CN111414582B - 一种光伏理论功率计算方法、装置、设备和存储介质 - Google Patents

一种光伏理论功率计算方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN111414582B
CN111414582B CN202010171045.0A CN202010171045A CN111414582B CN 111414582 B CN111414582 B CN 111414582B CN 202010171045 A CN202010171045 A CN 202010171045A CN 111414582 B CN111414582 B CN 111414582B
Authority
CN
China
Prior art keywords
data
power
irradiance
actual
photovoltaic
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
CN202010171045.0A
Other languages
English (en)
Other versions
CN111414582A (zh
Inventor
祁乐
唐健
江平
宋美洋
王彦文
田伟
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.)
Beijing East Environment Energy Technology Co ltd
Guangxi Power Grid Co Ltd
Original Assignee
Beijing East Environment Energy Technology Co ltd
Guangxi Power Grid 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 Beijing East Environment Energy Technology Co ltd, Guangxi Power Grid Co Ltd filed Critical Beijing East Environment Energy Technology Co ltd
Priority to CN202010171045.0A priority Critical patent/CN111414582B/zh
Publication of CN111414582A publication Critical patent/CN111414582A/zh
Application granted granted Critical
Publication of CN111414582B publication Critical patent/CN111414582B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • 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

本发明实施例公开了一种光伏理论功率计算方法、装置、设备和存储介质，该方法包括：根据预设时间内的辐照度数据确定日最大辐照度数据，根据预设时间内的实际功率数据确定最优稳定系数，根据日最大辐照度数据和最优稳定系数以及实际辐照度计算光伏理论功率，其中光伏理论功率与实际辐照度以及最优稳定系数正相关，且光伏理论功率与日最大辐照度数据负相关。由此，根据预设时间内的辐照度数据和实际功率数据分别确定日最大辐照度数据和最优稳定系数，再根据日最大辐照度数据、最优稳定系数以及实际辐照度可以计算出光伏理论功率。实现以简单、自适应性强的算法提高光伏理论功率计算精度的效果。

