CN112183803A - 一种基于雾霾/沙尘覆盖范围的光伏功率预测方法和系统 - Google Patents
一种基于雾霾/沙尘覆盖范围的光伏功率预测方法和系统 Download PDFInfo
- Publication number
- CN112183803A CN112183803A CN201910598731.3A CN201910598731A CN112183803A CN 112183803 A CN112183803 A CN 112183803A CN 201910598731 A CN201910598731 A CN 201910598731A CN 112183803 A CN112183803 A CN 112183803A
- Authority
- CN
- China
- Prior art keywords
- haze
- photovoltaic power
- grid
- dust
- data
- 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
Links
- 239000000428 dust Substances 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000010248 power generation Methods 0.000 claims description 18
- 239000004576 sand Substances 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 238000003062 neural network model Methods 0.000 claims description 2
- 238000010219 correlation analysis Methods 0.000 abstract description 3
- 238000007619 statistical method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 230000005855 radiation Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于雾霾/沙尘覆盖范围的光伏功率预测方法。该法包括：获取当前/临近时刻气象预报要素数据进行网格化处理并进行订正；将所述订正后的网格化气象预报要素数据带入预先构建的预测模型，得到各网格的雾霾/沙尘浓度和覆盖范围；将所述各网格的雾霾/沙尘浓度和覆盖范围带入预先确定的雾霾/沙尘与光伏功率的相关关系中，得出受影响网格内的光伏功率预测值。本发明提供的技术方案利用统计方法对气象预报要素和雾霾/沙尘浓度值进行相关性分析，建立预测模型，实现光伏电站所在区域更为准确的光伏功率预报。
Description
技术领域
本发明涉及光伏发电功率预测技术领域，具体涉及一种基于雾霾/沙尘覆盖范围的光伏功率预测方法和系统。
背景技术
近年来，大范围的雾霾/沙尘等恶劣天气连续多发，尤其北方地区出现沙尘/雾霾天气时间之早、频率之高、范围之广、强度之大，为历史同期所罕见，给电力、交通、环境以及人们的日常生活和工作带来了不利影响。由于光伏发电输出功率具有随机性和波动性，近些年大规模光伏电站的接入电网已经对电网安全稳定和经济运行造成影响。对光伏电站的输出功率进行准确预测，有助于电力调度部门能够提前根据光伏发电功率变化及时调整调度计划，保证电能质量，减少系统的备用容量，降低电力系统运行成本，使得光伏资源得到充分的利用，从而获得更大的经济效益和社会效益。
关于雾霾和沙尘等恶劣气象要素的相关研究开始较早，但是主要关注于雾霾和沙尘产生的原因。近年来随着雾霾和沙尘问题的日益凸显，越来越多的学者开始展开雾霾和沙尘因素对太阳辐射强度以及功率预测的研究，有学者提出了雾霾和沙尘等气象要素和太阳辐照强度之间的理论模型计算方法，同时有学者开始关注雾霾及沙尘因素对光伏电站输出电量的影响。但雾霾和沙尘的相关研究多集中于历史气象资料的统计和相关机理研究，对光伏电站输出功率的影响及量化方法未见系统报道；关于雾霾/沙尘浓度对辐照度影响的功率模型研究尚处初步阶段。
