CN117374922B - 一种光伏发电功率预测及管理系统及其应用方法 - Google Patents

一种光伏发电功率预测及管理系统及其应用方法 Download PDF

Info

Publication number
CN117374922B
CN117374922B CN202311234757.2A CN202311234757A CN117374922B CN 117374922 B CN117374922 B CN 117374922B CN 202311234757 A CN202311234757 A CN 202311234757A CN 117374922 B CN117374922 B CN 117374922B
Authority
CN
China
Prior art keywords
power
substation
power generation
photovoltaic
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.)
Active
Application number
CN202311234757.2A
Other languages
English (en)
Other versions
CN117374922A (zh
Inventor
王一妹
任鑫
王�华
周利
孙钰淑
郭晓征
田伟
于晓磊
杨雪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing East Environment Energy Technology Co ltd
Huaneng Clean Energy Research Institute
Huaneng Lancang River Hydropower Co Ltd
Original Assignee
Beijing East Environment Energy Technology Co ltd
Huaneng Clean Energy Research Institute
Huaneng Lancang River Hydropower Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing East Environment Energy Technology Co ltd, Huaneng Clean Energy Research Institute, Huaneng Lancang River Hydropower Co Ltd filed Critical Beijing East Environment Energy Technology Co ltd
Priority to CN202311234757.2A priority Critical patent/CN117374922B/zh
Publication of CN117374922A publication Critical patent/CN117374922A/zh
Application granted granted Critical
Publication of CN117374922B publication Critical patent/CN117374922B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及一种光伏发电功率预测及管理系统及其应用方法，首先通过光伏发电总站，计算出各个子站当前的发电功率预测值P0；再将各个子站上报的发电预测功率P1，与总站计算的各个子站当前的发电功率预测值P0进行比较，由总站根据各个子站的历史功率计算数据，来对各个子站实际上报的发电预测功率进行预测值监控，以此降低子站机械式预测和输出的功率差异。由总站对各个子站的发电预测功率进行监控，提醒出现偏差的子站重新向总站申报实时的发电预测功率，使得各个子站进行及时的功率计算检查，避免预测值和实际值存在较大偏差而影响后续的总站电力配置和电力调度。提高总站对各个子站的有序管理效率，加强对子站的统一配置和管控。

Description

一种光伏发电功率预测及管理系统及其应用方法
技术领域
本公开涉及光伏预测技术领域，尤其涉及一种光伏发电功率预测及管理系统、应用方法。
背景技术