Description

一种光伏理论功率计算方法、装置、设备和存储介质
技术领域
本发明实施例涉及光伏电站技术领域，尤其涉及一种光伏理论功率计算方法、装置、设备和存储介质。
背景技术
受限于电网调度的调控，光伏电站中的逆变器不可能都处于满发状态，即自由发电的状态。由于大型光伏电站具有光伏阵列面积大，排布分散，组件性能有所差异等特点，尽可能准确计算光伏电站当前状态的理论功率，为电网调度提供更准确的理论依据成为亟待解决的实际问题。
目前，光伏理论功率计算方法主要有：一种基于分类样板逆变器的光伏电站理论功率计算方法，其根据逆变器型号、额定容量的不同对光伏电站逆变器进行分组；对同一组内的逆变器，按照不同时刻实发功率的不同进行分类；确定每一类逆变器中样板逆变器的实际功率，计算每一类逆变器可增功率；计算每组逆变器的可增功率；最后，计算整个光伏电站的理论功率。
现有的计算方法能够实现光伏理论功率的计算，但存在不足：一方面，数据的质量受逆变器的运行状态影响比较大，而逆变器的运行状态不稳定；另一方面，需要计算的因数的种类多、数量多，且计算前需要进行大量的分组和分类，可见其计算过程复杂且工作量大，耗费更多的人力物力，计算成本比较大。
发明内容
本发明提供一种光伏理论功率计算方法、装置、设备和存储介质，实现以简单、自适应性强的算法提高光伏理论功率计算精度的效果。
第一方面，本发明实施例提供了一种光伏理论功率计算方法，该方法包括：
根据预设时间内的辐照度数据确定日最大辐照度数据；
根据所述预设时间内的实际功率数据确定最优稳定系数，其中所述最优稳定系数满足所述预设时间内各实际日最大功率与所述最优稳定系数差值的平方和最小；
根据所述日最大辐照度数据和所述最优稳定系数以及实际辐照度计算光伏理论功率；其中所述光伏理论功率与所述实际辐照度以及所述最优稳定系数正相关，且所述光伏理论功率与所述日最大辐照度数据负相关。
第二方面，本发明实施例还提供了一种光伏理论功率计算装置，该装置包括：
日最大辐照度数据确定模块，所述日最大辐照度数据确定模块用于根据预设时间内的辐照度数据确定日最大辐照度数据；
最优稳定系数确定模块，所述最优稳定系数确定模块用于根据所述预设时间内的实际功率数据确定最优稳定系数，其中所述最优稳定系数满足所述预设时间内各实际日最大功率与所述最优稳定系数差值的平方和最小；
光伏理论功率计算模块，所述光伏理论功率计算模块用于根据所述日最大辐照度数据和所述最优稳定系数以及实际辐照度计算光伏理论功率；其中所述光伏理论功率与所述实际辐照度以及所述最优稳定系数正相关，且所述光伏理论功率与所述日最大辐照度数据负相关。
第三方面，本发明实施例还提供了一种设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的方法。
本发明通过提供一种光伏理论功率计算方法，该方法包括：根据预设时间内的辐照度数据确定日最大辐照度数据，根据预设时间内的实际功率数据确定最优稳定系数，其中最优稳定系数满足预设时间内各实际日最大功率与最优稳定系数差值的平方和最小，根据日最大辐照度数据和最优稳定系数以及实际辐照度计算光伏理论功率，其中光伏理论功率与实际辐照度以及最优稳定系数正相关，且光伏理论功率与日最大辐照度数据负相关。由此，首先根据预设时间内的辐照度数据和实际功率数据分别确定日最大辐照度数据和最优稳定系数，然后再根据日最大辐照度数据、最优稳定系数以及实际辐照度可以计算出光伏理论功率。解决现有技术中存在理论功率计算时数据的质量受逆变器的运行状态影响比较大、计算过程复杂且工作量大，耗费更多的人力物力，计算成本比较大的问题，实现以简单、自适应性强的算法提高光伏理论功率计算精度的效果。
附图说明
图1是本发明实施例一中的一种光伏理论功率计算方法的流程图；
图2是本发明实施例二中的一种光伏理论功率计算方法的流程图；
图3是本发明实施例三中的一种光伏理论功率计算装置的结构框图；
