CN116596162A - 一种光伏发电量测算方法、装置、设备及存储介质 - Google Patents
一种光伏发电量测算方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116596162A CN116596162A CN202310813543.4A CN202310813543A CN116596162A CN 116596162 A CN116596162 A CN 116596162A CN 202310813543 A CN202310813543 A CN 202310813543A CN 116596162 A CN116596162 A CN 116596162A
- Authority
- CN
- China
- Prior art keywords
- power station
- power generation
- generation amount
- typical
- meteorological 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.)
- Granted
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 367
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000004364 calculation method Methods 0.000 claims abstract description 93
- 238000005457 optimization Methods 0.000 claims abstract description 63
- 238000004422 calculation algorithm Methods 0.000 claims description 25
- 238000000691 measurement method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000007405 data analysis Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (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)
- Power Engineering (AREA)
- Photovoltaic Devices (AREA)
Abstract
本申请公开了一种光伏发电量测算方法、装置、设备及存储介质，属于光伏发电技术领域，该方法包括：获取待测电站基于气象数据的理论发电量；获取典型电站基于气象数据的理论发电量优化误差值；获取典型电站基于气象数据的理论发电量误差比率；根据待测电站基于气象数据的理论发电量、典型电站基于气象数据的理论发电量优化误差值和典型电站基于气象数据的理论发电量误差比率，确定待测电站的发电量。本申请能对项目前期的发电量测算结果起到校对作用；对后期的电站运维评估起到到参考作用，使发电量计算结果更为精确和可靠，可使发电量数据精确至95%以上。
Description
技术领域
本申请涉及光伏发电技术领域，特别涉及一种光伏发电量测算方法、装置、设备及计算机可读存储介质。
背景技术
光伏电站发电量除了主要受太阳能资源影响以外，还受光伏电站系统效率影响。光伏电站系统效率主要考虑的因素有:逆变器的效率损失、变压器的损耗，灰尘及雨雪遮挡损失、光伏组件串并联失配损失、交直流部分线路损失，以及其他损失。光伏发电量计算过程中，影响因素的取值往往采用经验值，而选用经验值计算会导致不同地域、不同类型的电站得到相似的结果，对光伏发电量的计算带来较大的误差，影响最终发电量数值的准确性。因此，如何提高测算光伏电站发电量的准确性，是本领域技术人员目前需要解决的技术问题。
发明内容
本申请的目的是提供一种光伏发电量测算方法、装置、设备及计算机可读存储介质，从而提高测算光伏电站发电量的准确性。
为实现上述目的，本申请提供了一种光伏发电量测算方法，包括：
将待测电站的电站损耗因素和气象数据输入理论发电量计算模型，获取所述待测电站基于所述气象数据的理论发电量；
将典型电站的电站损耗因素和所述气象数据输入所述理论发电量计算模型，获取所述典型电站基于所述气象数据的理论发电量；
根据所述待测电站的参数信息、所述典型电站的参数信息、所述典型电站的实际发电量和所述典型电站基于所述气象数据的理论发电量，获取所述典型电站基于所述气象数据的理论发电量优化误差值；
根据所述典型电站的实际发电量和所述典型电站基于所述气象数据的理论发电量，获取所述典型电站基于所述气象数据的理论发电量误差比率；
根据所述待测电站基于所述气象数据的理论发电量、所述典型电站基于所述气象数据的理论发电量优化误差值和所述典型电站基于所述气象数据的理论发电量误差比率，确定所述待测电站的发电量。
可选的，根据所述待测电站基于所述气象数据的理论发电量、所述典型电站基于所述气象数据的理论发电量优化误差值和所述典型电站基于所述气象数据的理论发电量误差比率，确定所述待测电站的发电量，包括：
将所述待测电站基于所述气象数据的理论发电量、所述典型电站基于所述气象数据的理论发电量优化误差值和所述典型电站基于所述气象数据的理论发电量误差比率输入所述待测电站的发电量计算公式，确定所述待测电站的发电量；
所述待测电站的发电量计算公式为：
；
式中，表示所述待测电站基于所述气象数据的理论发电量；/>表示所述典型电站基于所述气象数据的理论发电量优化误差值；/>表示所述典型电站基于所述气象数据的理论发电量误差比率；k表示第k种所述气象数据；/>表示所述待测电站的发电量。
可选的，根据所述典型电站的实际发电量和所述典型电站基于所述气象数据的理论发电量，获取所述典型电站基于所述气象数据的理论发电量误差比率，包括：
通过平面拟合算法，对所述典型电站的实际发电量和所述典型电站基于所述气象数据的理论发电量进行平面拟合，获取所述典型电站基于所述气象数据的理论发电量误差比率。
可选的，根据所述待测电站的参数信息、所述典型电站的实际发电量和所述典型电站基于所述气象数据的理论发电量，获取所述典型电站基于所述气象数据的理论发电量优化误差值，包括：
根据各所述典型电站实际发电量和各所述典型电站基于所述气象数据的理论发电量，获取各所述典型电站基于所述气象数据的理论发电量误差值；
根据所述待测电站的位置信息和各所述典型电站的位置信息，获取各所述典型电站的权重比；
根据所述待测电站的光伏倾角和各所述典型电站的光伏倾角，获取各所述典型电站的光伏倾角误差值；
根据各所述典型电站基于所述气象数据的理论发电量误差值、各所述典型电站的权重比和各所述典型电站的光伏倾角误差值，获取所述典型电站基于所述气象数据的理论发电量优化误差值。
