CN113570126A - 光伏发电站的发电功率预测方法、装置及系统 - Google Patents
光伏发电站的发电功率预测方法、装置及系统 Download PDFInfo
- Publication number
- CN113570126A CN113570126A CN202110801379.6A CN202110801379A CN113570126A CN 113570126 A CN113570126 A CN 113570126A CN 202110801379 A CN202110801379 A CN 202110801379A CN 113570126 A CN113570126 A CN 113570126A
- Authority
- CN
- China
- Prior art keywords
- power
- photovoltaic
- actual
- time period
- predicted
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000012545 processing Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 description 36
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000002955 isolation Methods 0.000 description 7
- 238000003491 array Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种光伏发电站的发电功率预测方法、装置及系统，属于光伏发电领域。功率预测设备可以采用功率预测模型对实际发电功率、实际气象数据和预测气象数据进行处理，得到光伏设备在第二时段的预测发电功率，并将该预测发电功率发送至电力调度设备。由此使得电力调度设备能够基于该预测发电功率预先进行电力调配，保障了电网的安全运行。
Description
技术领域
本公开涉及光伏发电领域，特别涉及一种光伏发电站的发电功率预测方法、装置及系统。
背景技术
随着光伏发电站大规模接入电网，其时变性和波动性对电网的安全稳定运行带来巨大的冲击，很大程度增加了电网调度的调配难度。而光伏发电站的发电功率预测技术是提高光伏并网质量、优化电网调度计划以及推进电网安全稳定运行的基础技术，对于保障电网的安全稳定运行具有重要意义。
发明内容
本公开实施例提供了一种光伏发电站的发电功率预测方法、装置及系统，可以解决相关技术中光伏发电站大规模接入电网后增加了电网调度的调配难度的问题。所述技术方案如下：
一方面，提供了一种光伏发电站的发电功率预测方法，应用于光伏发电站中的功率预测设备，所述光伏发电站还包括光伏设备；所述方法包括：
获取所述光伏设备在第一时段的实际发电功率，所述光伏发电站所在目标区域在所述第一时段的实际气象数据，以及气象源预测的所述目标区域在第二时段的预测气象数据，其中所述第二时段位于所述第一时段之后；
采用功率预测模型处理所述实际发电功率、所述实际气象数据和所述预测气象数据，得到所述光伏设备在所述第二时段的预测发电功率；
发送所述预测发电功率。
可选的，所述实际气象数据和所述预测气象数据均包括：辐照度；所述光伏设备包括：升压设备和逆变器；所述获取所述光伏设备在第一时段的实际发电功率，包括：
将获取到的所述升压设备在所述第一时段的功率作为所述光伏设备在第一时段的实际发电功率；
若未获取到所述升压设备在所述第一时段的功率，则将获取到的所述逆变器在所述第一时段的功率作为所述光伏设备在第一时段的实际发电功率；
若未获取到所述逆变器在所述第一时段的功率，则将所述目标区域在所述第一时段的辐照度对应的功率，作为所述光伏设备在第一时段的实际发电功率。
可选的，所述实际气象数据和所述预测气象数据均包括：辐照度；所述获取所述光伏设备的实际发电功率，包括：
若所述第一时段为限电时段，则将所述目标区域在所述第一时段的辐照度对应的功率，作为所述光伏设备在第一时段的实际发电功率。
可选的，所述将所述目标区域在所述第一时段的辐照度对应的功率，作为所述光伏设备在第一时段的实际发电功率，包括：
若所述第一时段的实际气象数据包括辐照度，则将所述第一时段的实际气象数据中的辐照度对应的功率作为所述光伏设备的实际发电功率；
若所述第一时段的实际气象数据不包括辐照度，则将所述目标区域在第三时段的实际气象数据中的辐照度对应的功率，作为所述光伏设备的实际发电功率，所述第三时段位于所述第一时段之前；
若所述目标区域在第三时段的实际气象数据不包括辐照度，则将所述目标区域在所述第一时段的预测气象数据中的辐照度对应的功率作为所述光伏设备的实际发电功率。
可选的，所述方法还包括：
将所述光伏设备在所述第一时段内的实际发电功率，所述光伏设备在所述第二时段的实际发电功率，所述目标区域在所述第一时段的实际气象数据，以及所述目标区域在第二时段的预测气象数据发送至所述云端设备，以供所述云端设备更新所述功率预测模型。
另一方面，提供了一种光伏发电站的发电功率预测方法，应用于云端设备，所述方法包括：
对多个样本数据进行训练，得到功率预测模型；
将所述功率预测模型发送至光伏发电站的功率预测设备，所述光伏发电站还包括光伏设备，所述功率预测模型用于供所述功率预测设备预测所述光伏设备的发电功率；
其中，每个所述样本数据包括：所述光伏设备在第一样本时段的实际发电功率，在第二样本时段的实际发电功率，所述光伏发电站所在目标区域在所述第一样本时段的实际气象数据，以及气象源预测的所述目标区域在所述第二样本时段的预测气象数据，所述第二样本时段位于所述第一样本时段之后。
又一方面，提供了一种光伏发电站的功率预测设备，所述光伏发电站还包括光伏设备；所述功率预测设备包括：
获取模块，用于获取所述光伏设备在第一时段的实际发电功率，所述光伏发电站所在目标区域在所述第一时段的实际气象数据，以及气象源预测的所述目标区域在第二时段的预测气象数据，其中所述第二时段位于所述第一时段之后；
处理模块，用于采用功率预测模型处理所述实际发电功率、所述实际气象数据和所述预测气象数据，得到所述光伏设备在所述第二时段的预测发电功率；
发送模块，用于发送所述目标发电功率。
再一方面，提供了一种云端设备，所述云端设备包括：
训练模块，用于对多个样本数据进行训练，得到功率预测模型；
发送模块，用于将所述功率预测模型发送至光伏发电站的功率预测设备，所述光伏发电站还包括光伏设备，所述功率预测模型用于供所述功率预测设备预测所述光伏设备的发电功率；
其中，每个所述样本数据包括：所述光伏设备在第一样本时段的实际发电功率，在第二样本时段的实际发电功率，所述光伏发电站所在目标区域在所述第一样本时段的实际气象数据，以及气象源预测的所述目标区域在所述第二样本时段的预测气象数据，所述第二样本时段位于所述第一样本时段之后。
又一方面，提供了一种光伏发电站的发电功率预测系统，所述系统包括如上述方面所述的光伏发电站的功率预测设备和云端设备。
再一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，所述指令由处理器加载并执行以实现如上述方面所述的应用于功率预测设备中的光伏发电站的发电功率预测方法，或者应用于云端设备的光伏发电站的发电功率预测方法。
又一方面，提供了一种功率预测设备，包括：存储器，处理器及存储在所述存储器上的计算机程序，所述处理器执行所述计算机程序时实现如上述方面所述的应用于功率预测设备中的光伏发电站的发电功率预测方法，或者应用于云端设备的光伏发电站的发电功率预测方法。