光功率预测系统是利用现代数字通信技术、计算机技术、实时气象信息监测技术、数值预报技术、功率预测技术等技术。根据国家能源局、国家电网颁布的相关标准，实现对光伏电站进行短期预测、超短期预测，指导电力调度和实时控制。通过实时气象资料、数值预报资料、光伏发电及光伏组件等数据，完成光伏电站短期、超短期功率预测功能，并按调度规范要求上报。同时提供用户友好的访问界面，支持统计分析，用户管理，计划填报，通道报警，预测精度达到国外同类产品的水平。
因此，现有的光功率预测系统，基本会考虑到环境温度、光照辐射度、气压、相对湿度以及气象数据等因素对发电功率预测的准确性，且光伏电站功率预测所需数据至少应包括数值天气预报数据、实时气象数据、实时功率数据、运行状态、计划检修信息等。
发电总站需要实时获知各个发电子站的发电功率，需要由各个子站上报各自的发电功率预测值，让发电总站提前准备好后续的电力线路或者资源的配置工作。然而，现有的各个光伏发电站(子站)，基本会采用神经网络预测模型，来进行光伏发电功率预测。具体的，利用采集的光伏电站的当前发电功率数据，输入训练好的发电功率预测模型，由发电功率预测模型识别并输出对应的预测值，再将本地预测的当前光伏发电功率上报总站。在该过程中，各个光伏发电子站会利用发电功率预测模型(功率预测计算方式中的一种)进行机械式预测和输出，只要将采集数据输入模型、由模型输出预测数值并上报总站，就表明子站已经完成预测报文任务，但是其中会出现如下缺陷：在实际发电时，所采集的功率计算数据比如实时气压、相对湿度以及气象数据等，与预测时的功率计算数据不一致，导致各个子站的实际发电功率和上报的预测值不相匹配，后续总站需要对不相匹配的发电子站的传输线路以及电力数据等进行重新配置，因此会需要消耗更多的时间和精力，且不能够及时纠正子站的行为。
此外，由于各个子站上报信息的不一致，使得总站难以对各个子站进行有序、高效管理，对于各个子站的光伏发电资源配置和管理，无法统一配置和管控。
发明内容
为了解决上述问题，本申请提出一种光伏发电功率预测及管理系统及其应用方法和电子设备。
本申请一方面，提出一种光伏发电功率预测及管理系统，用于光伏发电总站和光伏发电子站的光伏发电功率预测管理，包括：
光伏发电数据采集模块，用于采集各个子站的光伏发电数据T0，并进行预处理，得到各个子站当前的功率计算数据T1：
T1＝{气象数据A，温度数据T，太阳辐射值G，光伏组件随光转动角度B，光伏组件清洁度V，光伏组件表面积S，光伏组件衰减度α，子站发电效率η}；
功率预测系统，用于对输入的各个子站当前的功率计算数据T1进行特征识别，预测并输出各个子站当前的发电功率预测值P0：
P0＝kηSG，其中：
k为子站的功率影响系数：
k＝k1×k2×k3×k4×k5，
k1为根据气象数据A确定的气象影响系数，取值在0.15～0.85；
k2为根据温度数据T确定的温度影响系数，取值在0.5～1.2；
k3为根据光伏组件随光转动角度B确定的角度影响系数，取值在0.8～1.0；
k4为根据光伏组件清洁度V确定的清洁度影响系数，取值在0.3～1.0；
k5为根据光伏组件衰减度α确定的寿命影响系数，取值在0.1～1.0；
光伏发电功率监控模块，用于接收各个子站上报的发电预测功率P1，并将所述发电预测功率P1与各个子站当前的所述发电功率预测值P0进行比对：
如果：
(1.00～1.25)P0≥P1≥(0.85～0.99)P0，
则向满足该条件的子站下发确认指令；
如果：
(1.00～1.25)P0＜P1或者P1＜(0.85～0.99)P0，
则向满足该条件的子站下发纠正指令，对光伏发电的功率影响系数k采取故障诊断，解决故障之后重新采集当前的功率计算数据，并重新计算并上报所述发电预测功率P1。
作为本申请的一可选实施方案，可选地，还包括：
云服务器，用于部署所述功率计算数据预测模型、所述功率预测计算子系统和所述光伏发电功率监控模块；
以及，
为光伏发电总站的管理员配置管理权限。
作为本申请的一可选实施方案，可选地，还包括：
功率计算数据采集子系统，用于采集各个子站实时的功率计算数据并发送至终端机；
终端机，用于将各个子站实时的功率计算数据输入对应预设的功率预测计算子系统，计算出各个子站的所述发电预测功率P1，并上报至所述云服务器；
各个子站均部署有所述终端机和所述功率计算数据采集子系统，且各个子站通过所述终端机与所述云服务器进行通信。
作为本申请的一可选实施方案，可选地，所述云服务器，还用于：
预设子站报文时序表；