可选的，根据各所述典型电站基于所述气象数据的理论发电量误差值、各所述典型电站的权重比和各所述典型电站的光伏倾角误差值，获取所述典型电站基于所述气象数据的理论发电量优化误差值，包括：
将各所述典型电站基于所述气象数据的理论发电量误差值、各所述典型电站的权重比和各所述典型电站的光伏倾角误差值输入所述典型电站基于所述气象数据的理论发电量优化误差值计算公式，获取所述典型电站基于所述气象数据的理论发电量优化误差值；
所述典型电站基于所述气象数据的理论发电量优化误差值计算公式为：
；
式中，表示各所述典型电站基于所述气象数据的理论发电量；/>表示各所述典型电站实际发电量；/>表示各所述典型电站基于所述气象数据的理论发电量误差值；/>表示各所述典型电站的权重比；i表示第i个所述典型电站；k表示第k种所述气象数据；/>表示各所述典型电站的光伏倾角误差值。
可选的，根据所述待测电站的位置信息和各所述典型电站的位置信息，获取各所述典型电站的权重比，包括：
通过IDW算法，对所述待测电站的位置信息和各所述典型电站的位置信息进行反距离加权，获取各所述典型电站的权重比。
可选的，所述根据所述待测电站的光伏倾角和各所述典型电站的光伏倾角，获取各所述典型电站的光伏倾角误差值，包括：
将所述待测电站的光伏倾角和各所述典型电站的光伏倾角输入各所述典型电站的光伏倾角误差值计算公式，获取各所述典型电站的光伏倾角误差值；
各所述典型电站的光伏倾角误差值计算公式为：
；
式中，表示所述待测电站的光伏倾角；/>表示各所述典型电站的光伏倾角；/>表示光伏倾角影响率；/>表示各所述典型电站的光伏倾角误差值。
可选的，所述典型电站是根据所述待测电站的地理位置选择的电站；或者是与所述待测电站的气候相近的电站。
可选的，所述典型电站是首年发电达标率大于90%的电站。
可选的，确定所述待测电站的发电量后，还包括：
使用所述待测电站所处区域的气象数据或辐照数据对所述待测电站的发电量进行评估和验证。
为实现上述目的，本申请还提供了一种光伏发电量测算装置，包括：
待测电站理论发电量计算模块，用于将待测电站的电站损耗因素和气象数据输入理论发电量计算模型，获取所述待测电站基于所述气象数据的理论发电量；
典型电站理论发电量计算模块，用于将典型电站的电站损耗因素和所述气象数据输入所述理论发电量计算模型，获取所述典型电站基于所述气象数据的理论发电量；
理论发电量优化误差值计算模块，用于根据所述待测电站的参数信息、所述典型电站的参数信息、所述典型电站的实际发电量和所述典型电站基于所述气象数据的理论发电量，获取所述典型电站基于所述气象数据的理论发电量优化误差值；
理论发电量误差比率计算模块，用于根据所述典型电站的实际发电量和所述典型电站基于所述气象数据的理论发电量，获取所述典型电站基于所述气象数据的理论发电量误差比率；
待测电站的发电量计算模块，用于根据所述待测电站基于所述气象数据的理论发电量、所述典型电站基于所述气象数据的理论发电量优化误差值和所述典型电站基于所述气象数据的理论发电量误差比率，确定所述待测电站的发电量。
为实现上述目的，本申请还提供了一种光伏发电量测算设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述所述的光伏发电量测算方法的步骤。
为实现上述目的，本申请还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上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述的光伏发电量测算方法的步骤。
显然，本申请基于已运行的电站数据，进行数据分析和算法优化，计算得出区域发电站的系统误差值，能够表达出实际发电量和理论发电量的误差，能对项目前期的发电量测算结果起到校对作用；对后期的电站运维评估起到到参考作用，使发电量计算结果更为精确和可靠，可使发电量数据精确至95%以上。本申请还提供一种光伏发电量测算装置、设备及计算机可读存储介质，具有上述有益效果。
附图说明
为了更清楚地说明本申请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申请的实施例，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发电量测算方法的流程图；
图2为本申请实施例提供的另一种光伏发电量测算方法的流程图；
图3为本申请实施例提供的一种光伏发电量测算方法的逻辑图；
图4为本申请实施例提供的一种光伏发电量测算装置的结构框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
光伏发电作为一种清洁、可再生的能源，对于改善能源结构具有重要意义。一方面，光伏电站的建设和运营有助于减少对化石能源的依赖，降低对环境的污染。另一方面，光伏发电可以有效地缓解能源紧张局面，提高能源供应的安全性。综上所述，光伏电站在促进经济发展、创造就业机会和改善能源结构等方面具有显著的社会经济效益。而发电量测算的准确性又影响到电站投资回报率的计算，决定了建设光伏电站的可行性。
当前在光伏发电测算中，发电量系统效率的影响因素和不确定度难以确定，往往选用经验值计算。而选用经验值计算会导致不同地域、不同类型的电站得到相似的结果，对光伏发电量的计算带来较大的误差，影响最终发电量数值的准确性。因此，本申请提供了一种光伏发电量测算方法，基于已运行的电站数据，进行数据分析和算法优化，计算得出区域发电站的系统误差值，能够表达出实际发电量和理论发电量的误差，以提高测算光伏电站发电量的准确性。
请参考图1，图1为本申请实施例提供的一种光伏发电量测算方法的流程图，该方法可以包括：
S101：将待测电站的电站损耗因素和气象数据输入理论发电量计算模型，获取待测电站基于气象数据的理论发电量。
本实施例并不限定气象数据的具体数量，例如可以将待测电站的电站损耗因素和一种气象数据输入理论发电量计算模型，获取待测电站基于气象数据的理论发电量；也可以将待测电站的电站损耗因素和至少两种气象数据输入理论发电量计算模型，获取待测电站基于各气象数据的理论发电量。本实施例并不限定气象数据的具体种类，例如气象数据可以是SolarGIS、Meteonorm、NASA中国气象局数据或者当地气象局数据中的至少一项。需要说明的是，因为气象数据是波动的，本身具有很多的不确定因素，而且每个气象数据服务商的推演不一样，例如有的是通过气象仪的、有的是通过卫星推演的。应用多种气象数据可以在不同的气象数据里面取一个平衡值。
本实施例并不限定理论发电量计算模型的具体种类，只要保证能够根据待测电站的电站损耗因素和气象数据，得到待测电站基于气象数据的理论发电量即可，例如理论发电量计算模型可以是Pvsyst软件。Pvsyst软件中气象数据库中的主要变量包括阵列平面辐照度（POA）（包括入射角和倾斜辐照度（GTI），其中入射角包括漫射水平辐照度（DIF），倾斜辐照度包括水平总辐射（GHI）和法向直接辐射（DNI））、不确定度（包括降水量、大气浑浊系数和气溶胶光学厚度）和Floss偏差因素（包括温度、风速、相对湿度和晴空指数）。