又一方面，提供了一种云端设备，包括：存储器，处理器及存储在所述存储器上的计算机程序，所述处理器执行所述计算机程序时实现如上述方面所述的应用于功率预测设备中的光伏发电站的发电功率预测方法，或者应用于云端设备的光伏发电站的发电功率预测方法。
再一方面，提供了一种包含指令的计算机程序产品，当所述计算机程序产品在所述计算机上运行时，使得所述计算机执行上述方面所述的应用于功率预测设备中的光伏发电站的发电功率预测方法，或者应用于云端设备的光伏发电站的发电功率预测方法。
本公开实施例提供的技术方案带来的有益效果至少包括：
本公开实施例提供了一种光伏发电站的发电功率预测方法、装置及系统，功率预测设备可以采用功率预测模型对实际发电功率、实际气象数据和预测气象数据进行处理，得到光伏设备在第二时段的预测发电功率，并将该预测发电功率发送至电力调度设备。由此使得电力调度设备能够基于该预测发电功率预先进行电力调配，保障了电网的安全运行。
附图说明
为了更清楚地说明本公开实施例中的技术方案，下面将对实施例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公开的一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的一种光伏发电站的发电功率预测系统的结构示意图；
图2是本公开实施例提供的一种光伏发电站的发电功率预测方法的流程图；
图3是本公开实施例提供的另一种光伏发电站的发电功率预测方法的流程图；
图4是本公开实施例提供的又一种光伏发电站的发电功率预测方法的流程图；
图5是本公开实施例提供的一种获取光伏设备的实际发电功率的流程图；
图6是本公开实施例提供的一种获取目标区域在第一时段的辐照度的流程图；
图7是本公开实施例提供的一种采用功率预测模型得到预测发电功率的流程图；
图8是本公开实施例提供的另一种光伏设备的结构示意图；
图9是本公开实施例提供的一种光伏发电站的功率预测设备的框图；
图10是本公开实施例提供的一种获取模块的框图；
图11是本公开实施例提供的另一种光伏发电站的功率预测设备的框图；
图12是本公开实施例提供的又一种云端设备的框图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。
图1是本公开实施例提供的一种光伏发电站的发电功率预测系统的结构示意图。如图1所示，该系统可以包括：功率预测设备10、云端设备20和光伏设备30。
其中，该功率预测设备10和云端设备20中的每个设备均可以为一台服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心。该功率预测设备10可以分别与该云端设备20和光伏设备30建立通信连接，该通信连接可以是有线连接，也可以是无线连接。该云端设备20用于将训练的功率预测模型传输至功率预测设备10，该功率预测设备10用于基于该功率预测模型预测光伏设备的发电功率。
参考图1，该光伏设备30可以包括升压设备31、至少一个逆变器32、至少一个汇流箱33和多个光伏阵列34，该每个光伏阵列34包括多个阵列排布的光伏电池。
其中，每个光伏阵列34与对应的一个汇流箱33的一端连接，该每个汇流箱33的另一端与对应一个逆变器32的一端连接，该多个逆变器32的另一端均与升压设备31的低压侧连接。该升压设备31的高压侧与电网中的电力调度设备40连接。该功率预测设备10分别与升压设备31和每个逆变器32连接。
该光伏阵列34中的每个光伏电池用于将太阳能转换为直流电，并将该直流电传输至对应的一个汇流箱33。该每个汇流箱33用于将接收到的多个直流电进行汇流，并将汇流后的直流电传输至逆变器32。该逆变器32用于将接收到的直流电转换成交流电，并将该交流电传输至升压设备31。该升压设备31用于将交流电进行升压，即升高交流电的电压，并将升压后的交流电传输至电力调度设备40。
图1示出了两个逆变器32、四个汇流箱33和十二个光伏阵列34。其中，该12个光伏阵列34中每三个光伏阵列34与对应的一个汇流箱33的一端连接，四个汇流箱33中每两个汇流箱33的另一端与对应的一个逆变器32的一端连接，该两个逆变器22的另一端均与升压设备21的低压侧和功率预测设备10连接，该升压设备21的高压侧与电网中的电力调度设备40连接。
图2是本公开实施例提供的一种光伏发电站的发电功率预测方法的流程图。该方法可以应用于图1所示的功率预测设备10。如图2所示，该方法可以包括：
步骤201、获取光伏设备在第一时段的实际发电功率，光伏发电站所在目标区域在第一时段的实际气象数据，以及气象源预测的目标区域在第二时段的预测气象数据。
功率预测设备可以获取光伏设备在第一时段的实际发电功率，光伏发电站所在目标区域在第一时段的实际气象数据，以及该气象源预测的目标区域在第二时段的预测气象数据。其中第二时段位于第一时段之后。
示例的，该第一时段的时长可以为15分钟，该第二时段的时长可以大于0且小于或等于8个小时。
可选的，该气象源可以包括：欧洲中期天气预报中心(European centre formedium-range weather forecasts，ECMWF)、国际商业机器公司(international businessmachines corporation，IBM)的气象部门(the weather company)和美国国家环境预报中心(national centers for environmental prediction，NCEP)等中的至少一种。
该实际气象数据和预测数据均可以包括辐照度、温度、降雨量、云量、晴空指数和天气类型中的至少一种。
步骤202、采用功率预测模型处理实际发电功率、实际气象数据和预测气象数据，得到光伏设备在第二时段的预测发电功率。
功率预测设备在确定实际发电功率、实际气象数据和预测气象数据之后，可以将该实际发电功率、实际气象数据和预测气象数据输入该功率预测模型。该功率预测模型进而可以处理该实际发电功率、实际气象数据和预测气象数据，并输出光伏设备在第二时段的预测发电功率。其中，该功率预测模型可以是云端设备发送至功率预测设备的，也可以是其他设备发送至功率预测设备的。
步骤203、发送预测发电功率。
功率预测设备在得到预测发电功率之后，可以将该预测发电功率发送至电力调度设备，以使得电力调度设备基于该预测发电功率，预先进行电力调配，从而保障电网的安全运行。
综上所述，本公开实施例提供了一种光伏发电站的发电功率预测方法，该功率预测设备可以采用功率预测模型对实际发电功率、实际气象数据和预测气象数据进行处理，得到光伏设备第二时段的预测发电功率，并将该预测发电功率发送至电力调度设备。由此使得电力调度设备能够基于该预测发电功率预先进行电力调配，由此保障电网的安全运行。
图3是本公开实施例提供的另一种光伏发电站的发电功率预测方法的流程图，该方法可以应用于图1所示的用于云端设备20。如图3所示，该方法可以包括：
步骤301、对多个样本数据进行训练，得到功率预测模型。
云端设备可以对多个样本数据进行训练，得到功率预测模型。该多个样本数据可以是功率预测设备发送至云端设备的。
其中，该每个样本数据可以包括：该光伏设备在第一样本时段的实际发电功率，光伏设备在第二样本时段的实际发电功率，该光伏发电站所在目标区域在第一样本时段的实际气象数据以及气象源预测的目标区域在第二样本时段的预测气象数据，该第二样本时段位于第一样本时段之后。示例的，该第一样本时段的时长可以为15分钟，该第二样本时段的时长可以大于0且小于或等于8个小时。