将所述子站报文时序表下发至各个子站的所述终端机上，通知各个子站的所述终端机按照各自的报文时序，统一上报所述发电预测功率P1。
作为本申请的一可选实施方案，可选地，所述终端机，还用于：
遍历所述子站报文时序表，找到与当前子站相对应的所述报文时序；
提取所述报文时序，并将所述报文时序保存在当前子站的所述终端机上。
作为本申请的一可选实施方案，可选地，所述云服务器，还用于：
向各个子站的所述终端机下达报文指令，通知各个子站上报各自的所述发电预测功率P1；
所述终端机，还用于：
在接收到所述云服务器下达的所述报文指令之后，按照所述报文时序，将当前子站的所述发电预测功率P1上报至所述云服务器；
所述云服务器，还用于：
在规定的时间内，判断是否所有的子站均已上报所述发电预测功率P1：
若是，则将各个子站上报的发电预测功率P1转发至所述光伏发电功率监控模块，进行功率监控；
若否，则找出未报文的目标子站，并向所述目标子站再次下达所述报文指令。
作为本申请的一可选实施方案，可选地，所述云服务器，还用于：
登记各个子站的身份ID；
调取各个子站的所述终端机上所存储的所述光伏发电数据T0；
利用深度学习技术，以所述光伏发电数据T0作为神经网络模型的输入，进行模型训练，得到各个子站的所述功率计算数据预测模型；
将各个子站的所述功率计算数据预测模型绑定在对应子站的所述身份ID之下。
作为本申请的一可选实施方案，可选地，所述云服务器，还用于：
接收并保存各个子站上报的满足预设条件所述发电预测功率P1；
根据各个子站上报的所述发电预测功率P1，进行发电功率均衡配置，进行电力调度；
利用负载均衡算法，对各个子站的所述发电预测功率P1进行电力均衡配置，并将配置信息发送至对应的子站的所述终端机上。
本申请另一方面，提出一种光伏发电功率预测及管理系统的应用方法，包括如下步骤：
光伏发电总站的管理员登录云服务器，通过所述云服务器向各个子站的终端机下达报文指令，通知各个子站上报各自的所述发电预测功率P1；
所述终端机在接收到所述云服务器下达的所述报文指令之后，按照所述报文时序，将当前子站的所述发电预测功率P1上报至所述云服务器；
所述云服务器将各个子站上报的发电预测功率P1转发至光伏发电功率监控模块，进行功率监控；
光伏发电功率监控模块接收各个子站上报的发电预测功率P1，并将所述发电预测功率P1与各个子站当前的所述发电功率预测值P0进行比对：
如果：
(1.00～1.25)P0≥P1≥(0.85～0.99)P0，
则向满足该条件的子站下发确认指令；
如果：
(1.00～1.25)P0＜P1或者P1＜(0.85～0.99)P0，
则向满足该条件的子站下发纠正指令，对光伏发电的功率影响系数k采取故障诊断，解决故障之后重新采集当前的功率计算数据，并重新计算并上报所述发电预测功率P1；
所述云服务器，接收并保存各个子站上报的满足预设条件所述发电预测功率P1；
根据各个子站上报的所述发电预测功率P1，进行发电功率均衡配置，进行电力调度；
利用负载均衡算法，对各个子站的所述发电预测功率P1进行电力均衡配置，并将配置信息发送至对应的子站的所述终端机上。
本申请另一方面，还提出一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述可执行指令时实现所述的应用方法。
本发明的技术效果：
本方案首先通过光伏发电总站，计算出各个子站当前的发电功率预测值P0；再将各个光伏发电子站上报的发电预测功率P1，与总站计算的各个子站当前的发电功率预测值P0进行比较，由总站根据各个子站的历史功率计算数据，来对各个子站实际上报的发电预测功率进行预测值监控，以此降低子站进行机械式预测和输出的功率差异，由总站对各个子站的发电预测功率进行监控，可以提醒出现偏差的子站重新向总站申报实时的发电预测功率，这样可以使得各个子站进行及时的功率计算检查，避免预测值和实际值存在较大偏差而影响后续的总站电力配置和电力调度。本方案还可以让总站对各个子站进行统一管理，提高总站对各个子站的有序管理效率，加强对子站的统一配置和管控。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出为本发明总站和子站之间的监控系统示意图；
图2示出为本发明总站和子站之间的应用控制系统示意图；
图3示出为本发明在云服务器上进行训练模型的流程示意图；
图4示出为本发明应用方法的整体流程示意图；
图5示出为本发明电子设备的应用示意图.
