CN111611548B - 一种光伏电站典型年等效利用时间的测算方法 - Google Patents
一种光伏电站典型年等效利用时间的测算方法 Download PDFInfo
- Publication number
- CN111611548B CN111611548B CN202010448503.0A CN202010448503A CN111611548B CN 111611548 B CN111611548 B CN 111611548B CN 202010448503 A CN202010448503 A CN 202010448503A CN 111611548 B CN111611548 B CN 111611548B
- Authority
- CN
- China
- Prior art keywords
- equivalent utilization
- year
- preset time
- utilization time
- photovoltaic power
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004364 calculation method Methods 0.000 claims abstract description 29
- 230000001186 cumulative effect Effects 0.000 claims description 31
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000002354 daily effect Effects 0.000 description 42
- 238000010248 power generation Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 241000321453 Paranthias colonus Species 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000011005 laboratory method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供了一种光伏电站典型年等效利用时间的测算方法，根据预设时间序列内各年在各个预设时间段的日等效利用时间分布特性，确定各年在各个预设时间段内的Finkelstein‑Schafer统计值，然后选取各年在相同预设时间段内最小的一个Finkelstein‑Schafer统计值，以其所对应的各个日等效利用时间作为相应预设时间段的等效利用时间测算结果，并以一年内各个预设时间段的等效利用时间测算结果作为待测光伏电站的典型年等效利用时间；也即本方案通过使用日等效利用时间替代典型年气象数据概念，直接获得光伏电站的典型年等效利用时间，能够提高光伏电站的等效利用时间测算的准确度。
Description
技术领域
本发明涉及光伏技术领域，具体涉及一种光伏电站典型年等效利用时间的测算方法。
背景技术
光伏电站等效小时的评估，即其等效利用时间的评估，关乎整个光伏电站的投融资交易价格。现主要通过典型年气象数据去估算光伏电站未来25年的等效利用时间。其中，就包括了Sandia国家实验法(TMY2)、NERL法(TMY3)以及Solargis(PV)法。
结合下面表1示出的各方法权重系数对比表可知，无论是TMY2、TMY3或者PV法，都只是考虑了影响光伏电站等效利用时间的典型年气象要素和权重因子。虽然TMY2、TMY3以及PV法所考虑的气象要素不同以及权重因子占比不尽相同，但是其中的权重因子对应的权重系数总是固定的。
表1各方法权重系数对比表
由于每个光伏电站的实际情况并不相同，若均采用上述固定权重系数方法计算得到等效利用时间，则所得结果与实际情况偏差较大、准确度低。
发明内容
对此，本申请提供一种光伏电站典型年等效利用时间的测算方法，以解决现有光伏电站的等效小时计算方式，因权重系数固定所导致准确度低的问题。
为实现上述目的，本发明实施例提供如下技术方案：
本申请第一方面公开了一种光伏电站典型年等效利用时间的测算方法，包括：
获取预设时间序列内的历史气象数据；
依据所述历史气象数据，获得所述预设时间序列内的各个日等效利用时间；
根据各年在各个预设时间段的日等效利用时间分布特性，确定各年在各个所述预设时间段内的Finkelstein-Schafer统计值；
选取各年在相同预设时间段内Finkelstein-Schafer统计值中最小的一个Finkelstein-Schafer统计值，以其所对应的各个日等效利用时间作为相应预设时间段的等效利用时间测算结果；并以一年内各预设时间段的等效利用时间测算结果作为待测光伏电站的典型年等效利用时间。
