CN112003278A - 一种分布式光伏自用电比例预测的实现方法及系统 - Google Patents

一种分布式光伏自用电比例预测的实现方法及系统 Download PDF

Info

Publication number
CN112003278A
CN112003278A CN202010850782.3A CN202010850782A CN112003278A CN 112003278 A CN112003278 A CN 112003278A CN 202010850782 A CN202010850782 A CN 202010850782A CN 112003278 A CN112003278 A CN 112003278A
Authority
CN
China
Prior art keywords
photovoltaic
load
power
self
curve
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.)
Pending
Application number
CN202010850782.3A
Other languages
English (en)
Inventor
李津津
唐守志
李国俊
彭偲
陈娟
孙明刚
王恩来
王茂睿
罗君主
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.)
State Nuclear Electric Power Planning Design & Research Institute Chongqing Co ltd
Original Assignee
State Nuclear Electric Power Planning Design & Research Institute Chongqing 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 State Nuclear Electric Power Planning Design & Research Institute Chongqing Co ltd filed Critical State Nuclear Electric Power Planning Design & Research Institute Chongqing Co ltd
Priority to CN202010850782.3A priority Critical patent/CN112003278A/zh
Publication of CN112003278A publication Critical patent/CN112003278A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明属于新能源光伏发电应用技术领域，公开了一种分布式光伏自用电比例预测的实现方法及系统，收集气象观测站多年逐小时时段总辐射观测数据并修正至代表年；收集气象观测站至少一整年逐时段气温测量数据；收集或实测拟接入用户历年月度电费单、典型日用电曲线；结合光伏系统装机容量、组件温度特性计算光伏系统全逐小时发电量；根据典型日用电曲线统计月、日负荷率、节假日负荷系数；基于典型日内用电监测与负荷系数，开展接入用户短期负荷预测并生成逐小时曲线；结合光伏出力与负荷曲线计算自用电比例。本发明基于全年逐时太阳能辐射观测站数据、光伏装机容量、用户各月电费清单、分时电价表，能预测分布式光伏自发自用比例及加权平均电价。