光伏发电系统的输出功率很大程度上决定于光伏面板所能接收到的太阳辐射量，而太阳辐射量容易受到大气的吸收、散射和反射影响。近年来，随着城市化和工业化进程的加快，沙尘、雾霾天气出现的频率和强度有明显增加的趋势。大气中的污染物质会对光伏电站的太阳辐射造成衰减，造成其输出功率不稳定且难以预测。因此，如何准确预测雾霾、沙尘的覆盖范围，从而对污染物对辐射的影响进行详细计算和处理，提升光伏发电功率的实际应用效果是一个关键点。
目前，光伏发电功率预测的方法有许多，但大多数没有考虑雾霾/沙尘污染物的影响，基于雾霾/沙尘覆盖范围的光伏发电功率预测方法甚少。
发明内容
为了克服雾霾、沙尘对辐射影响导致的光伏功率预测结果不准确的难题，本发明提出一种基于雾霾/沙尘覆盖范围的光伏功率预测方法，主要是对预测区域进行网格划分，然后基于气象要素预报和雾霾/沙尘实际浓度推算预测区域各网格内的雾霾/沙尘浓度，统计出雾霾/沙尘覆盖范围，最后根据雾霾/沙尘覆盖的网格范围，对光伏发电功率预测模型进行实时修正，从而有助于光伏功率预测精度的提升。
本发明提供的技术方案是：
一种基于雾霾/沙尘覆盖范围的光伏功率预测方法，包括：
获取当前/临近时刻气象预报要素数据，按照预先设计的网格进行网格化处理；
对所述网格化的当前/临近时刻气象预报要素数据进行订正；
将所述订正后的网格化气象预报要素数据带入预先构建的预测模型，得到各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围；
将所述各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围带入预先确定的雾霾/沙尘与光伏功率的相关关系中，得出受影响网格内的光伏功率预测值；
所述预测模型包括：用气象要素数据预报雾霾/沙尘浓度值的RBF神经网络模型。
优选的，所述网格的设计包括：
根据预定的预报精度要求，确定光伏功率预测水平分辨率；
依据所述光伏功率预测水平分辨率划分包括单个电站的占地面积在内的光伏发电的区域范围，得到网格划分精度。
优选的，对所述网格化的当前/临近时刻气象预报要素数据进行订正，包括：
基于历史气象预报要素数据对所述网格化的当前/临近时刻气象预报要素数据进行订正检验。
优选的，所述预测模型的构建，包括：
将历史预报气象要素数据、历史实测气象要素数据、历史实测雾霾/沙尘浓度数据和历史实测光伏功率数据映射到预先设计的预报区域网格中；
在所述预报区域网格中，基于实测气象要素数据，采用卡尔曼滤波算法对预报气象要素数据进行修订，得到修订后的预报气象要素信息；
将所述修订后的预报气象要素信息中的风速、风向、温度、湿度和气压作为输入因子，历史实测雾霾/沙尘浓度数据作为输出因子，建立获得雾霾/沙尘浓度预报值的RBF神经网络预测模型。
进一步的，所述将历史预报气象要素数据、历史实测气象要素数据、历史实测雾霾/沙尘浓度数据和历史实测光伏功率数据映射到预先设计的预报区域网格中，包括：
根据所述预报区域网格的水平分辨率，设置预报气象要素数值模式中的网格大小及中心经纬度参数，得到每个网格的历史预报气象要素数据；
基于所述历史实测气象要素数据、历史实测雾霾/沙尘浓度数据以及历史实测光伏功率数据的经纬度进行空间插值，得到每个网格的历史实测气象要素数据、历史实测雾霾/沙尘浓度数据和历史实测光伏功率数据。
优选的，所述雾霾/沙尘与光伏功率的相关关系的确定包括：
将所述历史实测雾霾/沙尘浓度数据作为自变量，光伏功率数据作为因变量，进行线性回归计算，得到雾霾/沙尘浓度值与光伏功率的关系式。
优选的，所述历史实测雾霾/沙尘浓度数据包括：PM2.5/PM10历史实测浓度值。
一种基于雾霾/沙尘覆盖范围的光伏功率预测系统，所述系统包括：
数据处理模块，用于获取当前/临近时刻气象预报要素数据，按照预先设计的网格进行网格化处理，并对所述网格化的当前/临近时刻气象预报要素数据进行订正；