步骤302、将功率预测模型发送至光伏发电站的功率预测设备。
云端设备在得到功率预测模型之后，可以将该功率预测模型发送至功率月设备，以使得该功率预测设备基于该功率预测模型预测光伏设备的发电功率。
综上所述，本公开实施例提供了一种光伏发电站的发电功率预测方法，该功率预测设备可以采用云端设备发送的功率预测模型对实际发电功率、实际气象数据和预测气象数据进行处理，得到光伏设备第二时段的预测发电功率，并将该预测发电功率发送至电力调度设备。由此使得电力调度设备能够基于该预测发电功率预先进行电力调配，由此保障电网的安全运行。
在本公开实施例中，功率预测设备中的功率预测模型可以是从云端设备获取，也可以从其他设备中获取，本公开实施例对此不做限定。本公开实施例以功率预测设备中的功率预测模型从云端设备中获取为例进行说明。
图4是本公开实施例提供的又一种光伏发电站的发电功率预测方法的流程图。该方法可以应用于图1所示的光伏发电站的发电功率预测系统。如图4所示，该方法可以包括：
步骤401、云端设备对多个样本数据进行训练，得到功率预测模型。
云端设备可以对多个样本数据进行训练，得到功率预测模型。该多个样本数据可以是功率预测设备发送至云端设备的。
其中，该每个样本数据可以包括：该光伏设备在第一样本时段的实际发电功率，该光伏设备在第二样本时段的实际发电功率，该光伏发电站所在目标区域在第一样本时段的实际气象数据以及气象源预测的目标区域在第二样本时段的预测气象数据。该第二样本时段位于第一样本时段之后。示例的，该第一样本时段的时长可以为15分钟，该第二样本时段的时长可以大于0且小于或等于8个小时。
可选的，该气象源可以包括欧洲中期天气预报中心、国际商业机器公司的气象部门和美国国家环境预报中心等中的至少一种。
该实际气象数据和预测数据均可以包括太阳的辐照度、温度、降雨量、云量、晴空指数和天气类型中的至少一种。
在本公开实施例中，该功率预测模型可以包括第一子模型和第二子模型，云端设备可以采用多个样本数据中的实际气象数据和预测气象数据对第一初始模型进行训练，得到第一子模型。之后云端设备可以将该多个样本数据中的实际气象数据和预测气象数据输入该第一子模型，得到该第一子模型输出的中间气象数据。之后云端设备可以采用多个样本数据中光伏设备在第一样本时段的实际发电功率，光伏设备在第二样本时段的实际发电功率和中间气象数据，对第二初始模型进行训练，从而得到第二子模型。
其中，该第一初始模型和第二初始模型均可以为学习模型，该学习模型可以是随机森林(random forest，RF)模型、岭回归(ridge regression)模型或极端梯度提升(extreme gradient boosting，XGB)模型等。
步骤402、云端设备将功率预测模型发送至功率预测设备。
云端设备在得到功率预测模型之后，可以将该功率预测模型发送至功率预测设备。
步骤403、功率预测设备获取光伏设备在第一时段的实际发电功率，光伏发电站所在目标区域在第一时段的实际气象数据，以及气象源预测的目标区域在第二时段的预测气象数据。
功率预测设备在接收到云端设备发送的功率预测模型之后，可以获取光伏设备在第一时段的实际发电功率，光伏发电站所在目标区域在第一时段的实际气象数据，以及气象源预测的目标区域在第二时段的预测气象数据。其中，该第二时段位于第一时段之后。
参考图1，该光伏发电站还可以包括气象台50，该功率预测设备还可以与该气象台50建立通信连接。该气象台50用于获取光伏发电站所在目标区域的实际气象数据。该功率预测设备可以从该气象台50获取光伏发电站所在目标区域在第一时段的实际气象数据。
可选的，如图5所示，功率预测设备获取光伏设备在第一时段的实际发电功率的过程可以包括：
步骤4031、检测该第一时段是否为限电时段。
在本公开实施例中，光伏设备向电力调度设备供电的时段可以划分为限电时段和非限电时段。光伏设备在限电时段向电力调度设备提供的发电功率小于光伏设备的实际发电功率，在非限电时段向电力调度设备提供发电功率等于光伏设备的实际发电功率。该限电时段和非限电时段均为该功率预测设备中预先存储的固定时段。
若该第一时段为限电时段，则功率预测设备可以确定光伏设备向电力调度设备提供的发电功率小于光伏设备的实际发电功率。也即是功率预测设备若直接获取升压设备或逆变器在第一时段的功率，则获取到的功率是小于该实际发电功率的。因此为了确保确定出的实际发电功率的准确性，功率预测设备可以执行步骤4036。若第一时段不是限电时段，则功率预测设备可以确定直接获取的升压设备或逆变器在第一时段的功率等于该实际发电功率，因此功率预测设备可以执行步骤4032。
步骤4032、检测是否获取到升压设备在第一时段的功率。
功率预测设备在确定该第一时段不为限电时段后，可以获取升压设备在第一时段的功率。若获取到升压设备在第一时段的功率，则功率预测设备可以执行步骤4033。若未获取到升压设备在第一时段的功率，则功率预测设备可以执行步骤4034。
其中，该升压设备的功率可以为该升压设备的低压侧的功率，也可以为该升压设备的高压侧的功率。
可选的，该第一时段可以包括多个子时段，每个子时段可以包括多个时刻，功率预测设备若获取到该升压设备的低压侧在第一时段中多个子时段的功率，则可以将该多个子时段的功率的均值作为该升压设备在第一时段的功率。功率预测设备若未获取到该升压设备的低压侧在第一时段中多个子时段的功率，则可以将获取到的升压设备的高压侧在第一时段中多个子时段的功率的均值，作为升压设备在第一时段的功率。其中，该每个子时段的功率可以为该子时段包括的多个时刻中至少一个时刻的功率的平均值。示例的，该每个子时段的时长可以为5分钟。
功率预测设备若未获取到升压设备的低压侧在第一时段中多个子时段的功率，且也未获取到升压设备的高压侧在第一时段中多个子时段的功率，则可以确定未获取到升压设备在第一时段的功率。
在本公开实施例中，对于升压设备的低压侧和高压侧，若功率预测设备获取到的子时段的功率的个数大于第一数值，则功率预测设备可以确定获取到第一时段的功率。若功率预测设备获取到的子时段的功率的个数小于或等于第一数值，则功率预测设备可以确定未获取到第一时段的功率。其中，该第一数值可以为功率预测设备中预先存储的固定数值。示例的，该第一数值可以大于3/4倍的多个子时段的总数。
步骤4033、将获取到的升压设备在第一时段的功率作为光伏设备在第一时段的实际发电功率。
功率预测设备在获取到升压设备在第一时段的功率后，可以将该升压设备在第一时段的功率作为光伏设备在第一时段的实际发电功率。
步骤4034、检测是否获取到逆变器在第一时段的功率。
功率预测设备若未获取到升压设备在第一时段的功率，则可以获取逆变器在第一时段的功率。若获取到逆变器在第一时段的功率，则功率预测设备可以执行步骤4035。若未获取到逆变器在第一时段的功率，则功率预测设备可以执行步骤4036。
若光伏设备包括多个逆变器，则功率预测设备可以获取每个逆变器在第一时段中多个子时段的功率，并将该多个逆变器在多个子时段的功率的均值作为逆变器在第一时段的功率。其中，每个逆变器在一个子时段的功率可以为该逆变器在该一个子时段包括的多个时刻中至少一个时刻的功率的平均值。
对于该多个逆变器，若功率预测设备获取到的子时段的功率的个数大于或等于第二数值，则可以确定获取到逆变器在第一时段的功率。若获取到的子时段的功率的个数小于第二数值，则功率预测设备可以确定未获取到逆变器在第一时段的功率。该第二数值可以为功率预测设备中预先存储的固定数值。
步骤4035、将获取到的逆变器在第一时段的功率作为光伏设备在第一时段的实际发电功率。