本实施例并不限定电站损耗因素的具体种类，例如可以包括电气损失（可以包括线缆损耗、变压器损耗、脏污损失或停机损失等因素）、阵列平面面积（可以包括组件倾角、组件间距或是组串数量等因素）或是阵列转换效率（可以包括组件失配损失、组件逐年衰减或是逆变器转换效率等因素，其中组件逐年衰减可以包括组件安装方式、组件选择或是逆变器选择等因素）等因素。需要说明的是，电站损耗因素通过API接口输入到电站Pvsyst软件中。
S102：将典型电站的电站损耗因素和气象数据输入理论发电量计算模型，获取典型电站基于气象数据的理论发电量。
本实施例并不限定气象数据的具体数量，只要保证与计算待测电站的理论发电量时选取的气象数据的数量相同即可，例如可以将典型电站的电站损耗因素和一种气象数据输入理论发电量计算模型，获取典型电站基于气象数据的理论发电量；也可以将典型电站的电站损耗因素和至少两种气象数据输入理论发电量计算模型，获取典型电站基于各气象数据的理论发电量。本实施例并不限定气象数据的具体种类，只要保证与计算待测电站的理论发电量时选取的气象数据的种类相同即可。本实施例并不限定理论发电量计算模型的具体种类，只要保证与计算待测电站的理论发电量时使用的理论发电量计算模型的种类相同即可。
本实施例并不限定选取的典型电站的具体种类，例如典型电站可以是根据待测电站的地理位置选择的电站；或者是与待测电站的气候相近的电站。进一步的，根据待测电站的地理位置选择的电站可以是待测电站所处省、市、区或县内的电站，或者是以待测电站为中心的预设半径范围内的电站。进一步的，对典型电站数据库进行优化处理，本实施例中典型电站可以是首年发电达标率大于90%的电站。本实施例并不限定选取的典型电站的具体数量，为了减小不同地域、不同类型的电站带来的误差，通常选取多个电站作为典型电站。
本实施例并不限定电站损耗因素的具体种类，例如可以包括电气损失（可以包括线缆损耗、变压器损耗、脏污损失或停机损失等因素）、阵列平面面积（可以包括组件倾角、组件间距或是组串数量等因素）或是阵列转换效率（可以包括组件失配损失、组件逐年衰减或是逆变器转换效率等因素，其中组件逐年衰减可以包括组件安装方式、组件选择或是逆变器选择等因素）等因素。
S103：根据待测电站的参数信息、典型电站的参数信息、典型电站的实际发电量和典型电站基于气象数据的理论发电量，获取典型电站基于气象数据的理论发电量优化误差值。
本实施例并不限定获取典型电站基于气象数据的理论发电量优化误差值的具体方式，只要保证能够根据根据待测电站的参数信息、典型电站的参数信息、典型电站的实际发电量和典型电站基于气象数据的理论发电量，表达出典型电站实际发电量和理论发电量的优化误差值即可，例如可以是根据各典型电站实际发电量和各典型电站基于气象数据的理论发电量，获取各典型电站基于气象数据的理论发电量误差值；根据待测电站的位置信息和各典型电站的位置信息，获取各典型电站的权重比；根据待测电站的光伏倾角和各典型电站的光伏倾角，获取各典型电站的光伏倾角误差值；根据各典型电站基于气象数据的理论发电量误差值、各典型电站的权重比和各典型电站的光伏倾角误差值，获取典型电站基于气象数据的理论发电量优化误差值。
本实施例并不限定根据各典型电站基于气象数据的理论发电量误差值、各典型电站的权重比和各典型电站的光伏倾角误差值，获取典型电站基于气象数据的理论发电量优化误差值的具体方式，只要保证能够表达出典型电站实际发电量和理论发电量的优化误差值即可，例如可以将各典型电站基于气象数据的理论发电量误差值、各典型电站的权重比和各典型电站的光伏倾角误差值输入典型电站基于气象数据的理论发电量优化误差值计算公式，获取典型电站基于气象数据的理论发电量优化误差值；
典型电站基于气象数据的理论发电量优化误差值计算公式为：
；
式中，表示各典型电站基于气象数据的理论发电量；/>表示各典型电站实际发电量；/>表示各典型电站基于气象数据的理论发电量误差值；/>表示各典型电站的权重比；i表示第i个典型电站；k表示第k种气象数据；/>表示各典型电站的光伏倾角误差值。
本实施例并不限定获取各典型电站的权重比的具体方式，只要保证能够根据待测电站的位置信息和各典型电站的位置信息，得到各典型电站的权重比即可，例如可以通过IDW（Inverse Distance Weight，反距离加权插值）算法，对待测电站的位置信息和各典型电站的位置信息进行反距离加权，获取各典型电站的权重比。本实施例并不限定执行IDW算法的具体方式，只要保证能够执行IDW算法即可，例如可以使用MATLAB仿真软件执行IDW算法。
需要说明的是，通过IDW算法，对待测电站的位置信息和各典型电站的位置信息进行反距离加权，获取各典型电站的权重比的方式可以是：
将待测电站的经度和纬度和各典型电站的经度和纬度输入各典型电站的权重比计算公式，获取各典型电站的权重比；
各典型电站的权重比计算公式为：
；
式中，D表示待测电站与各典型电站的距离；u表示优化指数，通常为1.7–2.0；表示待测电站的经度；/>表示待测电站的纬度；/>表示各典型电站的经度；/>表示各典型电站的纬度；i表示第i个典型电站；/>为各典型电站的权重比。
本实施例并不限定获取各典型电站的光伏倾角误差值的具体方式，只要保证能够根据待测电站的光伏倾角和各典型电站的光伏倾角，得到各典型电站的光伏倾角误差值即可，例如可以将待测电站的光伏倾角和各典型电站的光伏倾角输入各典型电站的光伏倾角误差值计算公式，获取各典型电站的光伏倾角误差值；
各典型电站的光伏倾角误差值计算公式为：
；
式中，表示待测电站的光伏倾角；/>表示各典型电站的光伏倾角； />表示光伏倾角影响率，通常为0.3%-0.5%；/>表示各典型电站的光伏倾角误差值。
S104：根据典型电站的实际发电量和典型电站基于气象数据的理论发电量，获取典型电站基于气象数据的理论发电量误差比率。
本实施例并不限定获取典型电站基于气象数据的理论发电量误差比率的具体方式，只要保证能够根据典型电站的实际发电量和典型电站基于气象数据的理论发电量，表达出典型电站基于气象数据的理论发电量误差比率即可，例如可以通过平面拟合算法，对典型电站的实际发电量和典型电站基于气象数据的理论发电量进行平面拟合，获取典型电站基于气象数据的理论发电量误差比率。本实施例并不限定执行平面拟合算法的具体方式，只要保证能够执行平面拟合算法即可，例如可以使用MATLAB仿真软件执行平面拟合算法。
S105：根据待测电站基于气象数据的理论发电量、典型电站基于气象数据的理论发电量优化误差值和典型电站基于气象数据的理论发电量误差比率，确定待测电站的发电量。
需要说明的是，本实施例在计算待测电站的发电量前，首先根据电站首年发电量，验证原发电量测算方法的准确度；然后对比基于气象数据计算出的理论发电量和实际发电量；最后通过分析理论发电量和实际发电数据差异产生的原因，优化了测算方法。此外，获取待测电站的装机容量和安装方式也可以作为选取电站时候的一种筛选标准，例如同样的安装方式会带来的误差会更小，会使结果更精确；装机容量对于后续计算发电小时数有着关键作用（年发电小时数=年发电量÷装机容量）。
