293A (zh) * | 2023-04-21 | 2023-07-11 | 攀枝花中电光伏发电有限公司 | 一种基于物联网大数据的光伏电站智慧诊断系统 |
CN116418293B (zh) * | 2023-04-21 | 2024-02-27 | 攀枝花中电光伏发电有限公司 | 一种基于物联网大数据的光伏电站智慧诊断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110598898B (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598898B (zh) | 一种基于开放获取天气数据的光伏预测方法、系统以及存储介质 | |
CN102013701B (zh) | 一种高海拔地区电网光伏发电接纳能力计算方法 | |
CN103996082A (zh) | 一种基于双重随机理论的太阳辐射强度预测方法 | |
CN104021427A (zh) | 一种基于因子分析的并网光伏电站日发电量预测方法 | |
CN103761578A (zh) | 基于多元线性回归的太阳辐照预报方法 | |
Fanney et al. | Measured performance of building integrated photovoltaic panels | |
Moser et al. | Filtering procedures for reliable outdoor temperature coefficients in different photovoltaic technologies | |
CN103955749A (zh) | 太阳直接辐射值预测方法和系统 | |
Migliorini et al. | Development and experimental validation of a comprehensive thermoelectric dynamic model of photovoltaic modules | |
Mahjoubi et al. | Real-time analytical model for predicting the cell temperature modules of photovoltaic water pumping systems | |
Markos et al. | Potential of solar energy in Kota Kinabalu, Sabah: An estimate using a photovoltaic system model | |
Lurwan et al. | Predicting power output of photovoltaic systems with solar radiation model | |
Zubair et al. | Analysis of photovoltaic arrays efficiency for reduction of building cooling load in hot climates | |
Snegirev et al. | Functional assessment system of solar power plant energy production | |
Pachman et al. | A study of global solar radiations measurement in java island, indonesia | |
Esmaeili Shayan et al. | Modeling the Performance of Amorphous Silicon in Different Typologies of Curved Building-integrated Photovoltaic Conditions | |
Li et al. | Evaluation of solar radiation models on vertical surface for building photovoltaic applications in Beijing | |
CN106557867B (zh) | 适用中长时间尺度电网分析的光伏发电概率模型建模方法 | |
Liao et al. | Evaluation of temperature dependent models for PV yield prediction | |
Graabak et al. | Developing a wind and solar power data model for Europe with high spatial-temporal resolution | |
Miao et al. | Harnessing climate variables for predicting PV power output: A backpropagation neural network analysis in a subtropical climate region | |
KR20230103984A (ko) | 구름 기상 데이터 기반의 알고리즘이 적용된 태양광 발전 예측 장치 및 그 방법 | |
Rahim et al. | Evaluation of solar radiation abundance and electricity production capacity for application and development of solar energy | |
Batsala et al. | Forecasting day-ahead of power generation from photovoltaic stations and use weather apps.„ | |
Lin et al. | Power prediction model of grid-connected photovoltaic and power flow analysis |
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 |