图4是本发明实施例四中的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种光伏理论功率计算方法的流程图，本实施例可适用于光伏理论功率的计算方法的实现，该方法可以由本发明任意实施例所提供的光伏理论功率计算装置来执行，具体包括如下步骤：
步骤110、根据预设时间内的辐照度数据确定日最大辐照度数据；
其中，预设时间可以为一年，或者其他合适的时间值，如6个月，2年等，本发明实施例以预设时间为一年进行示例性说明，下同。根据预设时间内的辐照度数据确定日最大辐照度数据，具体地，根据辐照仪采集的历史完整一年的辐照度数据，计算得到光伏电站一年中的每天的最大辐照度数据，即确定日最大辐照度数据。
步骤120、根据预设时间内的实际功率数据确定最优稳定系数，其中最优稳定系数满足预设时间内各实际日最大功率与最优稳定系数差值的平方和最小；
其中，根据预设时间内的实际功率数据获取最优稳定系数包括：根据最小二乘递归法确定最优稳定系数，通过该方法可以更准确的寻找到最优稳定系数，进而可以提高理论功率计算的精度。
其中，根据最小二乘递归法确定最优稳定系数具体过程为：以预设时间为一年为例，设y为一年中每日的实际日最大功率的样本值，ypre为要求解的平均日最大功率，SE为误差平方和，则根据最小二乘法公式：
SE＝∑(ypre-y)2
当误差平方和SE最小时，得到此时的平均日最大功率就是最优稳定系数。
步骤130、根据日最大辐照度数据和最优稳定系数以及实际辐照度计算光伏理论功率；其中光伏理论功率与实际辐照度以及最优稳定系数正相关，且光伏理论功率与日最大辐照度数据负相关。
具体地，由于步骤110中日最大辐照度根据预设时间内的辐照度数据确定，则对应不同辐照度数据的光伏电站的日最大辐照度不同；由于步骤120中最优稳定系数由预设时间内的实际功率数据，则在预设时间内对应不同实际功率的光伏电站的最优稳定系数也会存在差异，即对于不同光伏电站均可根据其对应的辐照度数据得到对应的日最大辐照度数据，对于不同光伏电站也可根据其对应的实际功率数据得到对应的最优稳定系数，根据上述步骤130计算光伏理论功率时，由于光伏理论功率与实际辐照度以及最优稳定系数正相关，且光伏理论功率与日最大辐照度数据负相关，使得对于不同辐照度数据的光伏电站和/或对应不同实际功率的光伏电站的光伏理论功率不同，进而使得根据本实施例提供的光伏理论功率计算方法计算得到的光伏理论功率具有自适应性，进而准确计算出光伏电站的理论功率。
该光伏理论功率计算方法的工作原理：以预设时间为一年为例，首先根据辐照仪采集的历史的完整一年的辐照度数据，确定这一年中每日的最大辐照度数据，即确定日最大辐照度数据；然后根据这一年内的历史的实际功率数据计算得到最优稳定数据；最后根据实际的辐照度和确定的日最大辐照度数据和确定的最优稳定系数计算出光伏理论功率。本实施例的技术方案，通过提供一种光伏理论功率计算方法，该方法包括：根据预设时间内的辐照度数据确定日最大辐照度数据，根据预设时间内的实际功率数据确定最优稳定系数，其中最优稳定系数满足预设时间内各实际日最大功率与最优稳定系数差值的平方和最小，根据日最大辐照度数据和最优稳定系数以及实际辐照度计算光伏理论功率，其中光伏理论功率与实际辐照度以及最优稳定系数正相关，且光伏理论功率与日最大辐照度数据负相关。由此，首先根据预设时间内的辐照度数据和实际功率数据分别确定日最大辐照度数据和最优稳定系数，然后再根据日最大辐照度数据、最优稳定系数以及实际辐照度可以计算出光伏理论功率。解决了现有技术中存在理论功率计算时数据的质量受逆变器的运行状态影响比较大、计算过程复杂且工作量大，耗费更多的人力物力，计算成本比较大的问题，实现以简单、自适应性强的算法提高光伏理论功率计算精度的效果。
实施例二