可选地，在上述的光伏电站典型年等效利用时间的测算方法中，所述根据各年在各个预设时间段的日等效利用时间分布特性，确定各年在各个所述预设时间段内的Finkelstein-Schafer统计值，包括：
对于各个所述预设时间段，分别确定各年在相应预设时间段内单独取值的日等效利用时间分布特性、作为各年相应预设时间段的单独分布特性，并确定各年在相应预设时间段内叠加取值的日等效利用时间分布特性、作为叠加分布特性；
对于各个所述预设时间段，分别确定各年对应的单独分布特性与所述叠加分布特性之间的Finkelstein-Schafer统计值。
可选地，在上述的光伏电站典型年等效利用时间的测算方法中，所述预设时间序列是当前年份之前的N年，N为正整数。
可选地，在上述的光伏电站典型年等效利用时间的测算方法中，N为固定值。
可选地，在上述的光伏电站典型年等效利用时间的测算方法中，N为不同取值下，气象数据标准差或者等效利用时间标准差最小时所对应的取值。
可选地，在上述的光伏电站典型年等效利用时间的测算方法中，所述气象数据标准差或者等效利用时间标准差的计算公式为：
其中，若所述气象数据标准差为倾斜面辐照度标准差，则σ为所述倾斜面辐照度标准差，x为预设时间序列内各年倾斜面辐照度的总辐照值，μ为预设时间序列内所有年份倾斜面辐照度的平均值；
若σ为所述等效利用时间标准差，则x为预设时间序列内各年总的等效利用时间，μ为预设时间序列内所有年份等效利用时间的平均值。
可选地，在上述的光伏电站典型年等效利用时间的测算方法中，所述气象数据标准差为待测光伏电站所属地倾角下的倾斜面辐照度标准差。
可选地，在上述的光伏电站典型年等效利用时间的测算方法中，所述依据所述历史气象数据，获得所述预设时间内的各个日等效利用时间，包括：
将所述历史气象数据代入Pvsyst光伏系统仿真软件，获取所述预设时间序列内的各个日等效利用时间。
可选地，在上述的光伏电站典型年等效利用时间的测算方法中，所述日等效利用时间分布特性是通过累积概率分布值计算或者概率密度函数计算而确定的。
可选地，在上述的光伏电站典型年等效利用时间的测算方法中，通过累积概率分布值计算确定所述日等效利用时间分布特性时所采用的计算公式为：
其中，Sn(x)为x处的累积概率分布值，x为日等效利用时间，k为日等效利用时间在增序时间序列中的排序，n为日等效利用时间的总个数。
可选地，在上述的光伏电站典型年等效利用时间的测算方法中，Finkelstein-Schafer统计值的计算公式为：
其中，Cfs为所述Finkelstein-Schafer统计值，δi为某一预设时间段内所述叠加分布特性中第i天的日等效利用时间的累积概率分布值与某年相应预设时间段内所述单独分布特性第i天的日等效利用时间的累积概率分布值之间的绝对差值，nd为对应预设时间段内的天数。
可选地，在上述的光伏电站典型年等效利用时间的测算方法中，所述预设时间段为季度、月或日。
基于上述本发明提供的光伏电站典型年等效利用时间的测算方法，该方法首先获取预设时间序列内的历史气象数据，并依据该历史气象数据，获得预设时间序列内的各个日等效利用时间；然后根据各年在各个预设时间段的日等效利用时间分布特性，确定各年在各个预设时间段内的Finkelstein-Schafer统计值，最后选取各年在相同预设时间段内最小的一个Finkelstein-Schafer统计值，以其所对应的各个日等效利用时间作为相应预设时间段的等效利用时间测算结果，并以一年内各个预设时间段的等效利用时间测算结果作为待测光伏电站的典型年等效利用时间；也即，本方案是通过使用日等效利用时间替代典型年气象数据概念，直接获得光伏电站的典型年等效利用时间，能够提高光伏电站的等效利用时间测算的准确度，相较于现有技术，能够避免使用典型年气象数据按照固定权重计算，所得的测算结果与实际结果偏差过大的问题。
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一种光伏电站典型年等效利用时间的测算方法的流程图；
图2为本申请实施例提供的一种气象数据标准差的计算流程图；
图3为本申请实施例提供的光伏电站典型年等效利用时间的测算方法的部分流程图；
图4为本申请实施例提供的一种等效小时累积概率分布值的对比图。
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。
首先需要说明的是，典型年也称为典型气象年。具体的，典型年是指一个地区中，最能代表该地区特有气象特征的一年。
由于地球自身的运动特征和太阳活动变化等因素的影响，处于地球表面不同位置的典型年是不同的，进而就导致了处于不同地区的光伏电站典型年也是不同的。
光伏电站的等效利用时间是指，将光伏电站的毛实际发电量折合成光伏电站在额定容量时的运行时间数。