Description

一种分布式光伏自用电比例预测的实现方法及系统
技术领域
本发明属于新能源光伏发电应用技术领域，尤其涉及一种分布式光伏自用电比例预测的实现方法及系统。
背景技术
目前，现有的分布式光伏发电预测方法主要为：根据用户月度下网电量得到日平均用电量逐时曲线，根据光伏理论月发电量得到日平均发电出力曲线，将2类曲线结合，计算得到该月的光伏发电量与自用电量。将全年分为12个月或4个季度，逐月/季度分别计算后累计得到全年自用电比例。传统方法主要基于基于用户月度/季度下网电量和光伏月度/季度理论发电量得到逐月/季度典型日负荷及发电曲线。因输入原始资料的时间步长为月份，无法获取较为接近实际的用电和发电曲线。光伏发电出力的日分布极为不均匀，而用电负荷也存在因休假、生产量波动等原因导致的日变化，直接采用月内日平均出力与日平均负荷，则明显降低了预测精度。
综上所述，现有技术存在的问题是：现有的分布式光伏自用电比例计算精度较低。
解决上述技术问题的难度：分布式光伏发电项目在收集原始资料数据时，通常仅有以月份为时间步长的用电量数据和光伏发电量数据，时间精度不足以支撑以小时为步长的预测评估分析。解决上述问题的最大难度在于根据时间步长为月份的数据进一步细化分解，通过一定的方法生产预测的以小时为步长的负荷曲线和发电曲线，最终通过全年时间精度为小时级的数据叠加扣减计算，得到精度更接近于实际值的分布式光伏发电自用电比例及加权平均电价。
解决上述技术问题的意义：通过发明一种方法，以小时级精度预测分布式光伏自发自用比例及加权平均电价，得到的结果精确度较高，使得预测值更接近于实际值。因加权平均电价直接对项目收益产生影响，提高预测精度后将更加有利于分布式光伏项目前期工作中的投资辅助决策。
发明内容
针对现有技术存在的问题，本发明提供了一种分布式光伏自用电比例预测的实现方法及系统。
本发明是这样实现的，一种分布式光伏自用电比例预测的实现方法，所述分布式光伏自用电比例预测的实现方法包括以下步骤：
第一步，收集代表气象观测站多年逐小时时段总辐射观测数据并修正至代表年；收集气象观测站至少一整年逐时段气温测量数据；收集或实测拟接入用户历年月度电费单、典型日用电曲线。
第二步，结合光伏系统装机容量、组件温度特性设计参数计算光伏系统全逐小时发电量；根据收集或实测的典型日用电曲线，统计月、日负荷率、节假日负荷系数。
第三步，基于典型日内用电监测与负荷系数，开展接入用户短期负荷预测并生成逐小时曲线。
第四步，结合光伏出力与负荷曲线计算自用电比例。
进一步，第一步中，利用拟接入用户不同户号的计量电表，采集所有计量电表历年月度电费单、典型日用电曲线，对采集的数据进行预处理、辨识并剔除坏数据，生成所有计量电表历年月度电费单、典型日用电曲线。
进一步，第二步中，根据信息采集及对用户生产运营倒班情况的统计，初步得到月负荷率为0.78，日负荷率为0.69，节假日负荷约占工作日的40％。
进一步，第二步中，所述光伏系统全逐小时发电量的计算方法为：
(1)根据光伏系统所在地理位置和时间计算水平面理论太阳辐射强度；
(2)获取光伏系统的历史发电量、光伏系统装机容量、组件温度特性以及光伏系统所在位置的气象要素历史运行数据；所述气象要素包含光伏电站所在位置的环境温度、光伏组件的背板温度和实际辐照强度；
(3)将获取的数据样本[T C S]作为神经网络的输入向量，将[0 0 P]作为神经网络的输出向量，建立基于神经网络的光伏系统发电量的计算模型；其中T为光伏组件的背板温度或环境温度，C为实际辐照强度，S为水平面理论太阳辐射强度，P为光伏电站发电量；
(4)输入任意时刻的气象要素数据，结合光伏系统装机容量、组件温度特性设计参数，通过所述计算模型计算得到该时刻光伏系统的发电量。
进一步，所述水平面理论太阳辐射强度的计算方法为：
1)根据大气衰减系数以及太阳高度角计算得到太阳直接辐射强度；所述太阳直接辐射强度的计算公式为：Sbh＝S0×τb×sin h；
2)根据大气衰减系数、太阳高度角以及散射系数计算得到太阳散射辐射强度；所述太阳散射辐射强度的计算公式为：
Figure BDA0002644649550000031
其中，Sbh为太阳直接辐射强度，S0为入射到水平面上的太阳直接辐射强度，τb为直接辐射衰减系数，h为太阳高度角；Sdh为太阳散射辐射强度，Edh为入射到水平面上的太阳散射辐射强度，τd为散射辐射衰减系数，k2为大气质量系数；
3)将所述太阳直接辐射强度与所述太阳散射辐射强度进行加法运算，即得所述水平面理论太阳辐射强度。
进一步，第四步中，所述光伏发电出力近似服从Beta分布，根据气象特征确定分布参数后，生成全年逐小时出力曲线；根据统计的用户影响因子和采集装置中的用电监测日趋势曲线，生成全年逐小时的用电负荷曲线。
进一步，第四步中，所述光伏的负荷曲线的自用电比例K为：
Figure BDA0002644649550000032
其中，Gn为第n小时光伏出力；Pn为第n小时负荷；8760＝365×24，即全年的小时数。
本发明的另一目的在于提供一种应用所述的分布式光伏自用电比例预测的实现方法的分布式光伏自用电比例预测的实现系统，所述分布式光伏自用电比例预测的实现系统包括：