雾霾/沙尘预测模块，用于将所述订正后的网格化气象预报要素数据带入预先构建的预测模型，得到各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围；
光伏功率预测模块，用于将所述各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围带入预先确定的雾霾/沙尘与光伏功率的相关关系中，得出受影响网格内的光伏功率预测值。
所述预先设计的网格包括：精度确定单元和划分单元；
所述精度确定单元，用于根据预定的预报精度要求，确定光伏功率预测水平分辨率；
所述划分单元，用于依据所述光伏功率预测水平分辨率划分包括单个电站的占地面积在内的光伏发电的区域范围，得到网格划分精度。
所述预先构建的预测模型包括：网格处理单元、预报气象要素信息修订单元、模型构建单元和关系建立单元；
所述网格处理单元，用于将历史预报气象要素数据、历史实测气象要素数据、历史实测雾霾/沙尘浓度数据和历史实测光伏功率数据映射到预先设计的预报区域网格中；
所述预报气象要素信息修订单元，用于在所述预报区域网格中，基于实测气象要素数据，采用卡尔曼滤波算法对预报气象要素数据进行修订，得到修订后的预报气象要素信息；
所述模型构建单元，用于将所述修订后的预报气象要素信息中的风速、风向、温度、湿度和气压作为输入因子，历史实测雾霾浓度数据作为输出因子，建立获得雾霾/沙尘浓度预报值的RBF神经网络预测模型；
所述关系建立单元，用于将所述历史实测雾霾/沙尘浓度数据作为自变量，光伏功率数据作为因变量，进行线性回归计算，得到雾霾/沙尘浓度值与光伏功率的关系式。
所述数据处理模块包括：数据读入单元、数据网格化单元和订正单元；
所述数据读入单元，用于获取当前/临近时刻气象预报要素数据；
所述数据网格化单元，用于将数据读入单元获取的当前/临近时刻气象预报要素数据按照预先设计的网格进行网格化处理；
所述订正单元，用于基于历史气象预报要素数据对所述网格化的当前/临近时刻气象预报要素数据进行订正检验。
所述雾霾/沙尘预测模块包括：雾霾/沙尘预测单元和统计单元；
所述雾霾/沙尘预测单元，用于将订正后的网格化气象预报要素数据带入预先构建的预测模型，得到每个网格中的雾霾/沙尘浓度预报值；
所述统计单元，用于统计不同雾霾/沙尘浓度预报值所覆盖的网格区域。
所述光伏功率预测模块包括：输入单元和输出单元；
所述输入单元，用于从雾霾/沙尘预测模块读取每个网格中的雾霾/沙尘浓度预报值和不同雾霾/沙尘浓度预报值所覆盖的网格区域；
所述输出单元，用于将每个网格中的雾霾/沙尘浓度预报值带入所述雾霾/沙尘浓度值与光伏功率的关系式，得到所述不同雾霾/沙尘浓度预报值所覆盖的网格区域内每个网格内的光伏功率预测值。
与现有技术相比，本发明的有益效果为：
本发明提供一种基于雾霾/沙尘覆盖范围的光伏功率预测方法，获取当前/临近时刻气象预报要素数据，按照预先设计的网格进行网格化处理；对所述网格化的当前/临近时刻气象预报要素数据进行订正；将所述订正后的网格化气象预报要素数据带入预先构建的预测模型，得到各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围；将所述各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围带入预先确定的雾霾/沙尘与光伏功率的相关关系中，得出受影响网格内的光伏功率预测值。本发明提供的技术方案结合区域网格划分建立雾霾/沙尘预测模型，并对雾霾/沙尘浓度数据和光伏功率数据进行相关性分析，实现光伏电站所在区域更为准确的光伏功率预报值，有助于提升光伏发电功率预测精度。
本发明提供的技术方案根据气象预报要素和历史实测雾霾/沙尘浓度数据建立雾霾/沙尘预测模型，可以确定雾霾/沙尘覆盖范围和浓度。
本发明提供的技术方案根据统计出的雾霾/沙尘覆盖范围和浓度，基于雾霾/沙尘浓度数据和光伏功率数据的相关性分析，实现更为准确的光伏功率预报。
附图说明
图1为本发明的基于雾霾/沙尘覆盖范围的光伏发电功率预测方法流程图；
图2为本发明实施例中基于雾霾/沙尘覆盖范围的光伏发电功率预测流程框图；
图3为本发明的基于雾霾/沙尘覆盖范围的光伏发电功率预测系统的结构示意图。
具体实施方式