本申请实施例提供了一种光伏电站典型年等效利用时间的测算方法，以解决现有光伏电站的等效小时计算方式，因权重系数固定所导致准确度低的问题。
请参见图1，该光伏电站典型年等效利用时间的测算方法主要包括以下步骤：
S101、获取预设时间序列内的历史气象数据。
其中，时间序列为按照先后顺序排列的一段时间，具有时间起始点和终止点。而预设时间序列一般是指，按照预设条件在所有时间序列中选取符合预设条件的时间序列。
具体的，该预设时间序列表示当前年份之前的N年，N为正整数。换言之，假设今年为2020年，则该预设时间序列为2020年之前的N年，若N为10，则预设时间序列为2010年至2019年。
在实际应用中，N的取值可以是固定值。例如，将N固定取值为10，则该预设时间序列就为当前年份之前的10年；当然N还可以取其他任意值，本申请对N的具体取值不作限定，均属于本申请的保护范围。
优选地，在实际应用中，N还可以为不同取值下，气象数据标准差或者等效利用时间标准差最小时所对应的取值。
具体的，该气象数据标准差可以为倾斜面辐照度标准差。该倾斜面辐照度标准差的计算公式为：其中，σ为倾斜面辐照度标准差，x为预设时间序列内各年倾斜面辐照度的总辐照值，μ为预设时间序列内所有年份倾斜面辐照度的平均值。
对于等效利用时间标准差，其计算公式也为：只是其中，σ为等效利用时间标准差，x为预设时间序列内各年总的等效利用时间，μ为预设时间序列内所有年份等效利用时间的平均值。
需要说明的是，现有测算光伏电站典型年等效小时的方式仅考虑了不同的气象因素及权重因子，并且其权重值是固定的，未考虑光伏电站项目地的实际情况；例如，四川、重庆等地，散射辐射比较大，而太阳辐射又是影响光伏电站等效利用时间的主要因素，在测算过程中应当对散射辐射所占的权重进行相应的调整，以便所得测算结果更符合光伏电站的实际情况。因此，更为优选的，本申请中的气象数据标准差为待测光伏电站所属地倾角下的倾斜面辐照度标准差，能够实现光伏电站项目所在地实际情况的综合考虑，统筹影响光伏电站等效利用时间的因素和权重情况，以提高光伏电站等效利用小时测算结果的准确度。
请参见图2，下面以一具体实例，对该气象数据标准差为待测光伏电站所属地倾角下的倾斜面辐照度标准差的具体计算过程进行说明：
S201、根据气象局所提供的多年气象数据，计算光伏电站所处项目地与太阳之间的倾角下的倾斜面辐照度，以所有的倾斜面辐照度作为倾斜面辐照度数据库。
S202、结合太阳黑子的活动周期一般为9-13年，基于倾斜面辐照度数据库中的数据，计算最靠近光伏电站项目建设时间，且超过10年的时间序列的标准差。
其中，计算最靠近光伏电站项目建设时间，且超过10年的时间序列的标准差的具体过程可以是：将光伏电站项目建设之前的第一个十年时间跨度作为该项目的一个倾斜面辐照度标准差，进行倾斜面辐照度标准差计算，并将时间跨度依次往前叠加1年，作为该项目的其他倾斜面辐照度标准差；最后，在所得到的所有倾斜面辐照度标准差中选取最小标准差对应的时间跨度的历史气象数据作为预设时间序列内的历史气象数据。
假设，该光伏电站项目的建设时间为2020年，则取2019年为历史气象数据的终止年，向前滑动最少10年，计算其标准差。例如，可取2010年至2019年之间的倾斜面辐照度数据进行标准差计算，得到2010年至2019年之间的倾斜面辐照度标准差；然后将时间跨度向前叠加1年，计算下一个倾斜面辐照度标准差，也即将取2009年至2019这十一年的时间跨度中的倾斜面辐照度数据进行标准差计算，得到2009年至2019这十一年间的倾斜面辐照度标准差；依次类推，下一个计算的是2008年至2019这十二年间的倾斜面辐照度标准差……。得到多个倾斜面辐照度标准差之后，若2009年至2019这十一年间的倾斜面辐照度标准差为所有标准差中最小的标准差，则选取2009年至2019这十一年为预设时间序列，并以2009年至2019这十一年间的气象数据作为预设时间序列内的历史气象数据。
需要说明的是，在实际应用中，倾斜面辐照度的标准差所对应的时间序列可以取任意连续年份，甚至可以是任意不连续的年份，并不仅限于上述实例示出的具体取值，无论倾斜面辐照度的标准差所对应的时间序列具体取何值，均属于本申请的保护范围。
当然，也不仅限逐次以1年的方式叠加对其他倾斜面辐照度的标准差进行计算，叠加值还可以是其他正整数。
还需要说明的是，若N为不同取值下气象数据标准差最小时所对应的取值，则N的具体取值应该大于3。若是N为固定值，则N的取值可以是任意的正整数。但是在实际应用中，N的取值越大，也即样本总数越大，所得结果越能反应实际情况。
S102、依据历史气象数据，获得预设时间序列内的各个日等效利用时间。
其中，日等效利用时间是指光伏电站每天的等效利用时间。