数据获取模块，用于收集代表气象观测站多年逐小时时段总辐射观测数据并修正至代表年；收集气象观测站至少一整年逐时段气温测量数据；收集或实测拟接入用户历年月度电费单、典型日用电曲线；
发电量计算模块，用于根据光伏系统装机容量、组件温度特性设计参数计算光伏系统全逐小时发电量；
负荷率/系数统计模块，用于根据收集或实测的典型日用电曲线，统计月、日负荷率、节假日负荷系数；
负荷预测模块，用于基于典型日内用电监测与负荷系数，开展接入用户短期负荷预测并生成逐小时曲线；
自用电比例计算模块，用于根据光伏出力与负荷曲线计算自用电比例。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的分布式光伏自用电比例预测的实现方法。
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的分布式光伏自用电比例预测的实现方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的输入量包括太阳能资源逐时观测数据、光伏装机容量、用户各月电费清单、分时电价表，得到预测结果。基于全年逐时太阳能辐射观测站数据、光伏装机容量、用户各月电费清单、分时电价表，预测分布式光伏自发自用比例。
传统方法基于全年各季节的日平均光伏出力、用电负荷曲线，按自用电比例计算，取样的点数为4×24＝96，即4个季节的典型日，每日24小时，每小时取样1个点；本发明基于全年全时段逐小时的光伏出力，以及预测的全年逐小时用电负荷曲线计算，取样的点数为365×24＝8760，即全年365日，每日24小时，每小时取样1个点。本发明采样点数是传统方法的91倍，由于光伏与负荷均具有一定的波动特性，采样点数越多使得计算越精确。根据表4的比较结果，本发明的预测方法在该案例中的绝对偏差为2.44％，相对偏差为3.58％，传统方法的绝对偏差为13.07％，相对偏差为18.53％。
通过上述对比可知，本发明的方法预测相比传统方法的误差明显降低。
附图说明
图1是本发明实施例提供的分布式光伏自用电比例预测的实现方法流程图。
图2是本发明实施例提供的分布式光伏自用电比例预测的实现方法原理图。
图3是本发明实施例提供的光伏系统全逐小时发电量的计算方法流程图。
图4是本发明实施例提供的全年逐小时的用电负荷曲线示意图。
图5是本发明实施例提供的传统预测方法的各季节平均出力及负荷曲线示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有的分布式光伏自用电比例计算精度不足的问题。本发明以小时级精度预测分布式光伏自发自用比例及加权平均电价，得到的结果精确度较高，有利于辅助投资决策。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的分布式光伏自用电比例预测的实现方法包括以下步骤：
S101，收集代表气象观测站多年逐小时时段总辐射观测数据并修正至代表年；收集收集气象观测站至少一整年逐时段气温测量数据；收集或实测拟接入用户历年月度电费单、典型日用电曲线。
S102，结合光伏系统装机容量、组件温度特性设计参数计算光伏系统全逐小时发电量；根据收集或实测的典型日用电曲线，统计月、日负荷率、节假日负荷系数。
S103，基于典型日内用电监测与负荷系数，开展接入用户短期负荷预测并生成逐小时曲线。
S104，结合光伏出力与负荷曲线计算自用电比例。
本发明实施例提供的分布式光伏自用电比例预测的实现方法原理图如图2所示。
本发明实施例提供的步骤S101中，利用拟接入用户不同户号的计量电表，采集所有计量电表历年月度电费单、典型日用电曲线，对采集的数据进行预处理、辨识并剔除坏数据，生成所有计量电表历年月度电费单、典型日用电曲线。
本发明实施例提供的步骤S102中，根据信息采集及对用户生产运营倒班情况的统计，初步得到月负荷率为0.78，日负荷率为0.69，节假日负荷约占工作日的40％。
如图3所示，本发明实施例提供的步骤S102中，所述光伏系统全逐小时发电量的计算方法为：
S201，根据光伏系统所在地理位置和时间计算水平面理论太阳辐射强度。
S202，获取光伏系统的历史发电量、光伏系统装机容量、组件温度特性以及光伏系统所在位置的气象要素历史运行数据。
S203，将获取的数据样本[T C S]作为神经网络的输入向量，将[0 0P]作为神经网络的输出向量，建立基于神经网络的光伏系统发电量的计算模型。
S204，输入任意时刻的气象要素数据，结合光伏系统装机容量、组件温度特性设计参数，通过所述计算模型计算得到该时刻光伏系统的发电量。
本发明实施例提供的气象要素包含光伏电站所在位置的环境温度、光伏组件的背板温度和实际辐照强度。
本发明实施例提供的光伏系统发电量的计算模型中，T为光伏组件的背板温度或环境温度，C为实际辐照强度，S为水平面理论太阳辐射强度，P为光伏电站发电量。
本发明实施例提供的水平面理论太阳辐射强度的计算方法为：
1)根据大气衰减系数以及太阳高度角计算得到太阳直接辐射强度；所述太阳直接辐射强度的计算公式为：Sbh＝S0×τb×sin h。
2)根据大气衰减系数、太阳高度角以及散射系数计算得到太阳散射辐射强度；所述太阳散射辐射强度的计算公式为：
Figure BDA0002644649550000071