为了更好地理解本发明，下面结合说明书附图和实例对本发明作进一步详细说明。显然，所描述的实施例是本发明的一部分实施例，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它实施例，都属于本发明保护的范围。
实施例1：
本发明实施例提供的基于雾霾/沙尘覆盖范围的光伏发电功率预测方法，其具体实施过程如图1所示，包括：
S101：获取当前/临近时刻气象预报要素数据，按照预先设计的网格进行网格化处理；
S102：对所述网格化的当前/临近时刻气象预报要素数据进行订正；
S103：将所述订正后的网格化气象预报要素数据带入预先构建的预测模型，得到各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围；
S104：将所述各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围带入预先确定的雾霾/沙尘与光伏功率的相关关系中，得出受影响网格内的光伏功率预测值。
具体的，步骤S101，获取当前/临近时刻气象预报要素数据，按照预先设计的网格进行网格化处理，主要包括：
步骤S101-1，根据光伏发电所涉及的区域范围大小、单个电站的占地面积以及所需的预报精度要求，给出网格化的光伏功率预测水平分辨率；
本实施例中，采用3km×3km的网格颗粒度，即对平面上由原本的不规则几何形态转变为由n个正方形微元所组成的不规则网格分布形态。若该局部光伏电站的面积为A，单位为平方公里，经分析后共有n个网格。由于每个网格的水平分辨率设置为3km×3km，所以A＝9×n。
步骤S101-2，根据步骤S101-1设定好的网格，分别对历史预报气象要素、历史实测气象要素、历史PM2.5/PM10、历史光伏功率数据以及当前/临近时刻气象预报要素数据进行网格化处理：
步骤S101-2-1，历史和当前/临近时刻预报气象要素的网格化可以根据预先设定好的网格分辨率，对数值模式中的网格大小及中心经纬度等参数进行设定即可；
步骤S101-2-2，历史实测的气象要素、PM2.5/PM10以及光伏功率网格化可以基于观测值的经纬度进行空间插值，得到每个网格内的实测值；
具体的，步骤S102，对所述网格化的当前/临近时刻气象预报要素数据进行订正，包括：
根据步骤S101-2中网格化的当前/临近时刻预报气象要素数据，基于历史气象预报要素数据对所述网格化的当前/临近时刻气象预报要素数据进行订正检验；
具体的，步骤S103，将所述订正后的网格化气象预报要素数据带入预先构建的预测模型，得到各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围，其预测流程框图如图2所示，包括：
步骤S103-1，将步骤S101-2中订正后的历史气象要素中的风速、风向、温度、湿度、气压等作为输入因子，历史实测的PM2.5/PM10浓度作为输出因子，建立RBF神经网络预测模型；
步骤S103-2，将步骤S102中订正后的前/临近时刻气象预报要素数据带入步骤S104-1建立的RBF神经网络预测模型，得到各网格的PM2.5/PM10；
步骤S103-3，统计PM2.5/PM10在网格上的覆盖范围；
具体的，步骤S104，将所述各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围带入预先确定的雾霾/沙尘与光伏功率的相关关系中，得出受影响网格内的光伏功率预测值，包括：
步骤S104-1，分析实测的PM2.5/PM10与光伏功率的相关关系，将PM2.5/PM10作为自变量、光伏功率作为因变量进行线性回归计算，获得PM2.5/PM10与光伏功率的关系式；
步骤S104-2，将步骤S103中得到的各网格中的PM2.5/PM10浓度和PM2.5/PM10在网格上的覆盖范围作为输入，代入步骤S104-1中的PM2.5/PM10与光伏功率的关系式中，得出每个网格内的光伏功率预测值。
实施例2：
一种基于雾霾/沙尘覆盖范围的光伏发电功率预测系统，其结构示意图如图3所示，包括：