等效利用时间的时间单位可以是小时，也可以是分钟，甚至是秒，视其具体应用环境而定即可，均在本申请的保护范围内。
具体的，若将等效利用时间的时间单位设置为小时，则日等效利用时间就是每天的等效小时。如设置为分钟，则日等效利用时间则为每天的等效分钟。
在实际应用中，可将历史气象数据代入Pvsyst光伏系统仿真软件中，通过Pvsyst光伏系统仿真软件输出，以获取预设时间序列内的各个日等效利用时间。
此处假设预设时间序列为2009年至2019年，则将这十一年间的气象数据作为历史气象数据代入Pvsyst光伏系统仿真软件中，得到每天的光伏电站的发电量，并以每天的发电量进行计算，得到光伏电站的每天的日等效利用时间。
S103、根据各年在各个预设时间段的日等效利用时间分布特性，确定各年在各个预设时间段内的Finkelstein-Schafer统计值。
实际应用中，该步骤可以由图3中所示的步骤S301和S302来实现，具体的：
S301、对于各个预设时间段，分别确定各年在相应预设时间段内单独取值的日等效利用时间分布特性、作为各年相应预设时间段的单独分布特性，并确定各年在相应预设时间段内叠加取值的日等效利用时间分布特性、作为叠加分布特性。
其中，预设时间段可以是季度、月或者日中的任意一种，本申请对预设时间段的具体取值不做具体限定，均属于本申请的保护范围。
在实际应用中，可以通过概率分布值计算或者概率密度函数计算，确定日等效利用时间分布特征，以得到叠加分布特征和各个单独分布特性。
通过累积概率分布计算所采用的计算公式为：其中，Sn(x)为x处的累积概率分布值，x为日等效利用时间，k为日等效利用时间在增序时间序列中的排序，n为日等效利用时间的总个数。
同样以预设时间序列为2009年至2019年为例，假设预设时间段为天，则首先按照2009年至2019年的年份顺序将每天的日等效利用时间进行增序排序，然后再采用累积概率分布计算公式计算得到光伏电站在每天的累积概率分布值。
具体的，假设2015年中某10天的日等效利用时间分别为：1，4.4，3.2，5.8，2.7，3.7，2.6，1.6，2，3(h)，将上述日等效利用时间进行增序排序后，各个日等效利用时间的排序为：1，1.6，2，2.6，2.7，3，3.2，3.7，4.4，5.8(h)，则该段时间内的累积概率分布值如表2所示：
表2某10天的日等效利用时间的累积概率分布值
以此类推，可计算得到各年在相应预设时间段内单独取值的日等效利用时间的分布特性，进而可以将各年在相应预设时间段内的单独取值的日等效利用时间分布特性，作为各年相应时间段的单独特性；另外，将各年在相同预设时间段内的全部日等效利用时间进行如表2所示的计算，即可得到将各年在预设时间段内叠加取值的日等效利用时间分布特性，进而作为叠加分布特性。
需要说明的是，若预设时间段为月，则将各年每天的日等效利用时间按照逐月划分，计算得到各个月的日等效利用时间的累积概率分布值；若预设时间为季度，则将各年每天的日等效立体时间按照季度划分，计算得到各个季度的日等效利用时间的累积概率分布值。
在实际应用中，通过概率密度函数的计算方法可参见现有技术，本申请不再赘述，均属于本申请的保护范围。
S302、对于各个预设时间段，分别确定各年对应的单独分布特性与叠加分布特性之间的Finkelstein-Schafer统计值。
Finkelstein-Schafer统计值的计算公式为：
其中，Cfs表示Finkelstein-Schafer统计值，δi为某一预设时间段内叠加分布特性中第i天的日等效利用时间的累积概率分布值与某年相应预设时间段内单独分布特性第i天的日等效利用时间的累积概率分布值之间的绝对差值，nd为对应预设时间段内的天数。
假设预设时间段为月，则针对各年来说，每年均有12个预设时间段。对于第j(j＝1，2，…，12)个预设时间段，每一年在该预设时间段内的单独分布特性中各个日等效利用时间的累积概率分布值，均与该预设时间段内叠加分布特性中各个日等效利用时间的累积概率分布值之间存在相应的绝对差值；即对于共N个年份的预设时间序列，每个预设时间段均有N个Finkelstein-Schafer统计值。
S104、选取各年在相同预设时间段内Finkelstein-Schafer统计值中最小的一个Finkelstein-Schafer统计值，以其所对应的各个日等效利用时间作为相应预设时间段的等效利用时间测算结果；并以一年内各预设时间段的等效利用时间测算结果作为待测光伏电站的典型年等效利用时间。
待测光伏电站是正在进行等效利用时间测算的光伏电站。
在实际应用中，假设预设时间序列为2009年至2019，预设时间段为月，则各年中每个月分别有相应的Finkelstein-Schafer统计值，则从所有属于同一个月的Finkelstein-Schafer统计值中选取最小的一个，以其所对应的各个日等效利用时间作为相应预设时间段的等效利用时间测算结果。