其中，Sbh为太阳直接辐射强度，S0为入射到水平面上的太阳直接辐射强度，τb为直接辐射衰减系数，h为太阳高度角；Sdh为太阳散射辐射强度，Edh为入射到水平面上的太阳散射辐射强度，τd为散射辐射衰减系数，k2为大气质量系数。
3)将所述太阳直接辐射强度与所述太阳散射辐射强度进行加法运算，即得所述水平面理论太阳辐射强度。
本发明实施例提供的步骤S104中，所述光伏发电出力近似服从Beta分布，根据气象特征确定分布参数后，生成全年逐小时出力曲线；根据统计的用户影响因子和采集装置中的用电监测日趋势曲线，生成全年逐小时的用电负荷曲线。
本发明实施例提供的步骤S104中，所述光伏的负荷曲线的自用电比例K为：
Figure BDA0002644649550000072
其中，Gn为第n小时光伏出力；Pn为第n小时负荷；8760＝365×24，即全年的小时数。
本发明实施例提供的分布式光伏自用电比例预测的实现系统包括：
数据获取模块，用于收集代表气象观测站多年逐小时时段总辐射观测数据并修正至代表年；收集气象观测站至少一整年逐时段气温测量数据；收集或实测拟接入用户历年月度电费单、典型日用电曲线；
发电量计算模块，用于根据光伏系统装机容量、组件温度特性设计参数计算光伏系统全逐小时发电量；
负荷率/系数统计模块，用于根据收集或实测的典型日用电曲线，统计月、日负荷率、节假日负荷系数；
负荷预测模块，用于基于典型日内用电监测与负荷系数，开展接入用户短期负荷预测并生成逐小时曲线；
自用电比例计算模块，用于根据光伏出力与负荷曲线计算自用电比例。
下面结合具体实施例对本发明的应用原理作进一步描述。
某1MWp分布式光伏发电项目接入某10kV工业用户，经收集，修正后代表气象观测站的代表年太阳总辐射量为1677kWh/m2；用户的报装容量为7MVA，全年下网用电量为2930140kWh，月度数据见表1。
表1 月度数据
月份 太阳能总辐射(kWh/m<sup>2</sup>) 用户用电量(kWh)
1月 113 217100
2月 105 176800
3月 168 160600
4月 168 206290
5月 177 330800
6月 157 249250
7月 155 420500
8月 171 357500
9月 111 311800
10月 133 166300
11月 116 176500
12月 103 156700
合计 1677 2930140
根据信息采集及对用户生产运营倒班情况的统计，初步得到月负荷率为0.78，日负荷率为0.69，节假日负荷约占工作日的40％左右。
根据文献资料，光伏发电出力近似服从Beta分布，根据气象特征确定分布参数后，生成全年逐小时出力曲线。根据统计的用户影响因子和采集装置中的用电监测日趋势曲线，生成全年逐小时的用电负荷曲线。
由图4可见，光伏的出力存在较大不确定性和波动的特点；而负荷曲线则具有规律性。
对图4的数据进行计算，自用电比例K：
Figure BDA0002644649550000091
其中，Gn为第n小时光伏出力；Pn为第n小时负荷；8760＝365×24，即全年的小时数。
由于采用了概率分布生成光伏出力，故每次计算存在小范围的随机性。根据第四步的算式，连续进行5次预测的结果为表2：
表2 预测结果
预测轮次 第1次 第2次 第3次 第4次 第5次 平均
自用电比例K 68.26％ 68.10％ 68.07％ 68.10％ 67.93％ 68.09％
由上表可知，最终自用电比例取5次预测平均值68.09％。
该1MWp分布式项目投运2年后，对投运首年实际电能计量表采集数据进行回访分析。
表3 投运首年电量表(单位：kWh)
Figure BDA0002644649550000092
Figure BDA0002644649550000101
注：光伏自用电量*系通过光伏发电量减去光伏上网电量计算得到。
实际的自用电比例为878172/1245071＝70.53％，与本发明的预测方法结论绝对偏差为2.44％，相对偏差为3.58％，小于5％，说明本发明的预测方法与实际值较为接近。实际自用电比例略高于本发明的预测结论的主要原因为项目投运后，用户用电负荷相比项目前期评估阶段略有增长。
以表4为传统预测方法的各季节平均出力及负荷曲线，如图5所示：
表4 投运首年各平均出力及负荷数据统计(单位:kW)
Figure BDA0002644649550000102
Figure BDA0002644649550000111
根据曲线中的数据，对全年4个季节进行累加，计算得到的自用电比例为：
(2173+2915+4572+2181)/(2256+3759+4572+3576)＝83.60％，与实际值70.53％的绝对偏差为13.07％，相对偏差为18.53％，明显大于本发明的预测方法的2.44％绝对偏差为和3.58％的相对偏差。
以上可知本发明的方法预测相比传统方法的误差明显降低。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种分布式光伏自用电比例预测的实现方法，其特征在于，所述分布式光伏自用电比例预测的实现方法包括以下步骤：
第一步，收集代表气象观测站多年逐小时时段总辐射观测数据并修正至代表年；收集气象观测站至少一整年逐时段气温测量数据；收集或实测拟接入用户历年月度电费单、典型日用电曲线；
