CN110781458A - 一种基于混合回归模型预测地表太阳辐照度的方法 - Google Patents
一种基于混合回归模型预测地表太阳辐照度的方法 Download PDFInfo
- Publication number
- CN110781458A CN110781458A CN201911042015.3A CN201911042015A CN110781458A CN 110781458 A CN110781458 A CN 110781458A CN 201911042015 A CN201911042015 A CN 201911042015A CN 110781458 A CN110781458 A CN 110781458A
- Authority
- CN
- China
- Prior art keywords
- time
- value
- solar irradiance
- sky
- moment
- 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 53
- 238000004364 calculation method Methods 0.000 claims description 7
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 8
- 230000005855 radiation Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明提供了一种基于全天空图像特征和数值天气预报数据的混合回归模型预测地表太阳辐照度的方法,包括步骤1:获取全天空图像特征;步骤2:计算晴空辐照度;步骤3:构建全天空图像特征和晴空指数的多元回归模型;步骤4:依据步骤3所述模型确定晴空指数预测值,计算地表太阳辐照度预测值;步骤5:构建待测区域历史天气数据和晴空指数的多元回归模型;步骤6:依据步骤5中所述模型确定晴空指数预测值,计算地表太阳辐照度预测值;步骤7:依据地表太阳辐照度历史数据,对步骤4和步骤6所述两种预测值选取不同的权重,作为最终预测结果。该方法在全天空图像特征基础上加入了数值天气预报,结果更加准确,具有很强的可操作性和推广应用价值。
Description
技术领域
本发明涉及太阳能光伏发电功率预测技术领域,更具体涉及一种基于全天空图像特征和数值天气预报数据的地表太阳辐照度预测方法。
背景技术
随着太阳能光伏发电技术的不断完善和太阳能电池成本的不断下降,太阳能光伏发电的应用越来越广泛。作为一种清洁的、可再生能源,近年来,大量光伏电站接入电网。但由于光伏电站能源来源于太阳能,而地面上获取的太阳能会因大气事件(如雨和云)而改变,表现出随机性和波动性的特性。这给电网的安全运行带来了不利影响。准确的预测地表太阳辐照度是实现光伏电站输出功率预测的关键,这对实现电网电力的合理调度、维护电网安全、发挥效率降低成本具有重要作用。
目前国内外预测辐照度的方法有很多,我们把它分为三类:第一类根据历史数据采用统计方法或人工智能的方法建立能够拟合历史数据与未来辐照度实测值之间关系的模型,比较常见的方法有自回归移动平均模型(ARIMA)、人工神经网络(ANN)、KNN最近邻算法(K - Nearest Neighbors)、长短期记忆网络(LSTM)、隐马尔科夫模型(Hidden MarkovModels)和模糊逻辑(Fuzzy Logic)等;第二类是气象或数值天气预报(NWP)模型,该方法通过对描述天气演变过程的物理方程组进行数值计算来实现;第三类是基于全天空图像的模型,通过对云层运动情况进行估计,从而获得地表辐照度值,由于全天空成像仪能实时获得待测区域的全天空图像,对短期和超短期的预测更加准确。专利CN103353952B提供了一种基于地基云图的光伏功率预测方法,该方法利用数字图像处理技术对地基云图进行处理和分析,对未来时刻云团运动和太阳遮挡状况进行预测,从而实现光伏功率超短期预测。专利CN105718711B提供了一种基于全天空图像特征的地表辐射计算方法,该方法通过计算全天空图像特征和辐射衰减率的多元回归模型,并结合大气外太阳辐射值,得到地表辐射预测值。
近年来,随着计算机性能快速发展,数值天气预报的精度不断提高,许多数值天气预报模型深受大家的欢迎,如开源的WRF模型(Weather Research and Forecast Model),可免费访问的美国国家气象局(NWS)、欧洲中期天气预报中心(ECMWF)和中国气象局等。而现有技术中没有较好的实现数值天气预报和全天空图像的有效结合。因此,需要提供一种综合考虑数值天气预报和全天空云图特征的地表太阳辐照度预测方法。
发明内容
针对现有技术存在的缺陷,本发明提供一种基于全天空图像特征和数值天气预报相结合的预测方法进行地表太阳辐照度预测,可有效解决上述问题。
所述预测方法包括以下步骤:
一种基于混合回归模型预测地表太阳辐照度的方法,包括以下步骤:
所述步骤1中计算全天空图像特征包括以下步骤:
为待求系数,求解方法如方程(4)-(5):
(4)
(8)
方程(8)中的参数由下述方程(9)-(16)进行计算:
其中:
为太阳时角;
为真太阳时,以24小时计;
步骤3:构建所述全天空图像特征和晴空指数的多元回归模型;
所述步骤3中的多元回归模型的表达式为:
N为用来拟合参数的样本数;
(20)
步骤5:构建待测区域历史天气数据和晴空指数的多元回归模型;
所述多元回归模型的表达式为:
(21)
N为用来拟合参数的样本数;
(24)
步骤7:获取预测区域至少1年地表太阳辐照度历史数据,记录地表太阳辐照度的这些历史数据间的时间间隔小于或等于5分钟;根据方程(20)、(24)两种地表太阳辐照度预测值与地表太阳辐照度实际值的关系,以均方误差最小为原则,对两个预测值选取不同的权重,从而得到更为精确的地表太阳辐照度预测结果,见(25)式:
优选的是,步骤1中,所述全天空图像包含预测区域至少1年的图像,记录全天空图像的这些历史数据间的时间间隔小于或等于5分钟。