若在所有1月对应的Finkelstein-Schafer统计值中，2012年1月的Finkelstein-Schafer统计值是最小的，则将2012年1月对应的日等效利用时间作为典型年中1月份的等效利用时间测算结果。若是所有2月对应的Finkelstein-Schafer统计值中，2015年2月的Finkelstein-Schafer统计值是最小的，则将2015年2月的日等效利用时间作为典型年中2月份的等效利用时间测算结果。……，依次类推，就能分别得到1至12月每月最为典型的等效利用时间测算结果，进而将1至12月的每月等效利用时间的测算结果按照月份增序来拼凑成为待测光伏电站的典型年等效利用时间；也即，将各个月最小的Finkelstein-Schafer统计值所对应的当月等效利用时间作为典型月等效利用时间，进而将各个典型月等效利用时间组成典型年等效利用时间。
由上述内容可以得到，本实施例提供的光伏电站的典型年等效利用时间的测算方法，通过使用日等效利用时间替代典型年气象数据概念，可以直接获得光伏电站的典型年等效利用时间，能够避免使用典型年气象数据按照固定权重计算，所得的测算结果与实际结果偏差过大的问题，进而提高了光伏电站的等效利用时间测算的准确度，为光伏电站发电量评估提供了更为准确合理的等效小时依据。
并且，本申请提供的光伏电站的典型年等效利用时间的测算方法着重考虑了光伏电站的发电特性，由倾斜面辐照度确定预设时间序列，以该预设时间序列内的历史气象数据作为待测光伏电站的典型年等效利用时间的测算基础，能够使得参与典型年等效利用时间的测算气象参数更加贴近光伏电站的实际情况，相比于直接采用水平面的辐照度，更进一步提高了典型年等效利用时间的测算结果的准确度。
再者，通过不同时间跨度下倾斜面辐照度的标准差来确定预设时间序列，还实现了光伏电站所属气象要素对光伏电站发电量影响的动态考虑，使得所得的典型年等效利用时间的测算结果准确度更高。
结合以上描述，下面以一具体实例，对本方案所得的典型年等效利用时间的测算结果的准确度情况作进一步说明：
假设经过计算后得到预设时间序列为2007-2016年，则2007年一月份日等效小时与累积概率分布值、2008年一月份日等效小时与累积概率分布值以及2007-2016年一月份日等效小时与累积概率分布值的变化情况，如4所示。
图4中的A曲线表示的是2007年一月份日等效小时与累积概率分布值对应构成的单独分布特性，B曲线表示的是2007-2016年一月份日等效小时与累积概率分布值对应构成的叠加分布特性，C曲线表示的是2008年一月份日等效利用小时与累积概率分布值对应构成的单独分布特性。实际应用中还应该存在2009-2016各年的一月份日等效小时与累积概率分布值对应构成的单独分布特性，即还应该画出另外8条单独分布特性曲线，图4仅以两条单独分布特性曲线以及该预设时间序列内的叠加分布特性曲线为例进行了展示。
由图4可知，图中的横坐标表示日等效小时(h)，纵坐标表示累积概率分布值。因此，以每月含有30天为例，每天都会有一个对应的坐标。若要计算A曲线的Finkelstein-Schafer统计值，则先将A曲线第i天对应的纵坐标值减去B曲线在第i天对应的纵坐标值再取绝对值，即可得到2007年一月份第i天的δi；再将该月中每天的δi进行求和，即可得到Finkelstein-Schafer统计值公式中的这一参数；然后以这一参数除以当月的天数nd，即可得到A曲线对应的Finkelstein-Schafer统计值。
同理，将C曲线第i天对应的纵坐标值减去B曲线在第i天对应的纵坐标值再取绝对值，即可得到2008年一月份第i天的δi；将该月中每天的δi进行求和，即可得到Finkelstein-Schafer统计值公式中的这一参数；然后以这一参数除以当月的天数nd，即可得到C曲线对应的Finkelstein-Schafer统计值。
以此类推，可以得到该预设时间序列2007-2016内各年一月份的Finkelstein-Schafer统计值。
在实际应用中，每月的天数nd应视当月情况进行相应的调整，上述仅是以天数为30的月进行实例说明的，并不表示每月的天数仅为30，无论月具体天数为何值，均属于本申请的保护范围。
对于上述得到的2007-2016内各年一月份的Finkelstein-Schafer统计值，选取其中最小的一个所对应年份的一月份每天等效小时，作为一月份的等效利用时间测算结果。
采用相同的原理即可得到其他各月的等效利用时间测算结果；然后以一年内各月的等效利用时间测算结果作为待测光伏电站的典型年等效利用时间。
本说明书中的各个实施例中记载的特征可以相互替换或者组合，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。