功率预测设备在获取到逆变器在第一时段的功率之后，可以将获取到逆变器在第一时段的功率作为光伏设备在第一时段的实际发电功率。
步骤4036、将目标区域在第一时段的辐照度对应的功率，作为光伏设备在第一时段的实际发电功率。
功率预测设备在确定第一时段为限电时段之后，可以将该目标区域在第一时段的辐照度对应的功率，作为光伏设备在第一时段的实际发电功率，由此确保对光伏设备在第一时段的实际发电功率确定的准确度。
或者，功率预测设备在未获取到逆变器在第一时段的功率之后，可以将目标区域在第一时段的辐照度对应的功率，作为光伏设备在第一时段的实际发电功率。
在本公开实施例中，由于功率预测设备与升压设备之间的网络原因，可能会导致功率预测设备无法从升压设备处获取到光伏设备实际发电功率。在该种情况下，功率预测设备还可以从逆变器获取实际发电功率，即使无法从逆变器获取到实际发电功率，功率预测设备还可以将目标区域的辐照度对应的功率作为实际发电功率，由此有效提高了对光伏设备的实际发电功率获取的可靠性。
可选的，参考图6，功率预测设备获取目标区域在第一时段的辐照度的过程可以包括：
步骤40361、检测第一时段的实际气象数据是否包括辐照度。
功率预测设备可以检测获取到的第一时段的实际气象数据是否包括辐照度。若该获取到的第一时段的实际气象数据包括辐照度，则功率预测设备可以执行步骤40362。若获取到的第一时段的实际气象数据不包括辐照度，则功率预测设备可以执行步骤40363。
在本公开实施例中，该第一时段的实际气象数据的辐照度可以为该第一时段中多个子时段的辐照度的平均值，也可以为该第一时段中任一子时段的辐照度。其中，该每个子时段的辐照度可以为该子时段包括的多个时刻中至少一个时刻的辐照度的平均值。
可选的，若第一时段的实际气象数据的辐照度为该第一时段中多个子时段的辐照度的平均值，则若功率检测设备获取到的子时段的辐照度的个数大于或等于第三数值，则功率预测设备可以确定第一时段的实际气象数据包括辐照度。若功率检测设备获取到的子时段的辐照度的个数小于第三数值，则功率预测设备可以确定第一时段的实际气象数据不包括辐照度。其中，该第三数值可以为功率预测设备中预先存储的固定数值。
步骤40362、将第一时段的实际气象数据中的辐照度对应的功率作为光伏设备的实际发电功率。
功率预测设备中可以预先存储有辐照度与功率的对应关系。功率预测设备在确定第一时段的实际气象数据包括辐照度之后，可以从该辐照度与功率的对应关系中，确定与该第一时段的实际气象数据中的辐照度所对应的功率，并可以将该第一时段的实际气象数据中的辐照度对应的功率作为光伏设备的实际发电功率。
步骤40363、检测目标区域在第三时段的实际气象数据是否包括辐照度。
功率预测设备在确定第一时段的实际气象数据不包括辐照度后，可以检测目标区域在第三时段的实际气象数据是否包括辐照度。若该获取到的第三时段的实际气象数据包括辐照度，则功率预测设备可以执行步骤40364。若获取到的第三时段的实际气象数据不包括辐照度，则功率预测设备可以执行步骤40365。其中，该第三时段位于该第一时段之前。
步骤40364、将目标区域在第三时段的实际气象数据中的辐照度对应的功率，作为光伏设备的实际发电功率。
功率预测设备在确定第三时段的实际气象数据包括辐照度之后，可以从该辐照度与功率的对应关系中，确定与第三时段的实际气象数据中的辐照度所对应的功率，并可以将第三时段的实际气象数据中的辐照度对应的功率作为光伏设备的实际发电功率。
步骤40365、将目标区域在第一时段的预测气象数据中的辐照度对应的功率作为光伏设备的实际发电功率。
功率预测设备在确定第三时段的实际气象数据不包括辐照度之后，可以从辐照度与功率的对应关系中，确定目标区域在第一时段的预测气象数据中的辐照度对应的功率，并将该目标区域在第一时段的预测气象数据中的辐照度对应的功率作为光伏设备的实际发电功率。
步骤404、功率预测设备采用功率预测模型处理实际发电功率、实际气象数据和预测气象数据，得到光伏设备在第二时段的预测发电功率。
功率预测设备在获取到实际发电功率、实际气象数据和预测气象数据之后，可以将该实际发电功率、实际气象数据和预测气象数据输入该功率预测模型，以通过该功率预测模型处理该实际发电功率、实际气象数据和预测气象数据，并输出该光伏设备在第二时段的预测发电功率。
参考图7，该功率预测模型可以包括第一子模型A和第二子模型B，该功率预测模型在处理实际发电功率、实际气象数据和预测气象数据的过程中，首先该第一子模型A可以对该实际气象数据和预测气象数据进行处理得到中间气象数据。之后该第一子模型A将该中间气象数据输入第二子模型B。该第二子模型B对该中间气象数据和实际发电功率进行处理，从而输出该第二时段的预测发电功率。其中，该第二时段的预测发电功率的个数可以为T/t，该T为第二时段的时长，t为第一时段的时长。即在第二时段中，每隔第一时段的时长t存在一个预测发电功率。
示例的，该第二时段为的时长为60分钟，第一时段的时长为15分钟，则该第二时段的预测发电功率的个数为60/15共4个。
步骤405、功率预测设备发送预测发电功率。
功率预测设备在得到第二时段的预测发电功率之后，可以将该预测发电功率发送至电力调度设备，以使得电力调度设备可以基于该第二时段的预测发电功率对第二时段的电力进行调度，由此确保电网的安全运行。
步骤406、功率预测设备将光伏设备在第一时段内的实际发电功率、光伏设备在第二时段的实际发电功率、目标区域在第一时段的实际气象数据以及目标区域在第二时段的预测气象数据发送至云端设备。
功率设备在确定第二时段的实际发电功率之后，可以将该功率预测设备将光伏设备在第一时段内的实际发电功率、光伏设备在第二时段的实际发电功率、目标区域在第一时段的实际气象数据，以及目标区域在第二时段的预测气象数据发送至云端设备。
步骤407、云端设备基于实际发电功率、实际气象数据和预测气象数据，更新功率预测模型。
云端设备在接收到功率预测设备发送的光伏设备在第一时段内的实际发电功率、光伏设备在第二时段的实际发电功率、目标区域在第一时段的实际气象数据，以及目标区域在第二时段的预测气象数据之后，可以基于该光伏设备在第一时段内的实际发电功率、光伏设备在第二时段的实际发电功率、目标区域在第一时段的实际气象数据，以及目标区域在第二时段的预测气象数据更新功率预测模型。之后，云端设备可以将该更新后的功率预测模型发送至功率预测设备，由此提高功率预测设备对光伏设备的预测发电功率预测的准确度。
在本公开实施例中，参考图8，该光伏发电站还包括第一信息管理设备61、第二信息管理设备62、第一生产管理设备71、第二生产管理设备72、第一隔离设备81、第二隔离设备82、第一非控制生产设备91、第二非控制生产设备92、第一控制生产设备101、第二控制生产设备102、第一加密设备111和第二加密设备112。
其中，该云端设备20通过网络与第一信息管理设备61和第二信息管理设备61连接。该第一信息管理设备61还与第二信息管理设备62和第一生产管理设备71连接。该第二信息管理设备62还与第二生产管理设备72连接，该第二生产管理设备72还与第一生产管理设备71和第二隔离设备82连接。该第一生产管理设备71还与第一隔离设备81连接，该第一隔离设备81还与第一非控制生产设备91连接。该第一非控制生产设备91通过第二加密设备112与第二非控制生产设备92连接，该第一非控制生产设备91还与第一控制生产设备101连接。该第二非控制生产设备92还分别与第二隔离设备81和第二控制生产设备102连接，该第二控制生产设备102还通过第一加密设备111与第一控制生产设备101连接。