数据处理模块，用于获取当前/临近时刻气象预报要素数据，按照预先设计的网格进行网格化处理，并对所述网格化的当前/临近时刻气象预报要素数据进行订正；
雾霾/沙尘预测模块，用于将订正后的网格化气象预报要素数据带入预先构建的预测模型，得到各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围；
光伏功率预测模块，用于将各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围带入预先确定的雾霾/沙尘与光伏功率的相关关系中，得出受影响网格内的光伏功率预测值。
其中，预先设计的网格包括：精度确定单元和划分单元；
精度确定单元，用于根据预定的预报精度要求，确定光伏功率预测水平分辨率；
划分单元，用于依据光伏功率预测水平分辨率划分包括单个电站的占地面积在内的光伏发电的区域范围，得到网格划分精度。
其中，预先构建的预测模型包括：网格处理单元、预报气象要素信息修订单元、模型构建单元和关系建立单元；
网格处理单元，用于将历史预报气象要素数据、历史实测气象要素数据、历史实测雾霾浓度数据和历史实测光伏功率数据映射到预先设计的预报区域网格中；
预报气象要素信息修订单元，用于在预报区域网格中，基于实测气象要素数据，采用卡尔曼滤波算法对预报气象要素数据进行修订，得到修订后的预报气象要素信息；
模型构建单元，用于将修订后的预报气象要素信息中的风速、风向、温度、湿度和气压作为输入因子，历史实测雾霾/沙尘浓度数据作为输出因子，建立获得雾霾/沙尘浓度预报值的RBF神经网络预测模型；
关系建立单元，用于将历史实测雾霾/沙尘浓度数据作为自变量，光伏功率数据作为因变量，进行线性回归计算，得到雾霾/沙尘浓度值与光伏功率的关系式。
其中，数据处理模块包括：数据读入单元、数据网格化单元和订正单元；
数据读入单元，用于获取当前/临近时刻气象预报要素数据；
数据网格化单元，用于将数据读入单元获取的当前/临近时刻气象预报要素数据按照预先设计的网格进行网格化处理；
订正单元，用于基于历史气象预报要素数据对网格化的当前/临近时刻气象预报要素数据进行订正检验。
其中，雾霾/沙尘预测模块包括：雾霾/沙尘预测单元和统计单元；
雾霾/沙尘预测单元，用于将订正后的网格化气象预报要素数据带入预先构建的预测模型，得到每个网格中的雾霾/沙尘浓度预报值；
统计单元，用于统计不同雾霾/沙尘浓度预报值所覆盖的网格区域。
其中，光伏功率预测模块包括：输入单元和输出单元；
输入单元，用于从雾霾/沙尘预测模块读取每个网格中的雾霾/沙尘浓度预报值和不同雾霾/沙尘浓度预报值所覆盖的网格区域；
输出单元，用于将每个网格中的雾霾/沙尘浓度预报值带入雾霾/沙尘浓度值与光伏功率的关系式，得到不同雾霾/沙尘浓度预报值所覆盖的网格区域内每个网格内的光伏功率预测值。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (13)
1.一种基于雾霾/沙尘覆盖范围的光伏功率预测方法，其特征在于，包括：
获取当前/临近时刻气象预报要素数据，按照预先设计的网格进行网格化处理；
对所述网格化的当前/临近时刻气象预报要素数据进行订正；
将所述订正后的网格化气象预报要素数据带入预先构建的预测模型，得到各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围；
将所述各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围带入预先确定的雾霾/沙尘与光伏功率的相关关系中，得出受影响网格内的光伏功率预测值；
所述预测模型包括：用气象要素数据预报雾霾/沙尘浓度值的RBF神经网络模型。
2.如权利要求1所述的基于雾霾/沙尘覆盖范围的光伏功率预测方法，其特征在于，所述网格的设计包括：
根据预定的预报精度要求，确定光伏功率预测水平分辨率；
依据所述光伏功率预测水平分辨率划分包括单个电站的占地面积在内的光伏发电的区域范围，得到网格划分精度。
3.如权利要求1所述的基于雾霾/沙尘覆盖范围的光伏功率预测方法，其特征在于，对所述网格化的当前/临近时刻气象预报要素数据进行订正，包括：