本实施例并不限定确定待测电站的发电量的具体方式，只要保证能够根据待测电站基于气象数据的理论发电量、典型电站基于气象数据的理论发电量优化误差值和典型电站基于气象数据的理论发电量误差比率，确定待测电站的发电量即可，例如可以将待测电站基于气象数据的理论发电量、典型电站基于气象数据的理论发电量优化误差值和典型电站基于气象数据的理论发电量误差比率输入待测电站的发电量计算公式，确定待测电站的发电量；
待测电站的发电量计算公式为：
；
式中，表示待测电站基于气象数据的理论发电量；/>表示典型电站基于气象数据的理论发电量优化误差值；/>表示典型电站基于气象数据的理论发电量误差比率；k表示第k种气象数据；/>表示待测电站的发电量。
进一步的，本实施例还可以使用待测电站所处区域的气象数据或辐照数据对待测电站的发电量进行评估和验证。待测电站所处区域的气象数据和辐照数据可以通过当地气象数据平台并结合场地适应获取。当地气象数据平台通过每15分钟实时气象数据，确定各地点短期气象数据和未来14天逐时气象数据。由各地点短期气象数据和未来14天逐时气象数据构成各区域气象数据集。根据各区域气象数据集中可以进行风光功率预测，确定典型气象年（Typical Meteorological Year，TMY），进行天气预报（Numerical WeatherPrediction，NWP），以及获取太阳辐照模型。需要说明的是，待测电站所处区域的气象数据或辐照数据通过API接口输入到电站Pvsyst软件中，对待测电站的发电量进行评估和验证。
基于上述实施例，本申请基于已运行的电站数据，进行数据分析和算法优化，计算得出区域发电站的系统误差值，能够表达出实际发电量和理论发电量的误差，能对项目前期的发电量测算结果起到校对作用；对后期的电站运维评估起到到参考作用，使发电量计算结果更为精确和可靠，可使发电量数据精确至95%以上。
请参考图2，图2为本申请实施例提供的另一种光伏发电量测算方法的流程图，该方法可以包括：
S201：将待测电站的电站损耗因素和气象数据输入理论发电量计算模型，获取待测电站基于气象数据的理论发电量。
S202：将典型电站的电站损耗因素和气象数据输入理论发电量计算模型，获取典型电站基于气象数据的理论发电量。
S203：根据各典型电站实际发电量和各典型电站基于气象数据的理论发电量，获取各典型电站基于气象数据的理论发电量误差值。
S204：通过IDW算法，对待测电站的位置信息和各典型电站的位置信息进行反距离加权，获取各典型电站的权重比。
S205：根据待测电站的光伏倾角和各典型电站的光伏倾角，获取各典型电站的光伏倾角误差值。
S206：根据各典型电站基于气象数据的理论发电量误差值、各典型电站的权重比和各典型电站的光伏倾角误差值，获取典型电站基于气象数据的理论发电量优化误差值。
S207：通过平面拟合算法，对典型电站的实际发电量和典型电站基于气象数据的理论发电量进行平面拟合，获取典型电站基于气象数据的理论发电量误差比率。
S208：根据待测电站基于气象数据的理论发电量、典型电站基于气象数据的理论发电量优化误差值和典型电站基于气象数据的理论发电量误差比率，确定待测电站的发电量。
S209：使用待测电站所处区域的气象数据或辐照数据对待测电站的发电量进行评估和验证。
基于上述实施例，本申请从太阳辐照数据及电站系统效率入手，基于已运行的电站数据，进行数据分析和算法优化，通过平面拟合算法和IDW加权算法计算得出区域发电站的系统误差值，能够表达出实际发电量和理论发电量的误差，能对项目前期的发电量测算结果起到校对作用；对后期的电站运维评估起到参考作用，使发电量计算结果更为精确和可靠，可使发电量数据精确至95%以上。
下面结合具体的实例说明上述光伏发电量测算过程，请参考图3，图3为本申请实施例提供的一种光伏发电量测算方法的逻辑图。
杭州市萧山机场的参数信息：经纬度（120.445,30.239）、组件倾角（20°）、铺设方式（彩钢瓦）、安装类型（平铺）、首年发电量达标率（108.29%）、实际首年发电量（1317.2MWH），SolarGIS理论发电量S（1394.5MWH）、Meteonorm理论发电量M(1298.3MWH)。其中，SolarGIS基于GIS算法和学习算法，数据以卫星观测数据为主，气象站验证为副，且根据典型年或具体年份确定SolarGIS气象数据；Meteonorm基于气象站推算，数据包括临近气象站数据（以临近气象站数据为主）和部分卫星数据，且根据TMY确定Meteonorm气象数据。
平面拟合计算：将杭州市内首年发电达标率＞90%电站的实际发电量，与其各电站对应的基于SolarGIS、Meteonorm计算出的理论发电量，导入MATLAB中进行平面拟合计算，得到基于SolarGIS的平面拟合比率（发电量误差比率）为0.35、基于Meteonorm的平面拟合比率（发电量误差比率）/>为0.65。使用IDW公式进行反距离加权计算：计算萧山机场与首年发电达标率＞90%电站的距离，如柯城传化电站{经纬度：(118.807，28.947)、组件倾角(0°)、SolarGIS发电量误差(10.37%)、Meteonorm发电量误差(16.40%)}距离为2.08，其他电站同理，则柯城传化电站在104个浙江电站中的的权重值/>为0.97%、组件倾角误差为0.08%。
计算出柯城传化电站与SolarGIS发电量误差、组件倾角误差/>，对于萧山机场与SolarGIS发电量误差的权重比为0.18%。同理可得计算出其余104个浙江电站对于萧山机场的权重比并累加，可得出萧山机场实际发电量与SolarGIS发电量误差P(1)为-7.7%，Meteonorm同理计算可得出萧山机场实际发电量与Meteonorm发电量误差误差P(2)为2.65%。
发电量计算公式如下：
；
根据发电量计算公式可计算出萧山机场经过优化后的理论发电量为1303.07MWH。发电量的计算结果对比参见表1。其中，原理论发电量指最开始电站设计的时候计算出来的理论发电量。
表1计算结果对比如下
下面对本申请实施例提供的一种光伏发电量测算装置、设备及计算机可读存储介质进行介绍，下文描述的光伏发电量测算装置、设备及计算机可读存储介质与上文描述的光伏发电量测算方法可相互对应参照。
请参考图4，图4为本申请实施例提供的一种光伏发电量测算装置的结构框图，该装置可以包括：
待测电站理论发电量计算模块100，用于将待测电站的电站损耗因素和气象数据输入理论发电量计算模型，获取待测电站基于气象数据的理论发电量；
典型电站理论发电量计算模块200，用于将典型电站的电站损耗因素和气象数据输入理论发电量计算模型，获取典型电站基于气象数据的理论发电量；
理论发电量优化误差值计算模块300，用于根据待测电站的参数信息、典型电站的参数信息、典型电站的实际发电量和典型电站基于气象数据的理论发电量，获取典型电站基于气象数据的理论发电量优化误差值；
理论发电量误差比率计算模块400，用于根据典型电站的实际发电量和典型电站基于气象数据的理论发电量，获取典型电站基于气象数据的理论发电量误差比率；
待测电站的发电量计算模块500，用于根据待测电站基于气象数据的理论发电量、典型电站基于气象数据的理论发电量优化误差值和典型电站基于气象数据的理论发电量误差比率，确定待测电站的发电量。
基于上述实施例，本申请基于已运行的电站数据，进行数据分析和算法优化，计算得出区域发电站的系统误差值，能够表达出实际发电量和理论发电量的误差，能对项目前期的发电量测算结果起到校对作用；对后期的电站运维评估起到到参考作用，使发电量计算结果更为精确和可靠，可使发电量数据精确至95%以上。
基于上述实施例，所述待测电站的发电量计算模块500具体用于将待测电站基于气象数据的理论发电量、典型电站基于气象数据的理论发电量优化误差值和典型电站基于气象数据的理论发电量误差比率输入待测电站的发电量计算公式，确定待测电站的发电量；
待测电站的发电量计算公式为：
；
式中，表示待测电站基于气象数据的理论发电量；/>表示典型电站基于气象数据的理论发电量优化误差值；/>表示典型电站基于气象数据的理论发电量误差比率；k表示第k种气象数据；/>表示待测电站的发电量。
基于上述各实施例，所述理论发电量误差比率计算模块400具体用于通过平面拟合算法，对典型电站的实际发电量和典型电站基于气象数据的理论发电量进行平面拟合，获取典型电站基于气象数据的理论发电量误差比率。
基于上述各实施例，所述理论发电量优化误差值计算模块300，可以包括：
理论发电量误差值计算单元，用于根据各典型电站实际发电量和各典型电站基于气象数据的理论发电量，获取各典型电站基于气象数据的理论发电量误差值；
权重比计算单元，用于根据待测电站的位置信息和各典型电站的位置信息，获取各典型电站的权重比；
光伏倾角误差值计算单元，用于根据待测电站的光伏倾角和各典型电站的光伏倾角，获取各典型电站的光伏倾角误差值；
理论发电量优化误差值计算单元，用于根据各典型电站基于气象数据的理论发电量误差值、各典型电站的权重比和各典型电站的光伏倾角误差值，获取典型电站基于气象数据的理论发电量优化误差值。
基于上述各实施例，所述理论发电量优化误差值计算单元具体用于将各典型电站基于气象数据的理论发电量误差值、各典型电站的权重比和各典型电站的光伏倾角误差值输入典型电站基于气象数据的理论发电量优化误差值计算公式，获取典型电站基于气象数据的理论发电量优化误差值；
典型电站基于气象数据的理论发电量优化误差值计算公式为：
；
式中，表示各典型电站基于气象数据的理论发电量；/>表示各典型电站实际发电量；/>表示各典型电站基于气象数据的理论发电量误差值；/>表示各典型电站的权重比；i表示第i个典型电站；k表示第k种气象数据；/>表示各典型电站的光伏倾角误差值。
基于上述各实施例，所述权重比计算单元具体用于通过IDW算法，对待测电站的位置信息和各典型电站的位置信息进行反距离加权，获取各典型电站的权重比。
基于上述各实施例，所述光伏倾角误差值计算单元具体用于将待测电站的光伏倾角和各典型电站的光伏倾角输入各典型电站的光伏倾角误差值计算公式，获取各典型电站的光伏倾角误差值；
各典型电站的光伏倾角误差值计算公式为：
；
式中，表示待测电站的光伏倾角；/>表示各典型电站的光伏倾角； />表示光伏倾角影响率；/>表示各典型电站的光伏倾角误差值。
基于上述各实施例，所述典型电站理论发电量计算模块200具体用于将典型电站的电站损耗因素和气象数据输入理论发电量计算模型，获取典型电站基于气象数据的理论发电量；典型电站是根据待测电站的地理位置选择的电站；或者是与待测电站的气候相近的电站。
基于上述各实施例，所述典型电站理论发电量计算模块200具体用于将典型电站的电站损耗因素和气象数据输入理论发电量计算模型，获取典型电站基于气象数据的理论发电量；典型电站是首年发电达标率大于90%的电站。
基于上述各实施例，所述光伏发电量测算装置，还可以包括：
评估和验证模块，用于使用待测电站所处区域的气象数据或辐照数据对待测电站的发电量进行评估和验证。
基于上述实施例，本申请还提供了一种光伏发电量测算设备，包括：存储器和处理器，其中，存储器，用于存储计算机程序；处理器，用于执行计算机程序时实现上述各实施例所述的光伏发电量测算方法的步骤。当然，该光伏发电量测算设备还可以包括各种必要的网络接口、电源以及其它零部件等。
本申请还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述各实施例所述的光伏发电量测算方法的步骤。该存储介质可以包括：U盘、移动硬盘、只读存储器（Read-Only Memory ，ROM）、随机存取存储器（Random Access Memory ，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述，且各个实施例间为递进关系，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，可参见对应的方法部分说明。以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，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”或者其任何其它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它要素，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 (13)
1.一种光伏发电量测算方法，其特征在于，包括：
将待测电站的电站损耗因素和气象数据输入理论发电量计算模型，获取所述待测电站基于所述气象数据的理论发电量；
将典型电站的电站损耗因素和所述气象数据输入所述理论发电量计算模型，获取所述典型电站基于所述气象数据的理论发电量；
根据所述待测电站的参数信息、所述典型电站的参数信息、所述典型电站的实际发电量和所述典型电站基于所述气象数据的理论发电量，获取所述典型电站基于所述气象数据的理论发电量优化误差值；
根据所述典型电站的实际发电量和所述典型电站基于所述气象数据的理论发电量，获取所述典型电站基于所述气象数据的理论发电量误差比率；
根据所述待测电站基于所述气象数据的理论发电量、所述典型电站基于所述气象数据的理论发电量优化误差值和所述典型电站基于所述气象数据的理论发电量误差比率，确定所述待测电站的发电量。
2.根据权利要求1所述的光伏发电量测算方法，其特征在于，根据所述待测电站基于所述气象数据的理论发电量、所述典型电站基于所述气象数据的理论发电量优化误差值和所述典型电站基于所述气象数据的理论发电量误差比率，确定所述待测电站的发电量，包括：
将所述待测电站基于所述气象数据的理论发电量、所述典型电站基于所述气象数据的理论发电量优化误差值和所述典型电站基于所述气象数据的理论发电量误差比率输入所述待测电站的发电量计算公式，确定所述待测电站的发电量；
所述待测电站的发电量计算公式为：
；
式中，表示所述待测电站基于所述气象数据的理论发电量；/>表示所述典型电站基于所述气象数据的理论发电量优化误差值；/>表示所述典型电站基于所述气象数据的理论发电量误差比率；k表示第k种所述气象数据；/>表示所述待测电站的发电量。
3.根据权利要求1所述的光伏发电量测算方法，其特征在于，根据所述典型电站的实际发电量和所述典型电站基于所述气象数据的理论发电量，获取所述典型电站基于所述气象数据的理论发电量误差比率，包括：
通过平面拟合算法，对所述典型电站的实际发电量和所述典型电站基于所述气象数据的理论发电量进行平面拟合，获取所述典型电站基于所述气象数据的理论发电量误差比率。
4.根据权利要求1所述的光伏发电量测算方法，其特征在于，根据所述待测电站的参数信息、所述典型电站的实际发电量和所述典型电站基于所述气象数据的理论发电量，获取所述典型电站基于所述气象数据的理论发电量优化误差值，包括：
根据各所述典型电站实际发电量和各所述典型电站基于所述气象数据的理论发电量，获取各所述典型电站基于所述气象数据的理论发电量误差值；
根据所述待测电站的位置信息和各所述典型电站的位置信息，获取各所述典型电站的权重比；
根据所述待测电站的光伏倾角和各所述典型电站的光伏倾角，获取各所述典型电站的光伏倾角误差值；
根据各所述典型电站基于所述气象数据的理论发电量误差值、各所述典型电站的权重比和各所述典型电站的光伏倾角误差值，获取所述典型电站基于所述气象数据的理论发电量优化误差值。
5.根据权利要求4所述的光伏发电量测算方法，其特征在于，根据各所述典型电站基于所述气象数据的理论发电量误差值、各所述典型电站的权重比和各所述典型电站的光伏倾角误差值，获取所述典型电站基于所述气象数据的理论发电量优化误差值，包括：
将各所述典型电站基于所述气象数据的理论发电量误差值、各所述典型电站的权重比和各所述典型电站的光伏倾角误差值输入所述典型电站基于所述气象数据的理论发电量优化误差值计算公式，获取所述典型电站基于所述气象数据的理论发电量优化误差值；
所述典型电站基于所述气象数据的理论发电量优化误差值计算公式为：
；
式中，表示各所述典型电站基于所述气象数据的理论发电量；/>表示各所述典型电站实际发电量；/>表示各所述典型电站基于所述气象数据的理论发电量误差值；/>表示各所述典型电站的权重比；i表示第i个所述典型电站；k表示第k种所述气象数据；/>表示各所述典型电站的光伏倾角误差值。
6.根据权利要求4所述的光伏发电量测算方法，其特征在于，根据所述待测电站的位置信息和各所述典型电站的位置信息，获取各所述典型电站的权重比，包括：
通过IDW算法，对所述待测电站的位置信息和各所述典型电站的位置信息进行反距离加权，获取各所述典型电站的权重比。
7.根据权利要求4所述的光伏发电量测算方法，其特征在于，根据所述待测电站的光伏倾角和各所述典型电站的光伏倾角，获取各所述典型电站的光伏倾角误差值，包括：
将所述待测电站的光伏倾角和各所述典型电站的光伏倾角输入各所述典型电站的光伏倾角误差值计算公式，获取各所述典型电站的光伏倾角误差值；
各所述典型电站的光伏倾角误差值计算公式为：
；
式中，表示所述待测电站的光伏倾角；/>表示各所述典型电站的光伏倾角；/>表示光伏倾角影响率；/>表示各所述典型电站的光伏倾角误差值。
8.根据权利要求1所述的光伏发电量测算方法，其特征在于，所述典型电站是根据所述待测电站的地理位置选择的电站；或者是与所述待测电站的气候相近的电站。
9.根据权利要求8所述的光伏发电量测算方法，其特征在于，所述典型电站是首年发电达标率大于90%的电站。
10.根据权利要求1所述的光伏发电量测算方法，其特征在于，确定所述待测电站的发电量后，还包括：
使用所述待测电站所处区域的气象数据或辐照数据对所述待测电站的发电量进行评估和验证。
11.一种光伏发电量测算装置，其特征在于，包括：
待测电站理论发电量计算模块，用于将待测电站的电站损耗因素和气象数据输入理论发电量计算模型，获取所述待测电站基于所述气象数据的理论发电量；
典型电站理论发电量计算模块，用于将典型电站的电站损耗因素和所述气象数据输入所述理论发电量计算模型，获取所述典型电站基于所述气象数据的理论发电量；
理论发电量优化误差值计算模块，用于根据所述待测电站的参数信息、所述典型电站的参数信息、所述典型电站的实际发电量和所述典型电站基于所述气象数据的理论发电量，获取所述典型电站基于所述气象数据的理论发电量优化误差值；
理论发电量误差比率计算模块，用于根据所述典型电站的实际发电量和所述典型电站基于所述气象数据的理论发电量，获取所述典型电站基于所述气象数据的理论发电量误差比率；
待测电站的发电量计算模块，用于根据所述待测电站基于所述气象数据的理论发电量、所述典型电站基于所述气象数据的理论发电量优化误差值和所述典型电站基于所述气象数据的理论发电量误差比率，确定所述待测电站的发电量。
12.一种光伏发电量测算设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至10任一项所述的光伏发电量测算方法的步骤。
13.一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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至10任一项所述的光伏发电量测算方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310813543.4A CN116596162B (zh) | 2023-07-05 | 2023-07-05 | 一种光伏发电量测算方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310813543.4A CN116596162B (zh) | 2023-07-05 | 2023-07-05 | 一种光伏发电量测算方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116596162A true CN116596162A (zh) | 2023-08-15 |
| CN116596162B CN116596162B (zh) | 2023-10-20 |
Family
ID=87601080
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310813543.4A Active CN116596162B (zh) | 2023-07-05 | 2023-07-05 | 一种光伏发电量测算方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116596162B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8682585B1 (en) * | 2011-07-25 | 2014-03-25 | Clean Power Research, L.L.C. | Computer-implemented system and method for inferring operational specifications of a photovoltaic power generation system |
| CN105184399A (zh) * | 2015-08-27 | 2015-12-23 | 许继集团有限公司 | 一种光伏电站功率预测方法 |
| US20180196896A1 (en) * | 2015-08-07 | 2018-07-12 | Mitsubishi Electric Corporation | Device for predicting amount of photovoltaic power generation, and method for predicting amount of photovoltaic power generation |
| CN109919353A (zh) * | 2019-01-11 | 2019-06-21 | 杭州电子科技大学 | 一种基于空间相关性的arima模型的分布式光伏预测方法 |
| WO2020041903A1 (en) * | 2018-08-30 | 2020-03-05 | Uti Limited Partnership | Nano/micro-grid power distribution system |
| CN111614316A (zh) * | 2020-06-16 | 2020-09-01 | 国网电子商务有限公司 | 光伏系统发电状态监测方法及其装置 |
| JP2021022244A (ja) * | 2019-07-29 | 2021-02-18 | 大和ハウス工業株式会社 | 太陽光発電量予測システム |
| CN113052380A (zh) * | 2021-03-26 | 2021-06-29 | 北京朋友保科技有限公司 | 光伏电站运维清洗效果的检测方法、装置、设备及介质 |
| CN114091329A (zh) * | 2021-11-16 | 2022-02-25 | 国网甘肃省电力公司电力科学研究院 | 基于反距离插值和极限学习机的区域光伏发电量计算方法 |
| CN115544895A (zh) * | 2022-10-31 | 2022-12-30 | 中国电建集团成都勘测设计研究院有限公司 | 光伏电站年出力保证率模型优化方法 |
| US20230179144A1 (en) * | 2020-01-09 | 2023-06-08 | Envision Digital International Pte. Ltd. | Method and apparatus for recognizing operating state of photovoltaic string and storage medium |
| CN116316615A (zh) * | 2023-05-25 | 2023-06-23 | 国网江西省电力有限公司电力科学研究院 | 基于数据增强的分布式光伏群短期功率预测方法及系统 |
-
2023
- 2023-07-05 CN CN202310813543.4A patent/CN116596162B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8682585B1 (en) * | 2011-07-25 | 2014-03-25 | Clean Power Research, L.L.C. | Computer-implemented system and method for inferring operational specifications of a photovoltaic power generation system |
| US20180196896A1 (en) * | 2015-08-07 | 2018-07-12 | Mitsubishi Electric Corporation | Device for predicting amount of photovoltaic power generation, and method for predicting amount of photovoltaic power generation |
| CN105184399A (zh) * | 2015-08-27 | 2015-12-23 | 许继集团有限公司 | 一种光伏电站功率预测方法 |
| WO2020041903A1 (en) * | 2018-08-30 | 2020-03-05 | Uti Limited Partnership | Nano/micro-grid power distribution system |
| CN109919353A (zh) * | 2019-01-11 | 2019-06-21 | 杭州电子科技大学 | 一种基于空间相关性的arima模型的分布式光伏预测方法 |
| JP2021022244A (ja) * | 2019-07-29 | 2021-02-18 | 大和ハウス工業株式会社 | 太陽光発電量予測システム |
| US20230179144A1 (en) * | 2020-01-09 | 2023-06-08 | Envision Digital International Pte. Ltd. | Method and apparatus for recognizing operating state of photovoltaic string and storage medium |
| CN111614316A (zh) * | 2020-06-16 | 2020-09-01 | 国网电子商务有限公司 | 光伏系统发电状态监测方法及其装置 |
| CN113052380A (zh) * | 2021-03-26 | 2021-06-29 | 北京朋友保科技有限公司 | 光伏电站运维清洗效果的检测方法、装置、设备及介质 |
| CN114091329A (zh) * | 2021-11-16 | 2022-02-25 | 国网甘肃省电力公司电力科学研究院 | 基于反距离插值和极限学习机的区域光伏发电量计算方法 |
| CN115544895A (zh) * | 2022-10-31 | 2022-12-30 | 中国电建集团成都勘测设计研究院有限公司 | 光伏电站年出力保证率模型优化方法 |
| CN116316615A (zh) * | 2023-05-25 | 2023-06-23 | 国网江西省电力有限公司电力科学研究院 | 基于数据增强的分布式光伏群短期功率预测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 严华江;章坚民;胡瑛俊;张力行;焦田利;闻安;: "考虑空间相关性的分布式光伏发电出力预测及误差评价指标研究", 浙江电力, no. 03, pages 54 - 60 * |
| 严华江等: ""考虑空间相关性的分布式光伏发电出力预测及误差评价指标研究"", 《浙江电力》, vol. 39, no. 3, pages 54 - 60 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116596162B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shimada et al. | Accuracy of the wind speed profile in the lower PBL as simulated by the WRF model | |
| Ravestein et al. | Vulnerability of European intermittent renewable energy supply to climate change and climate variability | |
| Abreu et al. | Solar resource assessment through long-term statistical analysis and typical data generation with different time resolutions using GHI measurements | |
| Nor et al. | Feasibility assessment of wind energy resources in Malaysia based on NWP models | |
| CN103778572A (zh) | 一种基于wrf模式的海上风资源评估方法 | |
| Larsén et al. | The selective dynamical downscaling method for extreme‐wind atlases | |
| Cutler et al. | Using nacelle‐based wind speed observations to improve power curve modeling for wind power forecasting | |
| CN102945508A (zh) | 一种基于模型校正的风电功率预测预报系统及方法 | |
| Yao et al. | Climate change impacts on Ontario wind power resource | |
| Lorenz et al. | A dynamical downscaling of ERA‐Interim in the North Sea using WRF with a 3 km grid—for wind resource applications | |
| Paraschiv et al. | Investigation of wind power density distribution using Rayleigh probability density function | |
| George et al. | Daily rainfall prediction using generalized linear bivariate model–a case study | |
| CN110598335B (zh) | 一种超短期光伏功率预测的辐照修正方法 | |
| Larsén et al. | The Global Atlas for Siting Parameters project: Extreme wind, turbulence, and turbine classes | |
| CN109599899B (zh) | 一种新能源运行模拟边界条件的设定方法 | |
| Hong et al. | Reliability-based calibration of site-specific design typhoon wind and wave loads for wind turbine | |
| Cabezon et al. | Comparison of methods for power curve modelling | |
| CN116596162B (zh) | 一种光伏发电量测算方法、装置、设备及存储介质 | |
| Gouda et al. | Empirical models for estimating global solar radiation in Wuhan City, China | |
| Zhou et al. | The impact of urban morphology on multiple ecological effects: Coupling relationships and collaborative optimization strategies | |
| de Araujo | Improvement of coding for solar radiation forecasting in Dili Timor Leste—A WRF case study | |
| Mortensen | 46200 Planning and Development of Wind Farms: Wind resource assessment using the WAsP software | |
| Barthelmie et al. | Challenges in predicting power output from offshore wind farms | |
| Graabak et al. | Developing a wind and solar power data model for Europe with high spatial-temporal resolution | |
| Santos et al. | The dependence of hydropower planning in relation to the influence of climate in Northeast Brazil |
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 |