图2为本发明实施例二中提供的一种光伏理论功率计算方法的流程图。参考图2，光伏理论功率计算方法包括：步骤210、获取预设时间内的辐照度数据和预设时间内的实际功率数据；
其中，可通过辐照仪获取一年中的历史辐照度数据，以及可通过历史的记录获取这一年中的实际功率数据。
步骤220、对预设时间内的辐照度数据和预设时间内的实际功率数据进行筛选处理；
其中，由于原始采集数据中通常会有很多重要属性的数据有缺失，如果简单的抛弃缺失值、错误值，对数据的应用可能造成严重影响，也改变了原始数据的真实性。因而，需要对这一年中的历史辐照度数据和实际功率数据进行筛选，去除空值、连续重复值和不合理值，筛选出正常运行状态的数据。
其中，对预设时间内的辐照度数据和预设时间内的实际功率进行筛选处理包括：缺数处理、死数处理和错数处理。
其中，缺数包括相邻的两个数据的时间点的时间差大于数据整体的分辨率的数据。死数包括连续相邻数据的绝对偏差为零的个数大于或等于第一预设个数的数据。其中，第一预设个数可以为8。以辐照度数据为例，当辐照度数据大于零(非夜间)时，当连续相邻数据的绝对偏差为零的个数大于或等于8时，则认为出现死数；当辐照度数据等于零(夜间)时，则将数据强制归为零值。错数包括预设数据范围外的数据，比如，假设光伏辐照度数据的合理范围为[0，2000]W/㎡，当辐照度数据出现在这个合理范围外时，则认为该数据为错数；比如，假设全场实际功率的合理范围为：[–额定装机容量(MW)×10％，额定装机容量(MW)×110％]，当历史实际功率数据出现在该合理范围之外的情况时，则认为该历史实际功率数据为错数；比如，假设单机输出功率的合理范围为：[–单机额定功率(MW)×10％，单机额定功率(MW)×110％]，当单机输出功率数据出现在该合理范围之外，则认为该电机输出功率数据为错数；再比如，假设全场预测功率的合理范围为：[0，额定装机容量(MW)×110％]，当预测功率数据出现在该合理范围之外，则认为该预测功率数据为错数。
当数据出现缺数、死数、错数等情况时，需要对这些数据进行处理。其中，缺数处理包括：当数据缺失个数小于第二预设个数时，采用插值法进行数据填补，其中，第二预设个数可以为8个。例如，当数据缺失小于8个时，可以采用差值方法进行填补，如线性差值法；当数据缺失个数大于或等于第二预设个数时，删除缺失的数据，例如，当数据缺失大于或等于8个时，如果对数据处理不产生影响，直接将该数据删除。
死数处理包括：当数据出现死数时，删除数据；例如，当数据出现大于或等于8个连续相邻数据的绝对偏差等于0的非零值时,直接将该数据删除。
错数处理包括：当数据在预设数据范围外且小于预设数据范围的最小阈值时，则以最小阈值取代该数据；当数据在预设数据范围外且大于该预设数据范围的最大阈值时，则以最大阈值取代该数据。以辐照度数据处理为例，设辐照度数据的预设数据范围为[0,2000]，单位为W/㎡；当辐照度数据小于零时，则以零值代替该数据；当辐照度数据大于2000时，则以2000代替该数据。以历史实际功率数据处理为例，设历史实际功率数据范围为[Tp1,Tp2]，当实际功率数据小于Tp1时，则以Tp1代替该数据，其中Tp1＝-P*10％(P为最大单机额定功率，即整场装机容量)；当实际功率数据大于Tp2时，以Tp2代替该数据，其中Tp2＝P*110％(P为最大单机额定功率，即整场装机容量)。
步骤230、根据筛选后的预设时间内的辐照度数据确定日最大辐照度数据。
步骤240、根据预设时间内的实际功率数据确定最优稳定系数，其中最优稳定系数满足预设时间内各实际日最大功率与最优稳定系数差值的平方和最小；
步骤250、根据日最大辐照度数据和最优稳定系数以及实际辐照度计算光伏理论功率；其中光伏理论功率与实际辐照度以及最优稳定系数正相关，且光伏理论功率与日最大辐照度数据负相关。
可选地，该步骤250包括：
Figure GDA0002423981820000081