基于历史气象预报要素数据对所述网格化的当前/临近时刻气象预报要素数据进行订正检验。
4.如权利要求1所述的基于雾霾/沙尘覆盖范围的光伏功率预测方法，其特征在于，所述预测模型的构建，包括：
将历史预报气象要素数据、历史实测气象要素数据、历史实测雾霾/沙尘浓度数据和历史实测光伏功率数据映射到预先设计的预报区域网格中；
在所述预报区域网格中，基于实测气象要素数据，采用卡尔曼滤波算法对预报气象要素数据进行修订，得到修订后的预报气象要素信息；
将所述修订后的预报气象要素信息中的风速、风向、温度、湿度和气压作为输入因子，实测雾霾/沙尘浓度数据作为输出因子，建立获得雾霾/沙尘浓度预报值的RBF神经网络预测模型。
5.如权利要求4所述的基于雾霾/沙尘覆盖范围的光伏功率预测方法，其特征在于，所述将历史预报气象要素数据、历史实测气象要素数据、历史实测雾霾/沙尘浓度数据和历史实测光伏功率数据映射到预先设计的预报区域网格中，包括：
根据所述预报区域网格的水平分辨率，设置预报气象要素数值模式中的网格大小及中心经纬度参数，得到每个网格的历史预报气象要素数据；
基于所述历史实测气象要素数据、历史实测雾霾/沙尘浓度数据以及历史实测光伏功率数据的经纬度进行空间插值，得到每个网格的历史实测气象要素数据、历史实测雾霾/沙尘浓度数据和历史实测光伏功率数据。
6.根据权利要求1所述的基于雾霾/沙尘覆盖范围的光伏功率预测方法，其特征在于，所述雾霾/沙尘与光伏功率的相关关系的确定包括：
将所述历史实测雾霾/沙尘浓度数据作为自变量，光伏功率数据作为因变量，进行线性回归计算，得到雾霾/沙尘浓度值与光伏功率的关系式。
7.如权利要求1所述的基于雾霾/沙尘覆盖范围的光伏功率预测方法，其特征在于，所述历史实测雾霾/沙尘浓度数据包括：PM2.5/PM10历史实测浓度值。
8.一种基于雾霾/沙尘覆盖范围的光伏功率预测系统，其特征在于，包括：
数据处理模块，用于获取当前/临近时刻气象预报要素数据，按照预先设计的网格进行网格化处理，并对所述网格化的当前/临近时刻气象预报要素数据进行订正；
雾霾/沙尘预测模块，用于将所述订正后的网格化气象预报要素数据带入预先构建的预测模型，得到各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围；
光伏功率预测模块，用于将所述各网格的雾霾/沙尘浓度和所述雾霾/沙尘在网格上的覆盖范围带入预先确定的雾霾/沙尘与光伏功率的相关关系中，得出受影响网格内的光伏功率预测值。
9.如权利要求8所述的基于雾霾/沙尘覆盖范围的光伏功率预测系统，其特征在于，所述预先设计的网格包括：精度确定单元和划分单元；
所述精度确定单元，用于根据预定的预报精度要求，确定光伏功率预测水平分辨率；
所述划分单元，用于依据所述光伏功率预测水平分辨率划分包括单个电站的占地面积在内的光伏发电的区域范围，得到网格划分精度。
10.如权利要求8所述的基于雾霾/沙尘覆盖范围的光伏功率预测系统，其特征在于，所述预先构建的预测模型包括：网格处理单元、预报气象要素信息修订单元、模型构建单元和关系建立单元；
所述网格处理单元，用于将历史预报气象要素数据、历史实测气象要素数据、历史实测雾霾/沙尘浓度数据和历史实测光伏功率数据映射到预先设计的预报区域网格中；
所述预报气象要素信息修订单元，用于在所述预报区域网格中，基于实测气象要素数据，采用卡尔曼滤波算法对预报气象要素数据进行修订，得到修订后的预报气象要素信息；
所述模型构建单元，用于将所述修订后的预报气象要素信息中的风速、风向、温度、湿度和气压作为输入因子，历史实测雾霾/沙尘浓度数据作为输出因子，建立获得雾霾/沙尘浓度预报值的RBF神经网络预测模型；
所述关系建立单元，用于将所述历史实测雾霾/沙尘浓度数据作为自变量，光伏功率数据作为因变量，进行线性回归计算，得到雾霾/沙尘浓度值与光伏功率的关系式。
11.如权利要求8所述的基于雾霾/沙尘覆盖范围的光伏功率预测系统，其特征在于，所述数据处理模块包括：数据读入单元、数据网格化单元和订正单元；
所述数据读入单元，用于获取当前/临近时刻气象预报要素数据；
所述数据网格化单元，用于将数据读入单元获取的当前/临近时刻气象预报要素数据按照预先设计的网格进行网格化处理；