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
实施例1
如图1所示，本方案可以用于发电站的发电功率预测，发电功率预测方法可以采用数据统计方法或者是神经网络预测模型(人工神经网络)或者遗传算法方法来进行预测。
本方案优先选择功率预测模型来进行功率预测，所采用的预测模型以及模型的训练生成方式可以参见现有的深度学习技术。
本方案的光伏发电可以分为总站和子站，由总站对各个子站的发电功率进行监控以及功率发电配置调度。
可以利用本方案用于光伏发电总站对各个子站的发电功率预测监控以及调整各个光伏发电子站的实际发电功率。
根据准确的发电预测功率来对各个子站之间的发电数据进行电力配置，利用负载均衡算法来实现各个发电子站之间的电力调度，实现发电功率的均衡分配。
采用本方案还可以由总站来对光伏发电子站进行统一的电力配置，统一监管，加强总站对子站的发电功率预测监控，进行电力的统一调度，提高总站对子站的监控效率。
本申请一方面，提出一种光伏发电功率预测及管理系统，用于光伏发电总站和光伏发电子站的光伏发电功率预测管理，包括：
光伏发电数据采集模块，用于采集各个子站的光伏发电数据T0，并进行预处理，得到各个子站当前的功率计算数据T1：
T1＝{气象数据A，
温度数据T，
太阳辐射值G，
光伏组件随光转动角度B，
光伏组件清洁度V，
光伏组件表面积S，
光伏组件衰减度α，
子站发电效率η}；
功率预测系统，用于对输入的各个子站当前的功率计算数据T1进行特征识别，预测并输出各个子站当前的发电功率预测值P0：
P0＝kηSG，其中：
k为子站的功率影响系数：
k＝k1×k2×k3×k4×k5，
k1为根据气象数据A确定的气象影响系数，取值在0.15～0.85；
k2为根据温度数据T确定的温度影响系数，取值在0.5～1.2；
k3为根据光伏组件随光转动角度B确定的角度影响系数，取值在0.8～1.0；
k4为根据光伏组件清洁度V确定的清洁度影响系数，取值在0.3～1.0；
k5为根据光伏组件衰减度α确定的寿命影响系数，取值在0.1～1.0；
光伏发电功率监控模块，用于接收各个子站上报的发电预测功率P1，并将所述发电预测功率P1与各个子站当前的所述发电功率预测值P0进行比对：
如果：
(1.00～1.25)P0≥P1≥(0.85～0.99)P0，
则向满足该条件的子站下发确认指令；
如果：
(1.00～1.25)P0＜P1或者P1＜(0.85～0.99)P0，
则向满足该条件的子站下发纠正指令，对光伏发电的功率影响系数k采取故障诊断，解决故障之后重新采集当前的功率计算数据，并重新计算并上报所述发电预测功率P1。
在应用时，可以通过总站的功率计算数据预测模型、功率预测系统以及光伏发电功率监控模块，来对各个子站的发电功率进行功率监测。
总站可以调取各个子站的历史功率计算数据，比如说各个子站的历史气象数据等。可以通过总站上配置的功率计算数据预测模型来预测各个子站在当前的功率计算数据，比如说可以根据某个子站的历史气象数据，利用相应的历史(气象)预测模型进行预测，得到该子站在当前(比如今天)的气象计算数据T1(仅仅举例，实际根据功率预测计算方式，预测各项数据即可)。
光伏发电数据采集模块，可以通过气象站的各种传感器等设别，采集子站的光伏发电数据T0，比如气象数据A，温度数据T，太阳辐射值G，光伏组件随光转动角度B，光伏组件清洁度V，光伏组件表面积S，光伏组件衰减度α，子站发电效率η，子站发电功率P。各个数据的样本标签，可以采取对应的取值即可。
对光伏发电数据T0进行预处理，得到各个子站当前的功率计算数据T1。预处理，比如对数据中的缺失值、异常值进行检查，并采取对应的手段，填补缺失值，或者处理异常值，可以参见现有的预处理手段。
功率预测系统，通过各个子站的历史数据进行训练生成的。本实施例基于RNN深度学习技术，以各个子站的历史数据(气象数据，时间数据，历史光伏发电功率和温度数据等等)构建训练数据集，用于训练生成“光伏发电功率预测模型”，并配置对应的模型参数后，将其部署在后台上，形成对应的功率预测系统。