其中，Power为光伏理论功率，Radiation为输入的所述实际辐照度数据，Index为最优稳定系数，Rmax为日最大辐照度数据。
由此可知，当需要计算光伏理论功率时，只需要输入实际的辐照度数据，再根据已确定的日最大辐照度数据和最优稳定系数就可以计算出光伏理论功率，该算法简单且自适应性强。
实施例三
图3为本发明实施例三中提供的一种光伏理论功率计算装置的结构框图。在上述实施例的基础上，参考图3，该光伏理论功率计算装置300包括：
日最大辐照度数据确定模块310，日最大辐照度数据确定模块310用于根据预设时间内的辐照度数据确定日最大辐照度数据；
最优稳定系数确定模块320，最优稳定系数确定模块320用于根据预设时间内的实际功率数据确定最优稳定系数，其中最优稳定系数满足预设时间内各实际日最大功率与最优稳定系数差值的平方和最小；
光伏理论功率计算模块330，光伏理论功率计算模块330用于根据日最大辐照度数据和最优稳定系数以及实际辐照度计算光伏理论功率；其中光伏理论功率与实际辐照度以及最优稳定系数正相关，且光伏理论功率与日最大辐照度数据负相关。
本实施例的技术方案，通过提供一种光伏理论功率计算方法，该方法包括：根据预设时间内的辐照度数据确定日最大辐照度数据，根据预设时间内的实际功率数据确定最优稳定系数，其中最优稳定系数满足预设时间内各实际日最大功率与最优稳定系数差值的平方和最小，根据日最大辐照度数据和最优稳定系数以及实际辐照度计算光伏理论功率，其中光伏理论功率与实际辐照度以及最优稳定系数正相关，且光伏理论功率与日最大辐照度数据负相关。由此，首先根据预设时间内的辐照度数据和实际功率数据分别确定日最大辐照度数据和最优稳定系数，然后再根据日最大辐照度数据、最优稳定系数以及实际辐照度可以计算出光伏理论功率。解决了现有技术中存在理论功率计算时数据的质量受逆变器的运行状态影响比较大、计算过程复杂且工作量大，耗费更多的人力物力，计算成本比较大的问题，实现以简单、自适应性强的算法提高光伏理论功率计算精度的效果。
本发明实施例所提供的光伏理论功率计算装置可执行本发明任意实施例所提供的光伏理论功率计算方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四中提供的一种设备的结构示意图，如图4所示，该设备包括处理器410、存储器420、输入装置430和输出装置440；设备中处理器410的数量可以是一个或多个，图4中以一个处理器410为例；设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的光伏理论功率计算方法对应的程序指令/模块(例如，光伏理论功率计算装置300中的日最大辐照度数据确定模块310、最优稳定系数确定模块320和光伏理论功率计算模块330)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的光伏理论功率计算方法。
存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种计算机可读存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种光伏理论功率计算方法，该方法包括：
根据预设时间内的辐照度数据确定日最大辐照度数据；
根据预设时间内的实际功率数据确定最优稳定系数，其中最优稳定系数满足预设时间内各实际日最大功率与最优稳定系数差值的平方和最小；
根据日最大辐照度数据和最优稳定系数以及实际辐照度计算光伏理论功率；其中光伏理论功率与实际辐照度以及最优稳定系数正相关，且光伏理论功率与日最大辐照度数据负相关。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的光伏理论功率计算方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (9)