优选的是,其特征在于,步骤1-1中,所述为阈值系数,取0.3,精确计算时,可以根据实际采集的全天空图进行修正。
优选的是,其特征在于,步骤1-1中,所述时刻,=1,对应预测时间是5分钟;=2,对应预测时间是10分钟;=3,对应预测时间是15分钟;=4,对应预测时间是20分钟;=5,对应预测时间是25分钟;=6,对应预测时间是30分钟,所对应的值为+7,将值代入方程(3)计算对应时刻的云像素数预测值。
与现有技术相比,本发明的有益效果在于:
(1)本发明的技术方案中,发明了一种基于全天空图像特征和数值天气预报的混合回归模型预测地表太阳辐照度方法。
(1)本发明将传统的直接辐照度预测转换为对晴空指数的预测,因其已将待测区域的地理位置信息、预测时间等关键信息代入了晴空辐照度模型,使得预测结果更加准确。
(2)本发明构建了全天空图像特征和晴空指数的多元回归模型,运用数字图像处理技术将全天空图像特征提取为当前时刻的云像素数、分钟到时刻的云像素数的平均值和方差,并采用直线趋势法预测时刻的云像素数,用图像特征表征太阳辐照度的变化特征,这样就可以借助图像建立起简单的云层变化与太阳辐照度的关联关系。
(3)本发明构建了待测区域历史天气数据和晴空指数的多元回归模型,将数值天气预报的数据代入模型预测晴空指数,充分发挥了数值天气预报的优势,提高了预测性能。
附图说明
图1为本发明实施例中基于全天空图像特征和数值天气预报的混合回归模型预测地表太阳辐照度方法流程图。
具体实施方式
如图1所示,一种基于混合回归模型预测地表太阳辐照度的方法,包括以下步骤:
优选的,所述全天空图像包含预测区域至少1年的图像,记录全天空图像的这些历史数据间的时间间隔小于或等于5分钟;
所述步骤1中计算全天空图像特征包括以下步骤:
(1)
为待求系数,求解方法如方程(4)-(5):
(5)
优选的,所述时刻(=1,对应预测时间是5分钟; =2,对应预测时间是10分钟;=3,对应预测时间是15分钟;=4,对应预测时间是20分钟;=5,对应预测时间是25分钟;=6,对应预测时间是30分钟)所对应的值为+7,将值代入方程(3)计算对应时刻的云像素数预测值;
优选的,所述步骤2中晴空辐照度采用Dazhi Yang的简化模型(Dazhi Yang,W.Walsh, P. Jirutitijaroen, Estimation and applications of clear sky globalhorizontal irradiance at the equator, J. Sol. Energy Eng. 136 (3) (2014)),采用方程(8)-(16)计算每一个时刻的晴空辐照度;
(8)
方程(8)中的参数由下述方程(9)-(16)进行计算:
其中:
步骤3:构建所述全天空图像特征和晴空指数的多元回归模型;
优选的,所述步骤3中的多元回归模型的表达式为:
N为用来拟合参数的样本数;
步骤5:构建待测区域历史天气数据和晴空指数的多元回归模型;
所述多元回归模型的表达式为:
N为用来拟合参数的样本数;
步骤7:获取预测区域至少1年地表太阳辐照度历史数据,记录地表太阳辐照度的这些历史数据间的时间间隔小于或等于5分钟;根据方程(20)、(24)两种地表太阳辐照度预测值与地表太阳辐照度实际值的关系,以均方误差最小为原则,对两个预测值选取不同的权重,从而得到更为精确的地表太阳辐照度预测结果,见(25)式:
Claims (5)
1.一种基于混合回归模型预测地表太阳辐照度的方法,其特征在于,包括以下步骤:
所述步骤1中计算全天空图像特征包括以下步骤:
(4)
方程(8)中的参数由下述方程(9)-(16)进行计算:
其中:
为太阳赤纬;
为北京时;
步骤3:构建所述全天空图像特征和晴空指数的多元回归模型;
所述步骤3中的多元回归模型的表达式为:
(19)
步骤5:构建待测区域历史天气数据和晴空指数的多元回归模型;
所述多元回归模型的表达式为:
(24)
步骤7:获取预测区域至少1年地表太阳辐照度历史数据,记录地表太阳辐照度的这些历史数据间的时间间隔小于或等于5分钟;根据方程(20)、(24)两种地表太阳辐照度预测值与地表太阳辐照度实际值的关系,以均方误差最小为原则,对两个预测值选取不同的权重,从而得到更为精确的地表太阳辐照度预测结果,见(25)式:
2.如权利要求1所述的一种基于混合回归模型预测地表太阳辐照度的方法,其特征在于,步骤1中,所述全天空图像包含预测区域至少1年的图像,记录全天空图像的这些历史数据间的时间间隔小于或等于5分钟。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911042015.3A CN110781458B (zh) | 2019-10-30 | 2019-10-30 | 一种基于混合回归模型预测地表太阳辐照度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911042015.3A CN110781458B (zh) | 2019-10-30 | 2019-10-30 | 一种基于混合回归模型预测地表太阳辐照度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110781458A true CN110781458A (zh) | 2020-02-11 |
CN110781458B CN110781458B (zh) | 2023-04-07 |
Family
ID=69387517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911042015.3A Active CN110781458B (zh) | 2019-10-30 | 2019-10-30 | 一种基于混合回归模型预测地表太阳辐照度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110781458B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111210095A (zh) * | 2020-03-12 | 2020-05-29 | 深圳前海微众银行股份有限公司 | 发电量预测方法、装置、设备及计算机可读存储介质 |