其中，该第一信息管理设备61与云端设备20、第二信息管理设备62与云端设备20之间，第一信息管理设备61和第一生产管理设备71之间、第二信息管理设备62和第二生产管理设备72之间、第一非控制生产设备91和第一控制生产设备101之间、第二非控制生产设备92和第一控制生产设备102之间均设置有防火墙。该第一加密设备111用于对第一控制生产设备101和第二控制生产设备102之间传输的数据进行加密，第二加密设备112用于对第一非控制生产设备91和第二非控制生产设备92之间传输的数据进行加密。
在本公开实施例中，云端设备传输的功率预测模型可以依次通过第一信息管理设备61、第一生产管理设备71、第一隔离设备81、第一非控制生产设备91以及第一控制生产设备101传输至功率预测设备10。或者，该云端设备传输的功率预测模型可以依次通过第二信息管理设备62、第二生产管理设备72、第二隔离设备82、第二非控制生产设备92以及第二控制生产设备102传输至功率预测设备10。由于本公开实施例通过功率预测模型预测光伏设备的预测发电功率，而无需云端设备进行预测，因此避免了出现云端设备需要通过图9所示的多个设备将预测发电功率发送至功率预测设备，该功率预测设备再将该预测发电功率传输至电力调度设备，而导致向电力调度设备发送预测发电功率的效率较低的问题，提高了向电力调度设备发送预测发电功率的效率。
需要说明的是，本申请实施例提供的光伏发电站的发电功率预测方法步骤的先后顺序可以进行适当调整，步骤也可以根据情况进行删除。例如，步骤406和步骤407可以根据情况进行删除。或者步骤4034和步骤4035可以根据情况进行删除，即功率预测设备未获取到的升压设备在第一时段的功率时，可以直接执行步骤4036。又或者，步骤4031可以根据情况进行删除，即功率预测设备可以直接获取升压设备在第一时段的功率。再或者，上述步骤40363和步骤40364可以根据情况删除，即功率预测设备在检测到第一时段的实际气象数据不包括辐照度之后，可以直接将目标区域在第一时段的预测气象数据中的辐照度对应的功率作为光伏设备的实际发电功率。任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化的方法，都应涵盖在本申请的保护范围之内，因此不再赘述。
综上所述，本公开实施例提供了一种光伏发电站的发电功率预测方法，该功率预测设备可以采用功率预测模型对实际发电功率、实际气象数据和预测气象数据进行处理，得到光伏设备第二时段的预测发电功率，并将该预测发电功率发送至电力调度设备。由此使得电力调度设备能够基于该预测发电功率预先进行电力调配，由此保障电网的安全运行。
并且，由于该功率预测模型由云端设备提供，因此可以无需功率预测设备训练该功率预测模型，从而降低了功率预测设备的计算量，进而降低了对功率预测设备的计算性能的要求。又由于功率预测设备确定出预测发电功率后，可以直接将该预测发电功率传输至电力调度设备。相比于云端设备计算出该预测发电功率后，通过功率预测设备向电力调度设备发送预测发电功率，本申请实施例提供的方法可以有效提高向电力调度设备发送预测发电功率的效率。
图9是本公开实施例提供的一种光伏发电站的功率预测设备10的框图，如图9所示，该功率预测设备可以包括：
获取模块1001，用于获取光伏设备在第一时段的实际发电功率，所述光伏设备在所述第二时段的实际发电功率，光伏发电站所在目标区域在第一时段的实际气象数据，以及气象源预测的目标区域在第二时段的预测气象数据，其中第二时段位于第一时段之后。
处理模块1002，用于采用功率预测模型处理实际发电功率、实际气象数据和预测气象数据，得到光伏设备在第二时段的预测发电功率。
第一发送模块1003，用于发送目标发电功率。
综上所述，本公开实施例提供了一种光伏发电站的发电功率预测装置，该功率预测设备可以采用功率预测模型对实际发电功率、实际气象数据和预测气象数据进行处理，得到光伏设备第二时段的预测发电功率，并将该预测发电功率发送至电力调度设备。由此使得电力调度设备能够基于该预测发电功率预先进行电力调配，由此保障电网的安全运行。
可选的，实际气象数据和预测气象数据均包括：辐照度；光伏设备包括：升压设备和逆变器。参考图10，获取模块1001，包括：
第一获取子模块10011，用于将获取到的升压设备在第一时段的功率作为光伏设备在第一时段的实际发电功率。
第二获取子模块10012，用于若未获取到升压设备在第一时段的功率，则将获取到逆变器在第一时段的功率作为光伏设备在第一时段的实际发电功率。
第三获取子模块10013，用于若未获取到逆变器在第一时段的功率，则将目标区域在第一时段的辐照度对应的功率，作为光伏设备在第一时段的实际发电功率。
可选的，实际气象数据和预测气象数据均包括：辐照度。获取模块1001，用于：
若第一时段为限电时段，则将目标区域在第一时段的辐照度对应的功率，作为光伏设备在第一时段的实际发电功率。
可选的，第三获取子模块10013，用于：
若第一时段的实际气象数据包括辐照度，则将第一时段的实际气象数据中的辐照度对应的功率作为光伏设备的实际发电功率。
若第一时段的实际气象数据不包括辐照度，则将目标区域在第三时段的实际气象数据中的辐照度对应的功率，作为光伏设备的实际发电功率，第三时段位于第一时段之前。
若目标区域在第三时段的实际气象数据不包括辐照度，则将目标区域在第一时段的预测气象数据中的辐照度对应的功率作为光伏设备的实际发电功率。
参考图11，该功率预测设备还可以包括：
第二发送模块1004，用于将光伏设备在第一时段内的实际发电功率、目标区域在第一时段的实际气象数据，以及目标区域在第二时段的预测气象数据发送至云端设备，以供云端设备更新功率预测模型。
综上所述，本公开实施例提供了一种光伏发电站的发电功率预测装置，该功率预测设备可以采用功率预测模型对实际发电功率、实际气象数据和预测气象数据进行处理，得到光伏设备第二时段的预测发电功率，并将该预测发电功率发送至电力调度设备。由此使得电力调度设备能够基于该预测发电功率预先进行电力调配，由此保障电网的安全运行。
图12是本公开实施例提供的又一种云端设备20的框图。如图12所示，该云端设备可以包括：
训练模块2001，用于对多个样本数据进行训练，得到功率预测模型。
发送模块2002，用于将功率预测模型发送至光伏发电站的功率预测设备，光伏发电站还包括光伏设备，功率预测模型用于供功率预测设备预测光伏设备的发电功率。
其中，每个样本数据包括：光伏设备在第一样本时段的实际发电功率，在第二样本时段的实际发电功率，光伏发电站所在目标区域在第一样本时段的实际气象数据，以及气象源预测的目标区域在第二样本时段的预测气象数据，第二样本时段位于第一样本时段之后。
综上所述，本公开实施例提供了一种云端设备，该功率预测设备可以采用云端设备发送的功率预测模型对实际发电功率、实际气象数据和预测气象数据进行处理，得到光伏设备第二时段的预测发电功率，并将该预测发电功率发送至电力调度设备。由此使得电力调度设备能够基于该预测发电功率预先进行电力调配，由此保障电网的安全运行。
本公开实施例提供了一种光伏发电站的发电功率预测系统，如图1、图9、图10、图11和图12所示，该系统可以包括功率预测设备10和云端设备20。
本公开实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有指令。该指令由处理器加载并执行以实现上述方法实施例中(如图2、图4、图5或图6所示的方法实施例)中由功率预测设备执行的步骤。或者实现上述方法实施例(如图3或图4所示的方法实施例)中由云端设备执行的步骤。