第二步，结合光伏系统装机容量、组件温度特性设计参数计算光伏系统全逐小时发电量；根据收集或实测的典型日用电曲线，统计月、日负荷率、节假日负荷系数；
第三步，基于典型日内用电监测与负荷系数，开展接入用户短期负荷预测并生成逐小时曲线；
第四步，结合光伏出力与负荷曲线计算自用电比例。
2.如权利要求1所述的分布式光伏自用电比例预测的实现方法，其特征在于，第一步中，利用拟接入用户不同户号的计量电表，采集所有计量电表历年月度电费单、典型日用电曲线，对采集的数据进行预处理、辨识并剔除坏数据，生成所有计量电表历年月度电费单、典型日用电曲线。
3.如权利要求1所述的分布式光伏自用电比例预测的实现方法，其特征在于，第二步中，根据信息采集及对用户生产运营倒班情况的统计，初步得到月负荷率为0.78，日负荷率为0.69，节假日负荷约占工作日的40％。
4.如权利要求1所述的分布式光伏自用电比例预测的实现方法，其特征在于，第二步中，所述光伏系统全逐小时发电量的计算方法为：
(1)根据光伏系统所在地理位置和时间计算水平面理论太阳辐射强度；
(2)获取光伏系统的历史发电量、光伏系统装机容量、组件温度特性以及光伏系统所在位置的气象要素历史运行数据；所述气象要素包含光伏电站所在位置的环境温度、光伏组件的背板温度和实际辐照强度；
(3)将获取的数据样本[T C S]作为神经网络的输入向量，将[0 0 P]作为神经网络的输出向量，建立基于神经网络的光伏系统发电量的计算模型；其中T为光伏组件的背板温度或环境温度，C为实际辐照强度，S为水平面理论太阳辐射强度，P为光伏电站发电量；
(4)输入任意时刻的气象要素数据，结合光伏系统装机容量、组件温度特性设计参数，通过所述计算模型计算得到该时刻光伏系统的发电量。
5.如权利要求4所述的分布式光伏自用电比例预测的实现方法，其特征在于，所述水平面理论太阳辐射强度的计算方法为：
1)根据大气衰减系数以及太阳高度角计算得到太阳直接辐射强度；所述太阳直接辐射强度的计算公式为：Sbh＝S0×τb×sin h；
2)根据大气衰减系数、太阳高度角以及散射系数计算得到太阳散射辐射强度；所述太阳散射辐射强度的计算公式为：
Figure FDA0002644649540000021
其中，Sbh为太阳直接辐射强度，S0为入射到水平面上的太阳直接辐射强度，τb为直接辐射衰减系数，h为太阳高度角；Sdh为太阳散射辐射强度，Edh为入射到水平面上的太阳散射辐射强度，τd为散射辐射衰减系数，k2为大气质量系数；
3)将所述太阳直接辐射强度与所述太阳散射辐射强度进行加法运算，即得所述水平面理论太阳辐射强度。
6.如权利要求1所述的分布式光伏自用电比例预测的实现方法，其特征在于，第四步中，所述光伏发电出力近似服从Beta分布，根据气象特征确定分布参数后，生成全年逐小时出力曲线；根据统计的用户影响因子和采集装置中的用电监测日趋势曲线，生成全年逐小时的用电负荷曲线。
7.如权利要求1所述的分布式光伏自用电比例预测的实现方法，其特征在于，第四步中，所述光伏的负荷曲线的自用电比例K为：
Figure FDA0002644649540000022
其中，Gn为第n小时光伏出力；Pn为第n小时负荷；8760＝365×24，即全年的小时数。
8.一种应用权利要求1～7任意一项所述的分布式光伏自用电比例预测的实现方法的分布式光伏自用电比例预测的实现系统，其特征在于，所述分布式光伏自用电比例预测的实现系统包括：
数据获取模块，用于收集代表气象观测站多年逐小时时段总辐射观测数据并修正至代表年；收集气象观测站至少一整年逐时段气温测量数据；收集或实测拟接入用户历年月度电费单、典型日用电曲线；
发电量计算模块，用于根据光伏系统装机容量、组件温度特性设计参数计算光伏系统全逐小时发电量；
负荷率/系数统计模块，用于根据收集或实测的典型日用电曲线，统计月、日负荷率、节假日负荷系数；
负荷预测模块，用于基于典型日内用电监测与负荷系数，开展接入用户短期负荷预测并生成逐小时曲线；
自用电比例计算模块，用于根据光伏出力与负荷曲线计算自用电比例。
9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1～7任意一项所述的分布式光伏自用电比例预测的实现方法。
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1～7任意一项所述的分布式光伏自用电比例预测的实现方法。
CN202010850782.3A 2020-08-21 2020-08-21 一种分布式光伏自用电比例预测的实现方法及系统 Pending CN112003278A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010850782.3A CN112003278A (zh) 2020-08-21 2020-08-21 一种分布式光伏自用电比例预测的实现方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010850782.3A CN112003278A (zh) 2020-08-21 2020-08-21 一种分布式光伏自用电比例预测的实现方法及系统