还需要说明的是，在本文中，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。而且，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。
Claims (11)
1.一种光伏电站典型年等效利用时间的测算方法，其特征在于，包括：
获取预设时间序列内的历史气象数据；
依据所述历史气象数据，获得所述预设时间序列内的各个日等效利用时间；
根据各年在各个预设时间段的日等效利用时间分布特性，确定各年在各个所述预设时间段内的Finkelstein-Schafer统计值；
选取各年在相同预设时间段内Finkelstein-Schafer统计值中最小的一个Finkelstein-Schafer统计值，以其所对应的各个日等效利用时间作为相应预设时间段的等效利用时间测算结果；并以一年内各预设时间段的等效利用时间测算结果作为待测光伏电站的典型年等效利用时间；
其中，所述根据各年在各个预设时间段的日等效利用时间分布特性，确定各年在各个所述预设时间段内的Finkelstein-Schafer统计值，包括：
对于各个所述预设时间段，分别确定各年在相应预设时间段内单独取值的日等效利用时间分布特性、作为各年相应预设时间段的单独分布特性，并确定各年在相应预设时间段内叠加取值的日等效利用时间分布特性、作为叠加分布特性；
对于各个所述预设时间段，分别确定各年对应的单独分布特性与所述叠加分布特性之间的Finkelstein-Schafer统计值。
2.根据权利要求1所述的光伏电站典型年等效利用时间的测算方法，其特征在于，所述预设时间序列是当前年份之前的N年，N为正整数。
3.根据权利要求2所述的光伏电站典型年等效利用时间的测算方法，其特征在于，N为固定值。
4.根据权利要求2所述的光伏电站典型年等效利用时间的测算方法，其特征在于，N为不同取值下，气象数据标准差或者等效利用时间标准差最小时所对应的取值。
5.根据权利要求4所述的光伏电站典型年等效利用时间的测算方法，其特征在于，所述气象数据标准差或者等效利用时间标准差的计算公式为：
其中，若所述气象数据标准差为倾斜面辐照度标准差，则σ为所述倾斜面辐照度标准差，x为预设时间序列内各年倾斜面辐照度的总辐照值，μ为预设时间序列内所有年份倾斜面辐照度的平均值；
若σ为所述等效利用时间标准差，则x为预设时间序列内各年总的等效利用时间，μ为预设时间序列内所有年份等效利用时间的平均值。
6.根据权利要求5所述的光伏电站典型年等效利用时间的测算方法，其特征在于，所述气象数据标准差为待测光伏电站所属地倾角下的倾斜面辐照度标准差。
7.根据权利要求1-6任一所述的光伏电站典型年等效利用时间的测算方法，其特征在于，所述依据所述历史气象数据，获得所述预设时间内的各个日等效利用时间，包括：
将所述历史气象数据代入Pvsyst光伏系统仿真软件，获取所述预设时间序列内的各个日等效利用时间。
8.根据权利要求1-6任一所述的光伏电站典型年等效利用时间的测算方法，其特征在于，所述日等效利用时间分布特性是通过累积概率分布值计算或者概率密度函数计算而确定的。
9.根据权利要求8所述的光伏电站典型年等效利用时间的测算方法，其特征在于，通过累积概率分布值计算确定所述日等效利用时间分布特性时所采用的计算公式为：
其中，Sn(x)为x处的累积概率分布值，x为日等效利用时间，k为日等效利用时间在增序时间序列中的排序，n为日等效利用时间的总个数。
10.根据权利要求1所述的光伏电站典型年等效利用时间的测算方法，其特征在于，Finkelstein-Schafer统计值的计算公式为：
其中，Cfs为所述Finkelstein-Schafer统计值，δi为某一预设时间段内所述叠加分布特性中第i天的日等效利用时间的累积概率分布值与某年相应预设时间段内所述单独分布特性第i天的日等效利用时间的累积概率分布值之间的绝对差值，nd为对应预设时间段内的天数。
11.根据权利要求1-6任一所述的光伏电站典型年等效利用时间的测算方法，其特征在于，所述预设时间段为季度、月或日。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010448503.0A CN111611548B (zh) | 2020-05-25 | 2020-05-25 | 一种光伏电站典型年等效利用时间的测算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010448503.0A CN111611548B (zh) | 2020-05-25 | 2020-05-25 | 一种光伏电站典型年等效利用时间的测算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111611548A CN111611548A (zh) | 2020-09-01 |