本公开实施例提供了一种功率预测设备，包括：存储器，处理器及存储在存储器上的计算机程序，处理器执行计算机程序时实现如上述方法实施例(如图2、图4、图5或图6所示的方法实施例)中由功率预测设备执行的步骤。
本公开实施例提供了一种云端设备，包括：存储器，处理器及存储在存储器上的计算机程序，处理器执行所述计算机程序时实现如上述方法实施例(如图3或图4所示的方法实施例)中由云端设备执行的步骤。
本公开实施例提供了一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行上述方法实施例中(如图2、图4、图5或图6所示的方法实施例)中由功率预测设备执行的步骤。或者执行上述方法实施例(如图3或图4所示的方法实施例)中由云端设备执行的步骤。
在本公开实施例中，术语“第一”、“第二”和“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。本公开实施例中术语“至少一个”的含义是指一个或多个。本公开实施例中术语“多个”的含义是指两个或两个以上。
以上所述仅为本公开的可选实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (10)
1.一种光伏发电站的发电功率预测方法，其特征在于，应用于光伏发电站中的功率预测设备，所述光伏发电站还包括光伏设备；所述方法包括：
获取所述光伏设备在第一时段的实际发电功率，所述光伏发电站所在目标区域在所述第一时段的实际气象数据，以及气象源预测的所述目标区域在第二时段的预测气象数据，其中所述第二时段位于所述第一时段之后；
采用功率预测模型处理所述实际发电功率、所述实际气象数据和所述预测气象数据，得到所述光伏设备在所述第二时段的预测发电功率；
发送所述预测发电功率。
2.根据权利要求1所述的方法，其特征在于，所述实际气象数据和所述预测气象数据均包括：辐照度；所述光伏设备包括：升压设备和逆变器；所述获取所述光伏设备在第一时段的实际发电功率，包括：
将获取到的所述升压设备在所述第一时段的功率作为所述光伏设备在第一时段的实际发电功率；
若未获取到所述升压设备在所述第一时段的功率，则将获取到的所述逆变器在所述第一时段的功率作为所述光伏设备在第一时段的实际发电功率；
若未获取到所述逆变器在所述第一时段的功率，则将所述目标区域在所述第一时段的辐照度对应的功率，作为所述光伏设备在第一时段的实际发电功率。
3.根据权利要求1所述的方法，其特征在于，所述实际气象数据和所述预测气象数据均包括：辐照度；所述获取所述光伏设备的实际发电功率，包括：
若所述第一时段为限电时段，则将所述目标区域在所述第一时段的辐照度对应的功率，作为所述光伏设备在第一时段的实际发电功率。
4.根据权利要求2或3所述的方法，其特征在于，所述将所述目标区域在所述第一时段的辐照度对应的功率，作为所述光伏设备在第一时段的实际发电功率，包括：
若所述第一时段的实际气象数据包括辐照度，则将所述第一时段的实际气象数据中的辐照度对应的功率作为所述光伏设备的实际发电功率；
若所述第一时段的实际气象数据不包括辐照度，则将所述目标区域在第三时段的实际气象数据中的辐照度对应的功率，作为所述光伏设备的实际发电功率，所述第三时段位于所述第一时段之前；
若所述目标区域在第三时段的实际气象数据不包括辐照度，则将所述目标区域在所述第一时段的预测气象数据中的辐照度对应的功率作为所述光伏设备的实际发电功率。
5.根据权利要求1至3任一所述的方法，其特征在于，所述方法还包括：
将所述光伏设备在所述第一时段内的实际发电功率，所述光伏设备在所述第二时段的实际发电功率，所述目标区域在所述第一时段的实际气象数据，以及所述目标区域在第二时段的预测气象数据发送至所述云端设备，以供所述云端设备更新所述功率预测模型。
6.一种光伏发电站的发电功率预测方法，其特征在于，应用于云端设备，所述方法包括：
对多个样本数据进行训练，得到功率预测模型；
将所述功率预测模型发送至光伏发电站的功率预测设备，所述光伏发电站还包括光伏设备，所述功率预测模型用于供所述功率预测设备预测所述光伏设备的发电功率；
其中，每个所述样本数据包括：所述光伏设备在第一样本时段的实际发电功率，在第二样本时段的实际发电功率，所述光伏发电站所在目标区域在所述第一样本时段的实际气象数据，以及气象源预测的所述目标区域在所述第二样本时段的预测气象数据，所述第二样本时段位于所述第一样本时段之后。
7.一种光伏发电站的功率预测设备，其特征在于，所述光伏发电站还包括光伏设备；所述功率预测设备包括：
获取模块，用于获取所述光伏设备在第一时段的实际发电功率，所述光伏发电站所在目标区域在所述第一时段的实际气象数据，以及气象源预测的所述目标区域在第二时段的预测气象数据，其中所述第二时段位于所述第一时段之后；
处理模块，用于采用功率预测模型处理所述实际发电功率、所述实际气象数据和所述预测气象数据，得到所述光伏设备在所述第二时段的预测发电功率；
发送模块，用于发送所述目标发电功率。
8.一种云端设备，其特征在于，所述云端设备包括：
训练模块，用于对多个样本数据进行训练，得到功率预测模型；
发送模块，用于将所述功率预测模型发送至光伏发电站的功率预测设备，所述光伏发电站还包括光伏设备，所述功率预测模型用于供所述功率预测设备预测所述光伏设备的发电功率；
其中，每个所述样本数据包括：所述光伏设备在第一样本时段的实际发电功率，在第二样本时段的实际发电功率，所述光伏发电站所在目标区域在所述第一样本时段的实际气象数据，以及气象源预测的所述目标区域在所述第二样本时段的预测气象数据，所述第二样本时段位于所述第一样本时段之后。
9.一种光伏发电站的发电功率预测系统，其特征在于，所述系统包括：如权利要求7所述的光伏发电站的功率预测设备和如权利要求8所述的云端设备。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，所述指令由处理器加载并执行以实现如权利要求1至6任一所述的光伏发电站的发电功率预测方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110801379.6A CN113570126A (zh) | 2021-07-15 | 2021-07-15 | 光伏发电站的发电功率预测方法、装置及系统 |
| PCT/SG2022/050493 WO2023287359A2 (en) | 2021-07-15 | 2022-07-14 | Method, device, and system for forecasting generated power of photovoltaic power station |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110801379.6A CN113570126A (zh) | 2021-07-15 | 2021-07-15 | 光伏发电站的发电功率预测方法、装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113570126A true CN113570126A (zh) | 2021-10-29 |
Family
ID=78164930
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110801379.6A Pending CN113570126A (zh) | 2021-07-15 | 2021-07-15 | 光伏发电站的发电功率预测方法、装置及系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113570126A (zh) |