1.一种光伏理论功率计算方法，其特征在于，包括：
根据预设时间内的辐照度数据确定日最大辐照度数据；
根据所述预设时间内的实际功率数据确定最优稳定系数，其中所述最优稳定系数满足所述预设时间内各实际日最大功率与所述最优稳定系数差值的平方和最小；其中，所述根据所述预设时间内的实际功率数据获取最优稳定系数包括：根据最小二乘递归法确定最优稳定系数；其中，根据最小二乘法公式：
SE＝∑(ypre-y)2
当误差平方和SE最小时，得到此时的平均日最大功率就是最优稳定系数；其中，以预设时间为一年为例，y为一年中每日的实际日最大功率的样本值，ypre为要求解的平均日最大功率，SE为误差平方和；
根据所述日最大辐照度数据和所述最优稳定系数以及实际辐照度计算光伏理论功率；其中所述光伏理论功率与所述实际辐照度以及所述最优稳定系数正相关，且所述光伏理论功率与所述日最大辐照度数据负相关。
2.根据权利要求1所述的光伏理论功率计算方法，其特征在于，在所述根据预设时间内的辐照度数据确定日最大辐照度数据之前，还包括：
获取预设时间内的辐照度数据和所述预设时间内的实际功率数据；
对所述预设时间内的辐照度数据和所述预设时间内的实际功率数据进行筛选处理；
所述根据预设时间内的辐照度数据确定日最大辐照度数据包括：
根据筛选后的所述预设时间内的辐照度数据确定日最大辐照度数据。
3.根据权利要求2所述的光伏理论功率计算方法，其特征在于，所述对所述预设时间内的辐照度数据和所述预设时间内的实际功率进行筛选处理包括：缺数处理、死数处理和错数处理；
其中，所述缺数包括相邻的两个数据的时间点的时间差大于数据整体的分辨率的数据；
所述死数包括连续相邻数据的绝对偏差为零的个数大于或等于第一预设个数的数据；
所述错数包括预设数据范围外的数据。
4.根据权利要求3所述的光伏理论功率计算方法，其特征在于，
所述缺数处理包括：当数据缺失个数小于第二预设个数时，采用插值法进行数据填补；
当数据缺失个数大于或等于第二预设个数时，删除所述缺失的数据；
所述死数处理包括：当数据出现死数时，删除所述数据；
所述错数处理包括当数据在所述预设数据范围外且小于所述预设数据范围的最小阈值时，则以所述最小阈值取代所述数据；当数据在所述预设数据范围外且大于所述预设数据范围的最大阈值时，则以所述最大阈值取代所述数据。
5.根据权利要求1所述的光伏理论功率计算方法，其特征在于，所述根据所述日最大辐照度数据和所述最优稳定系数以及实际辐照度计算光伏理论功率包括：
根据如下公式计算所述光伏理论功率：
Figure FDA0003723605720000021
其中，Power为光伏理论功率，Radiation为输入的所述实际辐照度数据，Index为最优稳定系数，Rmax为日最大辐照度数据。
6.根据权利要求1所述的光伏理论功率计算方法，其特征在于，所述预设时间为一年。
7.一种光伏理论功率计算装置，其特征在于，包括：
日最大辐照度数据确定模块，所述日最大辐照度数据确定模块用于根据预设时间内的辐照度数据确定日最大辐照度数据；
最优稳定系数确定模块，所述最优稳定系数确定模块用于根据所述预设时间内的实际功率数据确定最优稳定系数，其中所述最优稳定系数满足所述预设时间内各实际日最大功率与所述最优稳定系数差值的平方和最小；其中，所述根据所述预设时间内的实际功率数据获取最优稳定系数包括：根据最小二乘递
归法确定最优稳定系数；其中，根据最小二乘法公式：SE＝∑(ypre-y)2
当误差平方和SE最小时，得到此时的平均日最大功率就是最优稳定系数；其中，以预设时间为一年为例，y为一年中每日的实际日最大功率的样本值，ypre为要求解的平均日最大功率，SE为误差平方和；
光伏理论功率计算模块，所述光伏理论功率计算模块用于根据所述日最大辐照度数据和所述最优稳定系数以及实际辐照度计算光伏理论功率；其中所述光伏理论功率与所述实际辐照度以及所述最优稳定系数正相关，且所述光伏理论功率与所述日最大辐照度数据负相关。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一所述的方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN202010171045.0A 2020-03-12 2020-03-12 一种光伏理论功率计算方法、装置、设备和存储介质 Active CN111414582B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010171045.0A CN111414582B (zh) 2020-03-12 2020-03-12 一种光伏理论功率计算方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010171045.0A CN111414582B (zh) 2020-03-12 2020-03-12 一种光伏理论功率计算方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN111414582A CN111414582A (zh) 2020-07-14
CN111414582B true CN111414582B (zh) 2022-12-27