CN112632311A (zh) * | 2020-05-21 | 2021-04-09 | 南京大学 | 一种基于深度学习的云层变化趋势预测方法 |
CN112801427A (zh) * | 2021-04-08 | 2021-05-14 | 国能日新科技股份有限公司 | 基于XGBoost的光伏辐照度预报方法及系统 |
CN115689067A (zh) * | 2022-12-30 | 2023-02-03 | 国能日新科技股份有限公司 | 太阳辐照度预测方法、装置及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761578A (zh) * | 2013-12-25 | 2014-04-30 | 国家电网公司 | 基于多元线性回归的太阳辐照预报方法 |
EP2891904A1 (en) * | 2014-01-07 | 2015-07-08 | ABB Technology AB | Solar irradiance forecasting |
CN105718711A (zh) * | 2014-12-05 | 2016-06-29 | 国家电网公司 | 一种基于全天空图像特征的地表辐射计算方法 |
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 |
CN106934726A (zh) * | 2015-12-31 | 2017-07-07 | 中国电力科学研究院 | 一种基于全天空图像云指数的地表辐射预测方法 |
CN108121990A (zh) * | 2017-11-27 | 2018-06-05 | 中国电力科学研究院有限公司 | 一种基于全天空成像设备的太阳辐照度预测方法和装置 |
US20180175790A1 (en) * | 2015-06-23 | 2018-06-21 | Qatar Foundation For Education, Science And Community Development | Method of forecasting for solar-based power systems |
CN109543721A (zh) * | 2018-11-05 | 2019-03-29 | 中国科学院寒区旱区环境与工程研究所 | 一种晴间多云天气情况下的太阳辐照度超短期预报方法 |
-
2019
- 2019-10-30 CN CN201911042015.3A patent/CN110781458B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761578A (zh) * | 2013-12-25 | 2014-04-30 | 国家电网公司 | 基于多元线性回归的太阳辐照预报方法 |
EP2891904A1 (en) * | 2014-01-07 | 2015-07-08 | ABB Technology AB | Solar irradiance forecasting |
CN105718711A (zh) * | 2014-12-05 | 2016-06-29 | 国家电网公司 | 一种基于全天空图像特征的地表辐射计算方法 |
US20180175790A1 (en) * | 2015-06-23 | 2018-06-21 | Qatar Foundation For Education, Science And Community Development | Method of forecasting for solar-based power systems |
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 |
CN106934726A (zh) * | 2015-12-31 | 2017-07-07 | 中国电力科学研究院 | 一种基于全天空图像云指数的地表辐射预测方法 |
CN108121990A (zh) * | 2017-11-27 | 2018-06-05 | 中国电力科学研究院有限公司 | 一种基于全天空成像设备的太阳辐照度预测方法和装置 |
CN109543721A (zh) * | 2018-11-05 | 2019-03-29 | 中国科学院寒区旱区环境与工程研究所 | 一种晴间多云天气情况下的太阳辐照度超短期预报方法 |
Non-Patent Citations (5)
Title |
---|
CHI WAI CHOW等: "Intra-hour forecasting with a total sky imager at the UC San Diego solar energy testbed" * |
CHIA-LINFU等: "Predicting solar irradiance with all-sky image features via regression" * |
HSU-YUNGCHENG等: "Bi-model short-term solar irradiance prediction using support vector regressors" * |
王哲;王飞;刘力卿;郭佳;: "基于多元回归分析的光伏电站太阳辐射曝辐量模型" * |
郁云;许昌;曹潇;魏瑾;徐坚;: "云图纹理分析结合SVM的地表太阳辐射预测" * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111210095A (zh) * | 2020-03-12 | 2020-05-29 | 深圳前海微众银行股份有限公司 | 发电量预测方法、装置、设备及计算机可读存储介质 |