| WO (1) | WO2023287359A2 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117113267A (zh) * | 2023-10-25 | 2023-11-24 | 杭州海兴泽科信息技术有限公司 | 基于大数据的预测模型训练方法、光伏发电性能检测方法 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117134334A (zh) * | 2023-08-28 | 2023-11-28 | 淮阴工学院 | 一种基于机理-数据驱动混合集成的光伏发电功率预测方法 |
| CN116933950B (zh) * | 2023-09-19 | 2024-01-16 | 国能日新科技股份有限公司 | 功率预测数据的传输方法、装置、设备和存储介质 |
| CN117374922B (zh) * | 2023-09-25 | 2024-06-07 | 中国华能集团清洁能源技术研究院有限公司 | 一种光伏发电功率预测及管理系统及其应用方法 |
| CN117713039B (zh) * | 2023-11-01 | 2024-06-14 | 宁夏青铜峡市华能雷避窑光伏发电有限公司 | 基于区域新能源发电功率预测的电厂发电控制方法 |
| CN117239745B (zh) * | 2023-11-16 | 2024-01-23 | 北京弘象科技有限公司 | 光伏发电量的预测方法、装置、电子设备和存储介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101795090A (zh) * | 2009-01-19 | 2010-08-04 | 原子能委员会 | 预测光伏器件的电力产量的方法 |
| US20160092611A1 (en) * | 2014-09-26 | 2016-03-31 | State Grid Corporation Of China | Method for constructing real-time solar irradiation metering network of gigawatts level photovoltaic power generation base |
| CN106779223A (zh) * | 2016-12-21 | 2017-05-31 | 创维互联（北京）新能源科技有限公司 | 一种光伏系统发电功率实时预测方法及装置 |
| CN107220723A (zh) * | 2017-04-20 | 2017-09-29 | 华北电力大学 | 一种光伏电站功率预测方法 |
| CN107422180A (zh) * | 2017-02-28 | 2017-12-01 | 张家口安智科为新能源有限公司 | 一种基于云监控的光伏电站的功率预测系统 |
| CN108879947A (zh) * | 2018-06-06 | 2018-11-23 | 华南理工大学 | 一种基于深度学习算法的分布式光伏发电控制管理系统 |
| CN109494786A (zh) * | 2018-10-31 | 2019-03-19 | 特变电工南京智能电气有限公司 | 一种优化光伏电站发电功率控制系统 |
| CN109634820A (zh) * | 2018-11-01 | 2019-04-16 | 华中科技大学 | 一种云端移动端协同的故障预警方法、相关设备及系统 |
| CN110348648A (zh) * | 2019-08-02 | 2019-10-18 | 国网电子商务有限公司 | 一种光伏电站功率预测方法及装置 |
| CN110445176A (zh) * | 2019-08-21 | 2019-11-12 | 国网天津市电力公司 | 一种分布式光伏功率预测和数据交互系统 |
| CN110555220A (zh) * | 2018-05-31 | 2019-12-10 | 中国电力科学研究院有限公司 | 一种光电转换模型的率定方法及系统 |
| CN111275491A (zh) * | 2020-01-21 | 2020-06-12 | 深圳前海微众银行股份有限公司 | 一种数据处理方法及装置 |
| US20210194424A1 (en) * | 2019-04-25 | 2021-06-24 | Shandong University | Method and system for power prediction of photovoltaic power station based on operating data of grid-connected inverters |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017026010A1 (ja) * | 2015-08-07 | 2017-02-16 | 三菱電機株式会社 | 太陽光発電量予測装置および太陽光発電量予測方法 |
| CN108268963B (zh) * | 2016-12-30 | 2022-08-19 | 中国电力科学研究院 | 一种自修正检验的光伏功率短期预测方法 |
| WO2019021438A1 (ja) * | 2017-07-27 | 2019-01-31 | 三菱電機株式会社 | 太陽光発電量予測装置、太陽光発電量予測システム、予測方法及びプログラム |
| CN112507561A (zh) * | 2020-12-15 | 2021-03-16 | 国网湖南省电力有限公司 | 基于云计算的集中式光功率预测方法及系统 |
-
2021
- 2021-07-15 CN CN202110801379.6A patent/CN113570126A/zh active Pending
-
2022
- 2022-07-14 WO PCT/SG2022/050493 patent/WO2023287359A2/en unknown
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101795090A (zh) * | 2009-01-19 | 2010-08-04 | 原子能委员会 | 预测光伏器件的电力产量的方法 |
| US20160092611A1 (en) * | 2014-09-26 | 2016-03-31 | State Grid Corporation Of China | Method for constructing real-time solar irradiation metering network of gigawatts level photovoltaic power generation base |
| CN106779223A (zh) * | 2016-12-21 | 2017-05-31 | 创维互联（北京）新能源科技有限公司 | 一种光伏系统发电功率实时预测方法及装置 |
| CN107422180A (zh) * | 2017-02-28 | 2017-12-01 | 张家口安智科为新能源有限公司 | 一种基于云监控的光伏电站的功率预测系统 |
| CN107220723A (zh) * | 2017-04-20 | 2017-09-29 | 华北电力大学 | 一种光伏电站功率预测方法 |