所述订正单元，用于基于历史气象预报要素数据对所述网格化的当前/临近时刻气象预报要素数据进行订正检验。
12.如权利要求8所述的基于雾霾/沙尘覆盖范围的光伏功率预测系统，其特征在于，所述雾霾/沙尘预测模块包括：雾霾/沙尘预测单元和统计单元；
所述雾霾/沙尘预测单元，用于将订正后的网格化气象预报要素数据带入预先构建的预测模型，得到每个网格中的雾霾/沙尘浓度预报值；
所述统计单元，用于统计不同雾霾/沙尘浓度预报值所覆盖的网格区域。
13.如权利要求8所述的基于雾霾/沙尘覆盖范围的光伏功率预测系统，其特征在于，所述光伏功率预测模块包括：输入单元和输出单元；
所述输入单元，用于从雾霾/沙尘预测模块读取每个网格中的雾霾/沙尘浓度预报值和不同雾霾/沙尘浓度预报值所覆盖的网格区域；
所述输出单元，用于将每个网格中的雾霾/沙尘浓度预报值带入所述雾霾/沙尘浓度值与光伏功率的关系式，得到所述不同雾霾/沙尘浓度预报值所覆盖的网格区域内每个网格内的光伏功率预测值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910598731.3A CN112183803A (zh) | 2019-07-04 | 2019-07-04 | 一种基于雾霾/沙尘覆盖范围的光伏功率预测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910598731.3A CN112183803A (zh) | 2019-07-04 | 2019-07-04 | 一种基于雾霾/沙尘覆盖范围的光伏功率预测方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112183803A true CN112183803A (zh) | 2021-01-05 |
Family
ID=73915917
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910598731.3A Pending CN112183803A (zh) | 2019-07-04 | 2019-07-04 | 一种基于雾霾/沙尘覆盖范围的光伏功率预测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112183803A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113092321A (zh) * | 2021-03-31 | 2021-07-09 | 东北电力大学 | 一种基于功率衰减的光伏板积灰浓度检测系统及方法 |
| CN113159714A (zh) * | 2021-04-01 | 2021-07-23 | 国网河南省电力公司电力科学研究院 | 一种面向电网的气象数据订正方法 |
| CN115146859A (zh) * | 2022-07-13 | 2022-10-04 | 中节能天融科技有限公司 | 一种扬尘模拟预报方法、装置及系统 |
| CN116738122A (zh) * | 2023-08-16 | 2023-09-12 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 一种太阳辐照度纠正方法、装置和计算机可读存储介质 |
| CN117039865A (zh) * | 2023-08-09 | 2023-11-10 | 国网山东省电力公司威海供电公司 | 一种基于上下游协同的光伏发电有效功率预测方法及系统 |
-
2019
- 2019-07-04 CN CN201910598731.3A patent/CN112183803A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113092321A (zh) * | 2021-03-31 | 2021-07-09 | 东北电力大学 | 一种基于功率衰减的光伏板积灰浓度检测系统及方法 |