Family

ID=71492889

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010171045.0A Active CN111414582B (zh) 2020-03-12 2020-03-12 一种光伏理论功率计算方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN111414582B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116091263B (zh) * 2023-03-03 2023-06-06 北京东润环能科技股份有限公司 光伏电站的理论功率计算方法及相关设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4341345A (en) * 1980-02-19 1982-07-27 Honeywell Inc. Method and apparatus for power load shedding
JP2005252172A (ja) * 2004-03-08 2005-09-15 Tokyo Univ Of Science 太陽光発電システムの電力見積方法、設計支援方法およびプログラム
CN103064459A (zh) * 2012-12-20 2013-04-24 浙江工业大学 光伏电池阵列完全可重构电气系统的重构优化方法
JP2013164286A (ja) * 2012-02-09 2013-08-22 Toshiba Corp 日射量予測方法、太陽光発電出力予測方法、及びシステム
CN103559561A (zh) * 2013-11-13 2014-02-05 上海电气集团股份有限公司 一种光伏电站辐照度的超短期预测方法
CN105956685A (zh) * 2016-04-20 2016-09-21 南京国电南自电网自动化有限公司 一种光伏功率因子表预测方法
CN110737876A (zh) * 2019-09-26 2020-01-31 国家电网公司华北分部 区域电网光伏功率预测优化方法和装置

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102034350B (zh) * 2009-09-30 2012-07-25 北京四通智能交通系统集成有限公司 交通流数据短时预测方法及系统
CN101694942B (zh) * 2009-10-16 2011-03-02 山东电力研究院 最大功率追踪方法
CN101783621B (zh) * 2010-02-08 2011-11-30 北京工商大学 光伏发电系统全局最大功率点跟踪方法
US8165812B2 (en) * 2011-07-25 2012-04-24 Clean Power Research, L.L.C. Computer-implemented system and method for estimating power data for a photovoltaic power generation fleet
CN103208029B (zh) * 2013-03-11 2016-08-03 中国电力科学研究院 基于净空模型的光伏电站超短期功率预测方法
CN103106314B (zh) * 2013-03-12 2015-09-16 重庆大学 太阳能光伏电源输出功率的时序概率建模方法
CN103678872B (zh) * 2013-09-27 2016-08-31 国家电网公司 一种光伏发电系统性能评估方法及装置
CN103823504B (zh) * 2014-03-20 2016-01-20 常州工学院 一种基于最小二乘支持向量机的最大功率跟踪控制方法
CN103944508A (zh) * 2014-03-22 2014-07-23 联合光伏（深圳）有限公司 一种光伏阵列的性能优化及诊断方法
CN105226639B (zh) * 2015-09-07 2018-07-03 中国东方电气集团有限公司 基于系统等效电价最低的微网系统设计方案及测试平台
CN105678402A (zh) * 2015-12-29 2016-06-15 北京国能日新系统控制技术有限公司 一种基于季节分区的光伏功率预测方法
CN107546765A (zh) * 2016-06-27 2018-01-05 新疆金风科技股份有限公司 光伏电站容量配置方法与装置
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
CN108960541A (zh) * 2017-05-17 2018-12-07 国网辽宁省电力有限公司鞍山供电公司 基于云数据分析的分布式光伏系统效率评估方法及装置
CN108647812A (zh) * 2018-04-28 2018-10-12 东华大学 基于主成分自适应bp神经网络的短期电力负荷预测方法
CN109360111A (zh) * 2018-09-26 2019-02-19 中国平安人寿保险股份有限公司 问卷数据修正方法、装置、计算机设备和存储介质
CN109389311A (zh) * 2018-10-16 2019-02-26 河海大学常州校区 一种基于气象条件计算光伏组件输出功率影响因子的方法
CN109345046B (zh) * 2018-12-05 2020-07-07 国能日新科技股份有限公司 光伏功率的预测方法及装置
CN109871977A (zh) * 2018-12-25 2019-06-11 广东电网有限责任公司 基于离散小波变换和优化最小支持向量机的负荷预测方法
CN110147123A (zh) * 2019-06-03 2019-08-20 合肥阳光新能源科技有限公司 一种光伏组件跟踪系统及其控制器和角度控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4341345A (en) * 1980-02-19 1982-07-27 Honeywell Inc. Method and apparatus for power load shedding
JP2005252172A (ja) * 2004-03-08 2005-09-15 Tokyo Univ Of Science 太陽光発電システムの電力見積方法、設計支援方法およびプログラム
JP2013164286A (ja) * 2012-02-09 2013-08-22 Toshiba Corp 日射量予測方法、太陽光発電出力予測方法、及びシステム
CN103064459A (zh) * 2012-12-20 2013-04-24 浙江工业大学 光伏电池阵列完全可重构电气系统的重构优化方法
CN103559561A (zh) * 2013-11-13 2014-02-05 上海电气集团股份有限公司 一种光伏电站辐照度的超短期预测方法
CN105956685A (zh) * 2016-04-20 2016-09-21 南京国电南自电网自动化有限公司 一种光伏功率因子表预测方法
CN110737876A (zh) * 2019-09-26 2020-01-31 国家电网公司华北分部 区域电网光伏功率预测优化方法和装置