Publications (1)

Publication Number Publication Date
CN112003278A true CN112003278A (zh) 2020-11-27

Family

ID=73472312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010850782.3A Pending CN112003278A (zh) 2020-08-21 2020-08-21 一种分布式光伏自用电比例预测的实现方法及系统

Country Status (1)

Country Link
CN (1) CN112003278A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113570267A (zh) * 2021-08-02 2021-10-29 福州万山电力咨询有限公司 一种确定分布式光伏发电自发自用比例的方法及终端
CN113657789A (zh) * 2021-08-24 2021-11-16 国网（天津）综合能源服务有限公司 一种分布式光伏屋顶资源多维评估方法
CN114036762A (zh) * 2021-11-15 2022-02-11 贵州电网有限责任公司 基于比例系数法预测配电网负荷的系统和方法
CN114530891A (zh) * 2021-11-24 2022-05-24 国网浙江省电力有限公司嘉兴供电公司 光伏参与电力平衡可用率设置方法
CN116231644A (zh) * 2023-03-22 2023-06-06 华能新能源股份有限公司河北分公司 一种集中式光伏发电量预测方法、系统、计算机及介质
CN116722802A (zh) * 2023-06-13 2023-09-08 安徽华晟新能源科技有限公司 光伏电站的组件安装配置方法、装置、设备和介质
CN117498469A (zh) * 2024-01-03 2024-02-02 国网浙江省电力有限公司宁波供电公司 虚拟电厂能源管控方法、装置、计算机设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103199564A (zh) * 2013-04-18 2013-07-10 山东圣阳电源股份有限公司 一种智能电网分布自给式光伏供电系统
JP2013242683A (ja) * 2012-05-21 2013-12-05 Sekisui Chem Co Ltd 光熱費予測システム
CN106058905A (zh) * 2016-07-20 2016-10-26 姜宪明 基于功率预测的分布式光伏储能调峰系统
CN109636033A (zh) * 2018-12-11 2019-04-16 远景能源（南京）软件技术有限公司 一种分布式光伏项目自发自用综合电价预测方法
CN110533303A (zh) * 2019-08-09 2019-12-03 山东泓奥电力科技有限公司 一种基于分布式光伏电站的自发自用比例计算评估方法
CN111463784A (zh) * 2020-05-19 2020-07-28 中国南玻集团股份有限公司 分布式光伏电站自发自用综合电价的预测方法及相关组件