| CN110555220A (zh) * | 2018-05-31 | 2019-12-10 | 中国电力科学研究院有限公司 | 一种光电转换模型的率定方法及系统 |
| CN108879947A (zh) * | 2018-06-06 | 2018-11-23 | 华南理工大学 | 一种基于深度学习算法的分布式光伏发电控制管理系统 |
| CN109494786A (zh) * | 2018-10-31 | 2019-03-19 | 特变电工南京智能电气有限公司 | 一种优化光伏电站发电功率控制系统 |
| CN109634820A (zh) * | 2018-11-01 | 2019-04-16 | 华中科技大学 | 一种云端移动端协同的故障预警方法、相关设备及系统 |
| US20210194424A1 (en) * | 2019-04-25 | 2021-06-24 | Shandong University | Method and system for power prediction of photovoltaic power station based on operating data of grid-connected inverters |
| CN110348648A (zh) * | 2019-08-02 | 2019-10-18 | 国网电子商务有限公司 | 一种光伏电站功率预测方法及装置 |
| CN110445176A (zh) * | 2019-08-21 | 2019-11-12 | 国网天津市电力公司 | 一种分布式光伏功率预测和数据交互系统 |
| CN111275491A (zh) * | 2020-01-21 | 2020-06-12 | 深圳前海微众银行股份有限公司 | 一种数据处理方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 吴攀;: "光伏发电系统发电功率预测", 发电技术, no. 03, pages 25 - 30 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117113267A (zh) * | 2023-10-25 | 2023-11-24 | 杭州海兴泽科信息技术有限公司 | 基于大数据的预测模型训练方法、光伏发电性能检测方法 |
| CN117113267B (zh) * | 2023-10-25 | 2024-02-09 | 杭州海兴泽科信息技术有限公司 | 基于大数据的预测模型训练方法、光伏发电性能检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023287359A2 (en) | 2023-01-19 |
| WO2023287359A3 (en) | 2023-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113570126A (zh) | 光伏发电站的发电功率预测方法、装置及系统 | |
| Marzband et al. | A real-time evaluation of energy management systems for smart hybrid home Microgrids | |
| US9389630B2 (en) | Predictive smart grid re-structuring based on expected load and power generation | |
| You et al. | Optimal charging schedule for a battery switching station serving electric buses | |
| Cau et al. | Energy management strategy based on short-term generation scheduling for a renewable microgrid using a hydrogen storage system | |
| Zhao et al. | An MAS based energy management system for a stand-alone microgrid at high altitude | |
| US10483761B2 (en) | Power management device, power management system, server, power management method, and program | |
| CN105680474B (zh) | 一种储能抑制光伏电站快速功率变化的控制方法 | |
| US20220376499A1 (en) | System and method for load and source forecasting for increasing electrical grid component longevity | |
| CN116544983B (zh) | 风光发电储能系统及其优化配置方法 | |
| CN113410874B (zh) | 基于虚拟电厂调峰辅助服务的负荷资源优化控制方法 | |
| CN110783959A (zh) | 一种新能源发电系统的稳定状态控制系统 | |
| Lin et al. | Stochastic optimal dispatch of PV/wind/diesel/battery microgrids using state‐space approximate dynamic programming | |
| EP3007234A1 (en) | Operation of large scale PV plants | |
| CN113964853A (zh) | 一种5g宏基站群优化调度方法、装置、介质及终端设备 | |
| CN116739360A (zh) | 基于区块链的分布式风光储智慧能量管理系统 | |
| CN116111656A (zh) | 微电网调度的方法和装置 | |
| CN114995580A (zh) | 一种光伏系统最大功率点追踪方法及系统 | |
| CN113408785B (zh) | 光功率的预测方法、装置、设备及存储介质 | |
| CN116885775B (zh) | 基于并网光伏发电系统对电网电能质量影响的分析方法 | |
| CN114447975A (zh) | 一种基于移动储能的多微电网灵活性提升方法 | |
| KR102010147B1 (ko) | 중소건물용 마이크로그리드에서 유연 타임 스케일링과 멀티 레벨링에 의한 부하 추종 스케줄링 방법 및 시스템 | |
| Chang et al. | Bi‐level scheduling of large‐scale electric vehicles based on the generation side and the distribution side | |
| CN113610287A (zh) | 光功率预报方法、装置、计算机设备及存储介质 | |
| CN112001518A (zh) | 一种基于云计算的预测和能量管理方法及系统 |
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 |