| CN111611548B true CN111611548B (zh) | 2024-02-27 |
Family
ID=72205167
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010448503.0A Active CN111611548B (zh) | 2020-05-25 | 2020-05-25 | 一种光伏电站典型年等效利用时间的测算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111611548B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104598743A (zh) * | 2015-01-27 | 2015-05-06 | 国家电网公司 | 一种无量测地区太阳辐射数据的生成方法 |
| CN107330243A (zh) * | 2017-05-25 | 2017-11-07 | 国网浙江省电力公司电力科学研究院 | 一种基于典型气象年的架空输电线路载流量计算方法 |
| WO2018142292A1 (en) * | 2017-02-01 | 2018-08-09 | Magaldi Power S.P.A. | High energy-efficient device, system and method for the use of thermal energy of solar origin |
| CN109103926A (zh) * | 2018-08-14 | 2018-12-28 | 清华大学 | 基于多辐照特性年气象场景的光伏发电接纳能力计算方法 |
| CN110518880A (zh) * | 2016-11-03 | 2019-11-29 | 许继集团有限公司 | 一种光伏电站状态诊断方法及装置 |
-
2020
- 2020-05-25 CN CN202010448503.0A patent/CN111611548B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104598743A (zh) * | 2015-01-27 | 2015-05-06 | 国家电网公司 | 一种无量测地区太阳辐射数据的生成方法 |
| CN110518880A (zh) * | 2016-11-03 | 2019-11-29 | 许继集团有限公司 | 一种光伏电站状态诊断方法及装置 |
| WO2018142292A1 (en) * | 2017-02-01 | 2018-08-09 | Magaldi Power S.P.A. | High energy-efficient device, system and method for the use of thermal energy of solar origin |
| CN107330243A (zh) * | 2017-05-25 | 2017-11-07 | 国网浙江省电力公司电力科学研究院 | 一种基于典型气象年的架空输电线路载流量计算方法 |
| CN109103926A (zh) * | 2018-08-14 | 2018-12-28 | 清华大学 | 基于多辐照特性年气象场景的光伏发电接纳能力计算方法 |
Non-Patent Citations (2)
| Title |
|---|
| 常蕊 ; 申彦波 ; 郭鹏 ; .太阳能资源典型年挑选方法的适用性对比研究.高原气象.2017,(第06期),全文. * |
| 田旭 ; 姬生才 ; 张娉 ; 白左霞 ; 黄存强 ; .青海光伏与风力发电出力特性研究.西北水电.2019,(02),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111611548A (zh) | 2020-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Papavasiliou et al. | Application of stochastic dual dynamic programming to the real-time dispatch of storage under renewable supply uncertainty | |
| Hasche et al. | Capacity value of wind power, calculation, and data requirements: the Irish power system case | |