| CN113159714A (zh) * | 2021-04-01 | 2021-07-23 | 国网河南省电力公司电力科学研究院 | 一种面向电网的气象数据订正方法 |
| CN115146859A (zh) * | 2022-07-13 | 2022-10-04 | 中节能天融科技有限公司 | 一种扬尘模拟预报方法、装置及系统 |
| CN117039865A (zh) * | 2023-08-09 | 2023-11-10 | 国网山东省电力公司威海供电公司 | 一种基于上下游协同的光伏发电有效功率预测方法及系统 |
| CN116738122A (zh) * | 2023-08-16 | 2023-09-12 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 一种太阳辐照度纠正方法、装置和计算机可读存储介质 |
| CN116738122B (zh) * | 2023-08-16 | 2023-11-24 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 一种太阳辐照度纠正方法、装置和计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112183803A (zh) | 一种基于雾霾/沙尘覆盖范围的光伏功率预测方法和系统 | |
| CN110826231B (zh) | 一种气象站点多源数据整合方法 | |
| CN110399634B (zh) | 一种基于天气系统影响的预报区域确定方法及系统 | |
| CN114819374B (zh) | 区域新能源超短期功率预测方法及系统 | |
| CN103761578A (zh) | 基于多元线性回归的太阳辐照预报方法 | |
| CN108802856B (zh) | 一种基于ai的源数据动态修正预报系统及其工作方法 | |
| CN116595394A (zh) | 风速修正模型的训练方法及风速预测方法、设备和介质 | |
| CN111178587A (zh) | 一种基于spark框架的短期电力负荷快速预测方法 | |
| CN113792939A (zh) | 基于混合威布尔分布的电能表可靠性预测方法及装置 | |
| CN117117819A (zh) | 一种光伏发电短期功率预测方法、系统、设备和介质 | |
| CN113642263A (zh) | 基于北斗网格的空气质量预警方法和装置 | |
| CN111222662A (zh) | 一种电网台风洪涝灾害预警方法和装置 | |
| CN113159102A (zh) | 一种多时间尺度的光伏功率预测方法及系统 | |
| CN114895380A (zh) | 一种太阳辐射预测方法、装置、设备和介质 | |
| CN110837902B (zh) | 一种松弛逼近资料同化方法及系统 | |
| CN114169797A (zh) | 一种能源管理系统及方法 | |
| CN114004514A (zh) | 一种大气臭氧污染发生气象条件等级判别方法 | |
| CN117236720A (zh) | 利用多气象因子特征的光伏电站发电功率预测方法 | |
| CN110019167A (zh) | 一种中长期新能源资源资料库构建方法及系统 | |
| CN115952921A (zh) | 一种光伏能源功率预测方法、装置、电子设备及存储介质 | |
| CN114255136A (zh) | 一种分布式光伏电站超短期发电功率预测方法及系统 | |
| CN108564308B (zh) | 一种光伏电站总辐射变化特征评估方法和装置 | |
| CN106780245B (zh) | 热带气旋引发沿海地区灰霾概率的确定、预报方法及系统 | |
| CN109408604B (zh) | 输电线路关联天气因素数据网格化处理方法、装置及系统 | |
| CN111178593A (zh) | 一种光伏系统输出功率预测方法及装置 |
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 |