WO2021179700A1 (zh) * | 2020-03-12 | 2021-09-16 | 深圳前海微众银行股份有限公司 | 发电量预测方法、装置、设备及计算机可读存储介质 |
CN111210095B (zh) * | 2020-03-12 | 2022-02-18 | 深圳前海微众银行股份有限公司 | 发电量预测方法、装置、设备及计算机可读存储介质 |
CN112632311A (zh) * | 2020-05-21 | 2021-04-09 | 南京大学 | 一种基于深度学习的云层变化趋势预测方法 |
CN112632311B (zh) * | 2020-05-21 | 2023-12-15 | 南京大学 | 一种基于深度学习的云层变化趋势预测方法 |
CN112801427A (zh) * | 2021-04-08 | 2021-05-14 | 国能日新科技股份有限公司 | 基于XGBoost的光伏辐照度预报方法及系统 |
CN112801427B (zh) * | 2021-04-08 | 2021-08-20 | 国能日新科技股份有限公司 | 基于XGBoost的光伏辐照度预报方法及系统 |
CN115689067A (zh) * | 2022-12-30 | 2023-02-03 | 国能日新科技股份有限公司 | 太阳辐照度预测方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110781458B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110781458B (zh) | 一种基于混合回归模型预测地表太阳辐照度的方法 | |
Assouline et al. | Large-scale rooftop solar photovoltaic technical potential estimation using Random Forests | |
CN109543721B (zh) | 一种晴间多云天气情况下的太阳辐照度超短期预报方法 | |
Bacher et al. | Online short-term solar power forecasting | |
Nuño et al. | On the simulation of aggregated solar PV forecast errors | |
CN113128793A (zh) | 一种基于多源数据融合的光伏功率组合预测方法及系统 | |
JP6693330B2 (ja) | 太陽光発電システムの動作 | |
Dazhi et al. | The estimation of clear sky global horizontal irradiance at the equator | |
CN107133685B (zh) | 光伏发电系统发电量的预测方法及预测系统 | |
US10770898B2 (en) | Methods and systems for energy use normalization and forecasting | |
CN114707688A (zh) | 基于卫星云图和时空神经网络的光伏功率超短期预测方法 | |
Guo et al. | VIC distributed hydrological model to predict climate change impact in the Hanjiang basin | |
Han et al. | Utilising high-fidelity 3D building model for analysing the rooftop solar photovoltaic potential in urban areas | |
CN116722544B (zh) | 分布式光伏短期预测方法、装置、电子设备及存储介质 | |
CN117374956A (zh) | 一种针对综合能源站光伏发电的短期预测方法 | |
Huang et al. | Predicting intra-hour variability of solar irradiance using hourly local weather forecasts | |
Hatanaka et al. | Diffusion models for high-resolution solar forecasts | |
CN114819264A (zh) | 一种基于时空依赖的光伏电站辐照度超短期预测方法及存储介质 | |
CN117350157A (zh) | 基于时空映射区域辐照度估计及分布式光伏功率预测方法 | |
CN117277304A (zh) | 考虑日出日落时间的光伏发电超短期功率预测方法、系统 | |
CN114282444A (zh) | 一种基于智能融合终端的分布式负荷预测方法及系统 | |
CN116260141B (zh) | 一种光伏电站功率的重构方法、系统及重构终端 | |
Chen et al. | Solar radiation nowcasting through advanced CNN model integrated with ResNet structure | |
CN115115124B (zh) | 基于dtw气象偏移矫正的分布式光伏出力预测方法及装置 | |
Doornkamp | Dependable Probabilistic Energy Forecasting of Solar Energy for Energy Management Systems |
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 | ||
OL01 | Intention to license declared | ||
OL01 | Intention to license declared |