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Decision Technique of Solar Radiation Prediction Applying Recurrent Neural Network for Short-Term Ahead Power Output of Photovoltaic System;Atsushi Yona等;《Scientific Research》;20130615(第4期);第32页-38页 *
LS-SVM 算法在光伏短期功率预测中的应用;杨育刚等;《国网技术学院学报》;20141030;第17卷(第5期);第1页-5页 *
基于实时功率曲线的风电机组出力特性研究;范奇等;《节能技术》;20191126;第37卷(第218期);第557页-570页 *
基于数值天气预报的光伏功率短期预测分类组合算法;张俊等;《广东电力》;20190626;第32卷(第6期);第55页-60页 *
基于神经网络的光伏发电功率预测研究;李松威等;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20170715(第7期);第C042-261页 *
气溶胶光学厚度对辐照度预报的影响;宋美洋等;《太阳能技术产品与工程》;20181128;第52页-59页 *

Also Published As

Publication number Publication date
CN111414582A (zh) 2020-07-14

Similar Documents

Publication Publication Date Title
CN114298863B (zh) 一种智能抄表终端的数据采集方法及系统
CN108197774B (zh) 一种分布式光伏发电量异常诊断的方法及装置
AU2022204116A1 (en) Verification method for electrical grid measurement data
CN111414582B (zh) 一种光伏理论功率计算方法、装置、设备和存储介质
CN109613324A (zh) 一种谐波放大的检测方法及装置
CN113139880A (zh) 风电机组实际功率曲线拟合方法、装置、设备及存储介质
CN112002949A (zh) 一种动力电池主动均衡的监测管理方法及系统
CN111177128B (zh) 基于改进的离群点检测算法的计量大数据批量处理方法及系统
CN114418226A (zh) 电力通信系统的故障分析方法及装置
CN115542176A (zh) 电池模组中电压一致性监测方法、系统、存储介质及终端
CN112508260B (zh) 基于对比学习的配电变压器中长期负荷预测方法及装置
CN106022590B (zh) 有源配电网的电压质量评估方法和装置
CN112464059A (zh) 配电网用户分类方法、装置、计算机设备和存储介质
CN113238911B (zh) 告警处理方法及装置
CN112801817B (zh) 一种电能质量数据中心构建方法及其系统
WO2020135894A2 (zh) 限制短路电流的输电线路投切组合方案建立方法及装置
CN114116837A (zh) 数据处理方法、装置、计算机设备和存储介质
CN111597096B (zh) 一种基准测试方法、系统及终端设备
CN114356900A (zh) 一种电力数据异常检测方法、装置、设备及介质
CN108123436B (zh) 基于主成分分析和多元回归算法的电压越限预测模型
CN108599145B (zh) 一种电网多重故障筛选方法和系统
CN115018366B (zh) 储能系统工作状态监测方法、装置、存储介质及电子设备
CN113887005B (zh) 一种交直流电力系统仿真建模方法、装置
CN115001147B (zh) 一种光伏发电数据采集方法、系统及云平台
CN114021425B (zh) 电力系统运行数据建模与特征选择方法、装置、电子设备和存储介质

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