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013242683A (ja) * 2012-05-21 2013-12-05 Sekisui Chem Co Ltd 光熱費予測システム
CN103199564A (zh) * 2013-04-18 2013-07-10 山东圣阳电源股份有限公司 一种智能电网分布自给式光伏供电系统
CN106058905A (zh) * 2016-07-20 2016-10-26 姜宪明 基于功率预测的分布式光伏储能调峰系统
CN109636033A (zh) * 2018-12-11 2019-04-16 远景能源（南京）软件技术有限公司 一种分布式光伏项目自发自用综合电价预测方法
CN110533303A (zh) * 2019-08-09 2019-12-03 山东泓奥电力科技有限公司 一种基于分布式光伏电站的自发自用比例计算评估方法
CN111463784A (zh) * 2020-05-19 2020-07-28 中国南玻集团股份有限公司 分布式光伏电站自发自用综合电价的预测方法及相关组件

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113570267A (zh) * 2021-08-02 2021-10-29 福州万山电力咨询有限公司 一种确定分布式光伏发电自发自用比例的方法及终端
CN113570267B (zh) * 2021-08-02 2024-08-02 福州万山电力咨询有限公司 一种确定分布式光伏发电自发自用比例的方法及终端
CN113657789A (zh) * 2021-08-24 2021-11-16 国网（天津）综合能源服务有限公司 一种分布式光伏屋顶资源多维评估方法
CN114036762A (zh) * 2021-11-15 2022-02-11 贵州电网有限责任公司 基于比例系数法预测配电网负荷的系统和方法
CN114530891A (zh) * 2021-11-24 2022-05-24 国网浙江省电力有限公司嘉兴供电公司 光伏参与电力平衡可用率设置方法
CN116231644A (zh) * 2023-03-22 2023-06-06 华能新能源股份有限公司河北分公司 一种集中式光伏发电量预测方法、系统、计算机及介质
CN116231644B (zh) * 2023-03-22 2023-11-03 华能新能源股份有限公司河北分公司 一种集中式光伏发电量预测方法、系统、计算机及介质
CN116722802A (zh) * 2023-06-13 2023-09-08 安徽华晟新能源科技有限公司 光伏电站的组件安装配置方法、装置、设备和介质
CN117498469A (zh) * 2024-01-03 2024-02-02 国网浙江省电力有限公司宁波供电公司 虚拟电厂能源管控方法、装置、计算机设备及存储介质
CN117498469B (zh) * 2024-01-03 2024-05-17 国网浙江省电力有限公司宁波供电公司 虚拟电厂能源管控方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
CN112003278A (zh) 一种分布式光伏自用电比例预测的实现方法及系统
US9286646B1 (en) Method for managing centralized power generation with the aid of a digital computer
US10565657B2 (en) Methods and apparatuses for risk assessment and insuring intermittent electrical systems
Keles et al. A combined modeling approach for wind power feed-in and electricity spot prices
US20170099056A1 (en) Demand reduction risk modeling and pricing systems and methods for intermittent energy generators
Darghouth Electricity bill savings from residential photovoltaic systems: sensitivities to changes in future electricity market conditions
CN102426674A (zh) 一种基于马尔科夫链的电力系统负荷预测方法
WO2015028944A1 (en) System and method for determining energy and ghg apportionment
CN107977898B (zh) 一种光伏电站的发电量保险定价评估方法
KR101249852B1 (ko) 기상예보를 이용한 태양전지의 발전량 예측방법
US20170098229A1 (en) Methods and apparatuses for peak demand reduction system optimization and valuation
KR20220021749A (ko) 스마트-팜용 에너지 발전 시스템 및 그 시스템의 구축 방법
Sesmero et al. The effect of current and prospective policies on photovoltaic system economics: An application to the US Midwest
Roselli et al. Technical loss estimation approach in power distribution systems using load model in frequency domain
Fisher et al. A Simple Metric for Predicting Revenue from Electric Peak‐Shaving and Optimal Battery Sizing
JP2005224023A (ja) 需給電力量算出方法及び装置
CN112561150B (zh) 一种光伏电站发电量预测方法及装置
CN113627682B (zh) 一种非居民用户日电量波动的预测方法及系统
CN115833099A (zh) 对光伏发电系统进行监测的处理方法、装置、系统和部件
Bischoff et al. Economic objectives, uncertainties and decision making in the energy sector
Panjwani et al. Short-term solar and wind generation forecasting for the western region of india
Niekurzak et al. The Challenges for Social and Economic Policy Related to the Energy Transformation-Analysis of Profitability and Minimizing the Risk of Deciding to Invest in a Home Micro-Installation
Razak et al. Forecasting cost saving through solar system installation
Reade et al. Modelling household electricity consumption in eThekwini municipality
Andersson et al. Model for load simulations by means of load pattern curves

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20201127