| Branker et al. | A review of solar photovoltaic levelized cost of electricity | |
| CN103117546B (zh) | 一种超短期风电功率滑动预测方法 | |
| Kakimoto et al. | Probabilistic solar irradiance forecasting by conditioning joint probability method and its application to electric power trading | |
| Alanazi et al. | Long-term solar generation forecasting | |
| Lu et al. | A hybrid approach for day-ahead forecast of PV power generation | |
| CN112200377A (zh) | 基于sarimax模型的光伏中长期发电量预报方法及装置 | |
| CN111626473A (zh) | 一种考虑误差修正的两阶段光伏功率预测方法 | |
| CN109345046A (zh) | 光伏功率的预测方法及装置 | |
| JP5466596B2 (ja) | 太陽光発電設備の発電出力推定方法 | |
| KR101249852B1 (ko) | 기상예보를 이용한 태양전지의 발전량 예측방법 | |
| David et al. | Outputs and error indicators for solar forecasting models | |
| Abhyankar et al. | Achieving an 80% carbon-free electricity system in China by 2035 | |
| CN110598335A (zh) | 一种超短期光伏功率预测的辐照修正方法 | |
| CN112884601B (zh) | 一种基于天气区划策略的电力系统运行风险评估方法 | |
| CN111611548B (zh) | 一种光伏电站典型年等效利用时间的测算方法 | |
| CN113689057A (zh) | 一种光伏发电功率的预测方法及装置 | |
| CN105701556A (zh) | 一种光伏电站超短时功率预测修正方法 | |
| CN117394310A (zh) | 多天气类型影响的区域光伏等效光资源计算方法和系统 | |
| CN110188964B (zh) | 一种基于相关性的光伏出力预测方法 | |
| CN112465266A (zh) | 一种母线负荷预测准确率分析方法、装置及计算机设备 | |
| CN111476411A (zh) | 一种光伏电站发电量计算方法及服务器 | |
| CN115618922A (zh) | 光伏功率预测方法、设备、光伏发电系统及存储介质 | |
| Nomiyama et al. | A study on global solar radiation forecasting models using meteorological data and their application to wide area forecast |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2 Applicant after: Sunshine New Energy Development Co.,Ltd. Address before: 230088 6th floor, R & D center building, no.1699 Xiyou Road, high tech Zone, Hefei City, Anhui Province Applicant before: HEFEI SUNGROW RENEWABLE ENERGY SCI. & TECH. Co.,Ltd. Address after: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2 Applicant after: Sunshine New Energy Development Co.,Ltd. Address before: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2 Applicant before: Sunshine New Energy Development Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |