CN116720631A - 一种分布式光伏发电电量分析预测方法、系统及存储介质 - Google Patents
一种分布式光伏发电电量分析预测方法、系统及存储介质 Download PDFInfo
- Publication number
- CN116720631A CN116720631A CN202310995929.1A CN202310995929A CN116720631A CN 116720631 A CN116720631 A CN 116720631A CN 202310995929 A CN202310995929 A CN 202310995929A CN 116720631 A CN116720631 A CN 116720631A
- Authority
- CN
- China
- Prior art keywords
- power generation
- prediction
- energy
- data
- electricity
- 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 123
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004458 analytical method Methods 0.000 title claims abstract description 21
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 230000005611 electricity Effects 0.000 claims abstract description 31
- 238000007726 management method Methods 0.000 claims description 50
- 238000005286 illumination Methods 0.000 claims description 33
- 238000006243 chemical reaction Methods 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 16
- 238000007667 floating Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000005855 radiation Effects 0.000 claims description 13
- 230000007797 corrosion Effects 0.000 claims description 12
- 238000005260 corrosion Methods 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000004146 energy storage Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 8
- 239000002184 metal Substances 0.000 claims description 5
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 4
- 229910052739 hydrogen Inorganic materials 0.000 claims description 4
- 239000001257 hydrogen Substances 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 238000003973 irrigation Methods 0.000 abstract description 5
- 230000002262 irrigation Effects 0.000 abstract description 5
- 239000002699 waste material Substances 0.000 abstract description 4
- 239000002420 orchard Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000005338 heat storage Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000003869 coulometry Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000007062 hydrolysis Effects 0.000 description 1
- 238000006460 hydrolysis reaction Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种分布式光伏发电电量分析预测方法、系统及存储介质，涉及电量分析预测技术领域，包括数据采集模块、模型建立模块、管理决策模块、报告展示模块，模型建立模块基于数据分析算法构建预测模型，预测模块通过预测模型分析特征数据后，预测企业发电量，管理决策模块基于企业预测的发电量制定管理策略。本发明通过提前了解发电量情况，企业不仅可以合理安排能源使用计划，避免发电量超出用电需求而造成能源的浪费，而且可以帮助农业企业合理利用太阳能电力，满足温室和灌溉的能源需求，从而减少对传统电网的依赖，实现能源供应的稳定。
Description
技术领域
本发明涉及电量分析预测技术领域，具体涉及一种分布式光伏发电电量分析预测方法、系统及存储介质。
背景技术
分布式能源发展是近年来全球能源产业的一个重要趋势，传统的集中式发电方式需要大规模的能源输送和分配系统，存在输电损耗和能源浪费的问题，分布式能源发展则能够在更接近用电点的地方进行能源生产，减少输电损耗。
对于大型的果园农业企业而言，为了降低能源成本和改善能源供应稳定性，该果园农业企业通常会安装分布式光伏发电系统发电，电力用于灌溉系统、温室控制、冷藏设备以及员工宿舍等。
现有技术存在以下不足：
由于农业企业通常在乡村等偏远地区，远离城市的电网，因此面临着电力供应不稳定的问题，现有的分布式光伏发电系统运行时，对发电量没有一个总的分析预测处理，没有发电量预测处理意味着果园无法提前了解未来一段时间内的光伏发电量，导致无法准确匹配能源供需，这可能导致用电峰谷不匹配，造成能源供应紧张或浪费。
发明内容
本发明的目的是提供一种分布式光伏发电电量分析预测方法、系统及存储介质，以解决背景技术中不足。
为了实现上述目的，本发明提供如下技术方案：一种分布式光伏发电电量分析预测系统，包括数据采集模块、模型建立模块、管理决策模块、报告展示模块；
数据采集模块：采集与发电量相关的多源数据，并对采集的数据进行预处理后提取多源数据中的特征数据；
模型建立模块：基于数据分析算法构建预测模型；
预测模块：通过预测模型分析特征数据后，预测企业发电量；
管理决策模块：基于企业预测的发电量制定管理策略；
报告展示模块：将预测结果和管理策略进行数据展示和报告。
优选的，所述模型建立模块基于数据分析算法构建预测模型包括以下步骤：
获取环境参数以及光伏板参数，环境参数包括当前季节光照浮动系数，光伏板参数包括阴阳极腐蚀度以及光伏电池细胞光电转换率；
将光照浮动系数、阴阳极腐蚀度以及光伏电池细胞光电转换率综合计算获取第一修正系数，计算表达式为：
式中，为光伏电池细胞光电转换率，/>为光照浮动系数，/>为阴阳极腐蚀度，/>、/>、/>分别为光伏电池细胞光电转换率、光照浮动系数、阴阳极腐蚀度的比例系数，且/>、/>、/>均大于0；
获取第一修正系数后，通过第一修正系数/>修正预设最佳发电量获取预测发电量，计算表示为：
式中，为预测发电量，/>为预设最佳发电量，/>为第一修正系数，完成预测模型的构建。
优选的，所述光伏电池细胞光电转换率中，n为T时间段内采集光伏电池细胞输出电功率次数，n为正整数，/>为第i个时间点光伏电池细胞输出电功率，T为监测时间段。
优选的，所述光照浮动系数的计算表达式为：
为实时的光照强度，/>为当前季节前一天太阳辐射低于辐射阈值的时间段，/>为当前季节光照前一天光照时间段。
优选的，所述阴阳极腐蚀度的计算表达式为：
式中，为阴极电流密度，/>为阴极表面积，/>为阳极电流密度，/>为阳极表面积，/>为金属的电荷密度。
优选的，所述管理决策模块获取预测发电量后，将预测发电量与电量阈值进行对比，当预测发电量＜电量阈值时，管理决策模块判断发电量紧张，当预测发电量＞电量阈值时，管理决策模块判断发电量过剩。
优选的，所述管理决策模块管理决策模块判断发电量紧张制定管理策略包括：
当太阳能发电量紧张时，从储能系统中提取电能；采取节约用电的措施；准备备用能源供应；使用多源发电的方式增加能源供应；提前规划用电需求，分配电力消耗。
优选的，所述管理决策模块判断发电量过剩制定管理策略包括：
将多余的电力储存到储能系统中；将多余的电力可以出售给电网；将多余的电力用于支持可再生能源项目；将多余的电力用于水解制氢。
本发明还提供一种分布式光伏发电电量分析预测方法，所述预测方法包括以下步骤：
S1：在分布式光伏发电系统中布置相应的传感器，采集与发电量相关的多源数据；
S2：对采集的数据进行预处理后提取多源数据中的特征数据；
S3：基于数据分析算法构建预测模型；
S4：通过预测模型分析特征数据后，预测企业发电量；
S5：基于企业预测的发电量制定管理策略；
S6：将预测结果和管理策略进行数据展示和报告。
本发明还提供一种存储介质，所述存储介质用于存储程序数据，所述程序数据在被处理器执行时，用于实现预测系统。
在上述技术方案中，本发明提供的技术效果和优点：
1、本发明通过模型建立模块基于数据分析算法构建预测模型，预测模块通过预测模型分析特征数据后，预测企业发电量，管理决策模块基于企业预测的发电量制定管理策略，通过提前了解发电量情况，企业不仅可以合理安排能源使用计划，避免发电量超出用电需求而造成能源的浪费，而且可以帮助农业企业合理利用太阳能电力，满足温室和灌溉的能源需求，从而减少对传统电网的依赖，实现能源供应的稳定。
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，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明的系统模块图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：请参阅图1所示，本实施例所述一种分布式光伏发电电量分析预测系统，包括数据采集模块、模型建立模块、管理决策模块、报告展示模块；
数据采集模块：这个模块负责采集和收集与发电量相关的多源数据，并对采集的数据进行预处理后提取多源数据中的特征数据，数据进行预处理包括处理数据缺失、异常值、噪声等，确保数据质量良好，提高预测精度，提取的特征数据发送至预测模块；
对采集的数据进行预处理后提取多源数据中的特征数据包括以下步骤：
数据清洗：该步骤主要处理数据中的错误、缺失值和异常值，数据缺失可能是由于传感器故障、数据采集问题或其他原因造成的，需要进行处理，通常的处理方法包括填补缺失值、删除有缺失的样本或使用插值等方法；
数据转换：数据可能需要进行转换，以使其适合后续的特征提取和建模过程，例如，将时间戳转换为时间序列数据，对数据进行归一化或标准化等；
特征选择：从多源数据中选择合适的特征对于发电量预测模型的性能至关重要，特征选择的目的是选择那些对于预测目标最有用的特征，并且可以帮助减少计算复杂性，这可以通过统计方法、相关性分析、特征重要性排序等技术来实现；
特征提取：在特征提取阶段，从原始数据中提取出有用的特征，对于光伏发电预测，可以提取与发电量相关的气象数据，例如日照时间、温度、湿度等，同时，还可以提取与发电效率相关的特征，例如光伏电池板的性能参数等；
噪声处理：数据中可能存在噪声，噪声会影响到预测模型的准确性，在预处理阶段，可以采用平滑技术、滤波方法等来处理噪声，以减少噪声对预测结果的影响。
模型建立模块：基于数据分析算法构建预测模型，预测模型构建完成后发送至预测模块。
预测模块：通过预测模型分析特征数据后，预测企业发电量，预测结果发送至管理决策模块以及报告展示模块。
管理决策模块：基于企业预测的发电量制定管理策略，管理策略信息发送至报告展示模块。
报告展示模块：这个模块负责将预测结果和管理策略进行数据展示和报告，企业的管理者可以通过可视化的界面查看发电量预测结果，了解能源使用情况，并作出相应决策；
数据可视化：将发电量预测结果和能源管理策略的数据进行可视化处理，将数据转化为直观的图表、图形或仪表盘，这样，管理者可以通过视觉方式更直观地了解能源使用情况和预测结果；
数据展示界面设计：设计一个用户友好的数据展示界面，将预测结果和管理策略的数据整合展示，界面可以包括预测的发电量曲线图、能源使用情况图表、能源供需匹配情况等信息，以及关键能源指标的实时监控；
实时更新：确保数据展示界面能够实时更新，以反映最新的预测结果和能源管理情况，这样，管理者可以随时查看当前的能源状态，做出及时的决策；
报告功能：提供生成报告的功能，可以根据不同的时间段或特定事件生成能源使用情况和预测结果的报告，这样，管理者可以进行数据回顾和对比分析，了解能源使用的历史趋势和发展情况；
多维度查询：提供多维度查询功能，让管理者可以根据自身需求，自由选择查看特定日期、特定区域或特定光伏发电系统的预测结果和能源使用情况。
本申请通过模型建立模块基于数据分析算法构建预测模型，预测模块通过预测模型分析特征数据后，预测企业发电量，管理决策模块基于企业预测的发电量制定管理策略，通过提前了解发电量情况，企业不仅可以合理安排能源使用计划，避免发电量超出用电需求而造成能源的浪费，而且可以帮助农业企业合理利用太阳能电力，满足温室和灌溉的能源需求，从而减少对传统电网的依赖，实现能源供应的稳定。
实施例2：模型建立模块基于数据分析算法构建预测模型，预测模型构建完成后发送至预测模块。
其中：模型建立模块基于数据分析算法构建预测模型包括以下步骤：
获取环境参数以及光伏板参数，环境参数包括当前季节光照浮动系数，光伏板参数包括阴阳极腐蚀度以及光伏电池细胞光电转换率；
将光照浮动系数、阴阳极腐蚀度以及光伏电池细胞光电转换率综合计算获取第一修正系数，计算表达式为：
式中，/>为光伏电池细胞光电转换率，为光照浮动系数，/>为阴阳极腐蚀度，/>、/>、/>分别为光伏电池细胞光电转换率、光照浮动系数、阴阳极腐蚀度的比例系数，且/>、/>、/>均大于0。
获取第一修正系数后，通过第一修正系数/>修正预设最佳发电量获取预测发电量，计算表示为：
式中，为预测发电量，/>为预设最佳发电量，/>为第一修正系数，完成预测模型的构建。
光伏电池细胞光电转换率中，n为T时间段内采集光伏电池细胞输出电功率次数，n为正整数，/>为第i个时间点光伏电池细胞输出电功率，T为监测时间段。
光伏电池细胞光电转换率值越小，则在同样的光照条件下，它所能产生的电能就会较少。这意味着分布式光伏发电系统在单位时间内所能发电的电量会降低，从而降低了系统的发电效率。
光照浮动系数的计算表达式为：
为实时的光照强度，/>为当前季节前一天太阳辐射低于辐射阈值的时间段，/>为当前季节光照前一天光照时间段；
当前季节前一天太阳辐射低于辐射阈值的时间段持续时间越长，则说明：
较短发电时间：前一天辐射低于阈值的时长较长，意味着太阳光照时间较短，导致光伏电池板的发电时间减少，这将直接影响分布式光伏发电系统的发电量；
发电效率下降：太阳辐射较弱时，光伏电池板的发电效率会下降，每单位面积的发电量减少；
能源供应不足：由于发电量较低，分布式光伏发电系统可能无法满足实际用电需求，导致能源供应不足的问题。
当前季节光照前一天光照时间段为当前季节前一天日落时间点减去日出时间点获取，光照时长越长，则太阳能光伏板运行时间越长，发电量越大。
阴阳极腐蚀度的计算表达式为：
式中，为阴极电流密度，/>为阴极表面积，/>为阳极电流密度，/>为阳极表面积，/>为金属的电荷密度；
阴阳极腐蚀度越大，则会导致分布式光伏发电系统：
阴阳极腐蚀度越大，会导致分布式光伏发电系统的腐蚀和损坏，分布式光伏发电系统中使用的电池和其他金属部件可能受到腐蚀的影响，从而影响系统的性能和寿命；
性能下降：受腐蚀影响的金属部件可能性能下降，导致系统的发电效率降低；
系统故障：严重的腐蚀可能导致电池或其他部件发生故障，影响光伏发电系统的正常运行；
安全风险：腐蚀可能导致电池或其他部件出现破损或漏电等安全风险。
本申请中，预设最佳发电量的设置逻辑为：获取企业分布式光伏发电系统历史运行的最大光照时长、历史最大太阳辐射以及历史1小时最大发电量，通过历史运行的最大光照时长、历史最大太阳辐射以及历史1小时最大发电量计算得出预设最佳发电量，即分布式光伏发电系统一天最优发电量，计算方法属于现有技术，在此不做赘述。
为分布式光伏发电系统预设最佳发电量后，获取第一修正系数后，第一修正系数/>越大，分布式光伏发电系统的发电量就会越少。
预测模块通过预测模型分析特征数据后，预测企业发电量，预测结果发送至管理决策模块以及报告展示模块。
在当天分布式光伏发电系统运行完成后，通过预测模块获取光照浮动系数、阴阳极腐蚀度以及光伏电池细胞光电转换率综合计算获取第一修正系数，然后再通过获取的第一修正系数修正预设最佳发电量后，得到后一天的预测发电量。
管理决策模块基于企业预测的发电量制定管理策略，管理策略信息发送至报告展示模块。
管理决策模块获取预测发电量后，将预测发电量与电量阈值进行对比，当预测发电量＜电量阈值时，管理决策模块判断发电量紧张，当预测发电量＞电量阈值时，管理决策模块判断发电量过剩，当预测发电量=电量阈值时，管理决策模块判断发电量刚好支持使用。
当管理决策模块判断发电量紧张时，制定管理策略包括：
能源调整：在预测到发电量紧张的情况下，管理者可以提前做好能源调整计划；例如，合理调整果园内其他能源设备的使用时间，尽量在太阳能辐射较强的时段集中使用电力设备，以充分利用发电高峰期的电力供应；
能源储备：如果果园农业企业配置了储能系统，可以在太阳能发电量较充裕时将多余电能储存起来，以备后续使用；这样，当太阳能发电量紧张时，可以从储能系统中提取电能，保证能源供应的稳定性；
节约用电：在预测发电量紧张的情况下，果园农业企业可以采取节约用电的措施；例如，减少不必要的电力设备使用，优化用电计划，避免高峰时段过度使用电力；
备用能源：在紧急情况下，可以准备备用能源供应，例如备用柴油发电机或其他可再生能源设备，以应对太阳能发电量不足的情况；
多源发电：考虑使用多源发电的方式，除了太阳能光伏发电，还可以结合其他可再生能源如风能发电、水能发电等，以增加能源供应的可靠性和稳定性；
灵活用电计划：制定灵活的用电计划，根据实际天气和光照条件进行调整；如果预测到太阳能发电量不足，可以提前规划用电需求，合理分配电力消耗；
能源优化技术：使用先进的能源优化技术，如智能能源管理系统，以实时监测和优化能源使用，最大程度地利用可再生能源，提高能源利用效率。
当管理决策模块判断发电量过剩时，制定管理策略包括：
储能或储热：利用多余的电力，将其储存到储能系统或储热设备中；这样，在未来太阳能发电量不足的时候，可以从储能系统中取出电能或利用储热设备供应能源，确保能源供应的稳定性；
销售电力：如果果园农业企业处于支持上网的环境下，多余的电力可以出售给电网，获得一定的电力补贴或收入；
用于其他用途：多余的电力可以用于果园农业企业其他用途，如加热温室、供暖、灌溉系统等，提高能源利用效率；
合作伙伴共享：如果周边地区有其他企业或机构需要电力，可以与其建立合作伙伴关系，共享多余的电力；
环保项目支持：如果企业所在地区支持环保项目，可以将多余的电力用于支持其他可再生能源项目，如风能发电或其他清洁能源项目；
氢能源或其他能源转换：将多余的电力用于水解制氢或其他能源转换技术，将电能转换为其他形式的能源，以便储存或在其他用途中使用。
实施例3：本实施例所述一种分布式光伏发电电量分析预测方法，所述预测方法包括以下步骤：
在分布式光伏发电系统中布置相应的传感器，采集和收集与发电量相关的多源数据，并对采集的数据进行预处理后提取多源数据中的特征数据，数据进行预处理包括处理数据缺失、异常值、噪声等，确保数据质量良好，提高预测精度，基于数据分析算法构建预测模型，通过预测模型分析特征数据后，预测企业发电量，基于企业预测的发电量制定管理策略，将预测结果和管理策略进行数据展示和报告，企业的管理者可以通过可视化的界面查看发电量预测结果，了解能源使用情况，并作出相应决策。
一种存储介质，用于存储程序数据，所述程序数据在被处理器执行时，用于实现实施例1中的一种分布式光伏发电电量分析预测系统。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以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或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、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合的服务器、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。半导体介质可以是固态硬盘。
应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A,B可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。
本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：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。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种分布式光伏发电电量分析预测系统，其特征在于：包括数据采集模块、模型建立模块、管理决策模块、报告展示模块；
数据采集模块：采集与发电量相关的多源数据，并对采集的数据进行预处理后提取多源数据中的特征数据；
模型建立模块：基于数据分析算法构建预测模型；
预测模块：通过预测模型分析特征数据后，预测企业发电量；
管理决策模块：基于企业预测的发电量制定管理策略；
报告展示模块：将预测结果和管理策略进行数据展示和报告。
2.根据权利要求1所述的一种分布式光伏发电电量分析预测系统，其特征在于：所述模型建立模块基于数据分析算法构建预测模型包括以下步骤：
获取环境参数以及光伏板参数，环境参数包括当前季节光照浮动系数，光伏板参数包括阴阳极腐蚀度以及光伏电池细胞光电转换率；
将光照浮动系数、阴阳极腐蚀度以及光伏电池细胞光电转换率综合计算获取第一修正系数，计算表达式为：
式中，为光伏电池细胞光电转换率，/>为光照浮动系数，/>为阴阳极腐蚀度，/>、/>、/>分别为光伏电池细胞光电转换率、光照浮动系数、阴阳极腐蚀度的比例系数，且、/>、/>均大于0；
获取第一修正系数后，通过第一修正系数/>修正预设最佳发电量获取预测发电量，计算表示为：
式中，为预测发电量，/>为预设最佳发电量，/>为第一修正系数，完成预测模型的构建。
3.根据权利要求2所述的一种分布式光伏发电电量分析预测系统，其特征在于：所述光伏电池细胞光电转换率中，n为T时间段内采集光伏电池细胞输出电功率次数，n为正整数，/>为第i个时间点光伏电池细胞输出电功率，T为监测时间段。
4.根据权利要求3所述的一种分布式光伏发电电量分析预测系统，其特征在于：所述光照浮动系数的计算表达式为：
为实时的光照强度，/>为当前季节前一天太阳辐射低于辐射阈值的时间段，/>为当前季节光照前一天光照时间段。
5.根据权利要求4所述的一种分布式光伏发电电量分析预测系统，其特征在于：所述阴阳极腐蚀度的计算表达式为：
式中，为阴极电流密度，/>为阴极表面积，/>为阳极电流密度，/>为阳极表面积，/>为金属的电荷密度。
6.根据权利要求5所述的一种分布式光伏发电电量分析预测系统，其特征在于：所述管理决策模块获取预测发电量后，将预测发电量与电量阈值进行对比，当预测发电量＜电量阈值时，管理决策模块判断发电量紧张，当预测发电量＞电量阈值时，管理决策模块判断发电量过剩。
7.根据权利要求6所述的一种分布式光伏发电电量分析预测系统，其特征在于：所述管理决策模块管理决策模块判断发电量紧张制定管理策略包括：
当太阳能发电量紧张时，从储能系统中提取电能；采取节约用电的措施；准备备用能源供应；使用多源发电的方式增加能源供应；提前规划用电需求，分配电力消耗。
8.根据权利要求7所述的一种分布式光伏发电电量分析预测系统，其特征在于：所述管理决策模块判断发电量过剩制定管理策略包括：
将多余的电力储存到储能系统中；将多余的电力可以出售给电网；将多余的电力用于支持可再生能源项目；将多余的电力用于水解制氢。
9.一种分布式光伏发电电量分析预测方法，基于权利要求1-8任一项所述的预测系统实现，其特征在于：所述预测方法包括以下步骤：
S1：在分布式光伏发电系统中布置相应的传感器，采集与发电量相关的多源数据；
S2：对采集的数据进行预处理后提取多源数据中的特征数据；
S3：基于数据分析算法构建预测模型；
S4：通过预测模型分析特征数据后，预测企业发电量；
S5：基于企业预测的发电量制定管理策略；
S6：将预测结果和管理策略进行数据展示和报告。
10.一种存储介质，其特征在于：所述存储介质用于存储程序数据，所述程序数据在被处理器执行时，用于实现权利要求1-8任一项所述的预测系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310995929.1A CN116720631B (zh) | 2023-08-09 | 2023-08-09 | 一种分布式光伏发电电量分析预测方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310995929.1A CN116720631B (zh) | 2023-08-09 | 2023-08-09 | 一种分布式光伏发电电量分析预测方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116720631A true CN116720631A (zh) | 2023-09-08 |
| CN116720631B CN116720631B (zh) | 2023-12-19 |
Family
ID=87875523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310995929.1A Active CN116720631B (zh) | 2023-08-09 | 2023-08-09 | 一种分布式光伏发电电量分析预测方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116720631B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116937816A (zh) * | 2023-09-18 | 2023-10-24 | 江苏开拓信息与系统有限公司 | 一种智能边缘计算网关 |
| CN117236638A (zh) * | 2023-10-13 | 2023-12-15 | 交通运输部天津水运工程科学研究所 | 基于多模态网络的运河微电网分布式能量管理系统 |
| CN117559499A (zh) * | 2023-11-20 | 2024-02-13 | 广州菲利斯太阳能科技有限公司 | 一种光伏发电智能储能系统 |
| CN117728583A (zh) * | 2023-12-27 | 2024-03-19 | 中节能甘肃武威太阳能发电有限公司 | 基于迁移学习的分布式光伏集群能源控制监视系统 |
| CN118137500A (zh) * | 2024-05-08 | 2024-06-04 | 湖北华中电力科技开发有限责任公司 | 光伏发电预测方法及装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004072900A (ja) * | 2002-08-06 | 2004-03-04 | Mitsubishi Heavy Ind Ltd | 電力ネットワーク管理システムおよび電力ネットワーク管理方法 |
| WO2014119822A1 (ko) * | 2013-01-31 | 2014-08-07 | (주)케이디파워 | 태양광 발전 모니터링 시스템의 발전진단 장치 및 방법 |
| KR20150063228A (ko) * | 2013-11-29 | 2015-06-09 | 한국전기연구원 | 태양광 발전기 출력 저하 판단 방법 및 장치 |
| CN105337315A (zh) * | 2015-10-21 | 2016-02-17 | 温州大学 | 一种风光蓄互补独立微电网高维多目标优化配置方法 |
| CN110288111A (zh) * | 2018-03-19 | 2019-09-27 | 浙江昱能科技有限公司 | 一种基于天气预测的家庭电能管理的方法及系统 |
| CN115829145A (zh) * | 2022-12-16 | 2023-03-21 | 江苏慧智能源工程技术创新研究院有限公司 | 一种光伏发电量预测系统及方法 |
| CN115864364A (zh) * | 2022-10-28 | 2023-03-28 | 中国电力科学研究院有限公司 | 一种用户参与需求响应的运行策略规划方法及装置 |
| CN115912351A (zh) * | 2022-11-30 | 2023-04-04 | 国网北京市电力公司 | 光伏日内日前模型预测方法、系统、设备及介质 |
| CN116227637A (zh) * | 2023-02-27 | 2023-06-06 | 国网福建省电力有限公司 | 一种面向有源配电网的精细化负荷预测方法和系统 |
| KR102542058B1 (ko) * | 2022-10-31 | 2023-06-13 | 식스티헤르츠 주식회사 | 확률론적 태양광 발전량 예측 및 가상발전소 운영 의사결정 방법과 시스템 |
| CN116454951A (zh) * | 2023-04-28 | 2023-07-18 | 重庆跃达新能源有限公司 | 一种光储能控制系统及方法 |
-
2023
- 2023-08-09 CN CN202310995929.1A patent/CN116720631B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004072900A (ja) * | 2002-08-06 | 2004-03-04 | Mitsubishi Heavy Ind Ltd | 電力ネットワーク管理システムおよび電力ネットワーク管理方法 |
| WO2014119822A1 (ko) * | 2013-01-31 | 2014-08-07 | (주)케이디파워 | 태양광 발전 모니터링 시스템의 발전진단 장치 및 방법 |
| KR20150063228A (ko) * | 2013-11-29 | 2015-06-09 | 한국전기연구원 | 태양광 발전기 출력 저하 판단 방법 및 장치 |
| CN105337315A (zh) * | 2015-10-21 | 2016-02-17 | 温州大学 | 一种风光蓄互补独立微电网高维多目标优化配置方法 |
| CN110288111A (zh) * | 2018-03-19 | 2019-09-27 | 浙江昱能科技有限公司 | 一种基于天气预测的家庭电能管理的方法及系统 |
| CN115864364A (zh) * | 2022-10-28 | 2023-03-28 | 中国电力科学研究院有限公司 | 一种用户参与需求响应的运行策略规划方法及装置 |
| KR102542058B1 (ko) * | 2022-10-31 | 2023-06-13 | 식스티헤르츠 주식회사 | 확률론적 태양광 발전량 예측 및 가상발전소 운영 의사결정 방법과 시스템 |
| CN115912351A (zh) * | 2022-11-30 | 2023-04-04 | 国网北京市电力公司 | 光伏日内日前模型预测方法、系统、设备及介质 |
| CN115829145A (zh) * | 2022-12-16 | 2023-03-21 | 江苏慧智能源工程技术创新研究院有限公司 | 一种光伏发电量预测系统及方法 |
| CN116227637A (zh) * | 2023-02-27 | 2023-06-06 | 国网福建省电力有限公司 | 一种面向有源配电网的精细化负荷预测方法和系统 |
| CN116454951A (zh) * | 2023-04-28 | 2023-07-18 | 重庆跃达新能源有限公司 | 一种光储能控制系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 吴烈: "基于数据库的蓄电池监测系统", 机电工程, no. 05, pages 37 - 39 * |
| 赵钊林;: "基于商业智能的电网负荷预测模型的构建研究", 福建工程学院学报, no. 01, pages 58 - 60 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116937816A (zh) * | 2023-09-18 | 2023-10-24 | 江苏开拓信息与系统有限公司 | 一种智能边缘计算网关 |
| CN116937816B (zh) * | 2023-09-18 | 2023-12-08 | 江苏开拓信息与系统有限公司 | 一种智能边缘计算网关 |
| CN117236638A (zh) * | 2023-10-13 | 2023-12-15 | 交通运输部天津水运工程科学研究所 | 基于多模态网络的运河微电网分布式能量管理系统 |
| CN117236638B (zh) * | 2023-10-13 | 2024-04-09 | 交通运输部天津水运工程科学研究所 | 基于多模态网络的运河微电网分布式能量管理系统 |
| CN117559499A (zh) * | 2023-11-20 | 2024-02-13 | 广州菲利斯太阳能科技有限公司 | 一种光伏发电智能储能系统 |
| CN117559499B (zh) * | 2023-11-20 | 2024-04-12 | 广州菲利斯太阳能科技有限公司 | 一种光伏发电智能储能系统 |
| CN117728583A (zh) * | 2023-12-27 | 2024-03-19 | 中节能甘肃武威太阳能发电有限公司 | 基于迁移学习的分布式光伏集群能源控制监视系统 |
| CN117728583B (zh) * | 2023-12-27 | 2024-05-31 | 中节能甘肃武威太阳能发电有限公司 | 基于迁移学习的分布式光伏集群能源控制监视系统 |
| CN118137500A (zh) * | 2024-05-08 | 2024-06-04 | 湖北华中电力科技开发有限责任公司 | 光伏发电预测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116720631B (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116720631B (zh) | 一种分布式光伏发电电量分析预测方法、系统及存储介质 | |
| CN106099993B (zh) | 一种适应新能源大规模接入的电源规划方法 | |
| CN113224756B (zh) | 一种应用于光伏建筑一体化最佳装机容量测算的方法 | |
| CN117013527A (zh) | 一种分布式光伏发电功率预测方法 | |
| CN114938071A (zh) | 一种基于人工智能的新能源运行系统智能监测监控管理系统 | |
| CN117350507A (zh) | 一种虚拟电厂调度系统 | |
| CN104636993B (zh) | 配电系统可靠性算法 | |
| CN112418950A (zh) | 计及光伏的微电网短期负荷预测及控制方法 | |
| Oprea et al. | Key technical performance indicators for power plants | |
| CN105069520A (zh) | 一种风力发电功率预测系统 | |
| CN115130842A (zh) | 风光火一体化基地配置方法及装置 | |
| CN113489054A (zh) | 一种基于大数据云技术的能源互联网调度方法 | |
| CN105024379A (zh) | 一种风机检修管理调度系统 | |
| Zainaa et al. | Statistical Assessment of Renewable Energy Generation in Optimizing Qatar Green Buildings | |
| CN118171033B (zh) | 一种利用新能源月度电量重构逐小时功率曲线的方法 | |
| CN118365082B (zh) | 事件驱动的综合能源系统控制、安全提升方法及装置 | |
| CN114137357B (zh) | 一种信息交互的输电线路在线监测装置综合电源管理方法 | |
| CN114070198B (zh) | 分布式光伏发电系统的故障诊断方法、装置和电子设备 | |
| CN117454577B (zh) | 光伏系统年发电量的预测方法、装置、设备和存储介质 | |
| CN117663503B (zh) | 一种智能调节熔盐储热速率的方法及系统 | |
| Wang et al. | Comparisons of Different Dispatches to Promote the Consumption of Renewable Energy | |
| Tarigan | Performance of 3 kWp Rooftop PV System in Ubaya Building, Indonesia | |
| Weichun et al. | Entire process accurate evaluation abandoned wind for high proportion wind power connected to large power grid | |
| CN113937769A (zh) | 考虑风能出力不确定性的机组组合确定方法及装置 | |
| Ye et al. | Accurate forecasting method of new energy power in multi-temporal and spatial scales by CNN-BiLSTM |
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 |