总站上的功率预测系统，可以采用现有的光伏发电功率预测模型(比如RNN神经模型)来进行发电功率预测。
根据当前各个子站的功率计算数据T1进行发电功率预测，具体可以参见现有光伏发电功率预测模型的预测方案。
RNN为循环神经网路，即一个序列当前的输出与前面的输出也有关，具体的表现形式为网络会对前面的信息进行记亿并应用于当前输出的计算中，即隐藏层之间的节点不再无连接而是有连接的，并且隐藏层的输入不仅包括输入层的输出还包括上一时刻隐藏层的输出。可以详见现有RNN算法的描述。
本实施例，可以利用各个子站比如5-10年的历史功率计算数据，作为RNN模型的输入，进行训练学习。
历史功率计算数据包含功率计算数据的历史参数，因此RNN模型可以学习识别各个功率的历史参数特征，比如气象、发电值、温度等等。
构建训练模型之后，可以结合当前比如本月所测得的某个子站的子站的光伏发电数据T0，比如气象数据A，温度数据T，太阳辐射值G，光伏组件随光转动角度B，光伏组件清洁度V，光伏组件表面积S，光伏组件衰减度α，子站发电效率η等功率计算数据T1，作为新的输入，让RNN模型对其识别并输出对应的预测值。具体由RNN模型的神经网络进行特征识别和功率计算数据T1的映射匹配、输出。
通过功率预测系统，可以让总站知道各个子站在当前(比如今天)的发电功率预测值P0。
本方案结合了光伏发电的功率影响因素，计算：
P0＝kηSG，其中：
k为子站的功率影响系数：
k＝k1×k2×k3×k4×k5，
k1为根据气象数据A确定的气象影响系数，取值在0.15～0.85；可以根据实时的气象数据确定k1，比如天晴则取值在0.7左右，烈日天气可以取值在0.85；可以根据气象的好坏恶劣情况，梯度设定；
k2为根据温度数据T确定的温度影响系数，取值在0.5～1.2；温度影响一般，取值在0.6合适，根据温度梯度确定；
k3为根据光伏组件随光转动角度B确定的角度影响系数，取值在0.8～1.0；转角一般影响不大，若是光伏组件的角度调节机构正常运行，则取值一般为1；
k4为根据光伏组件清洁度V确定的清洁度影响系数，取值在0.3～1.0；清洁度，根据光伏组件表面的集灰厚度确定，若是新装光伏组件，则取值为1，后续根据清洁度，确定；若是低于0.3，则放弃计算；
k5为根据光伏组件衰减度α确定的寿命影响系数，取值在0.1～1.0。光伏组件衰减度α，即光伏组件的使用时间所引起的老化程度，老化越严重，则α取值越低。
上述k1-k5，皆可以按照对应采集数据的范围进行确定。
后续总站子通知各个子站上报各自的发电预测功率P1(各个子站计算得到的今天的发电功率的预测值，也就是当前的发电功率预测值)之后，总站可以将各个子站上报的发电预测功率与总站计算得到的各个子站的发电功率预测值进行比对，由总站来判断各个子站上报的发电功率与总站所计算预测的发电功率预测值是否匹配，若是满足预设条件，那么总站可以向对应的子站下发确认指令；否则重新上报。
总的来说，也就是由总站来预测计算各个子站当前的发电预测功率，并将各子站上报的发电预测功率与总站所预测的发电功率预测值进行比对，以此实现总站对各个子站的发电功率预测监控，由总站来对出现较大偏差的子站进行纠正，让预测偏差较大的子站重新采集并预测计算对应的发电预测功率。
以此由总站来把控各个子站的发电功率预测的准确性，可以让总站对各个子站进行统一管理，提高总站对子站的监控效率。
在计算预测值之时，若是(1.00～1.25)P0≥P1≥(0.85～0.99)P0，则向满足该条件的子站下发确认指令，由总站汇总各个子站的预测值；
如果：
(1.00～1.25)P0＜P1或者P1＜(0.85～0.99)P0，
则向满足该条件的子站下发纠正指令，对光伏发电的功率影响系数k采取故障诊断，解决故障之后重新采集当前的功率计算数据，并重新计算并上报所述发电预测功率P1。
若是总站发现某个子站的预测值P1出现上述阈值范围，小于总站监测或者设定的合格制，则总站有理由认为子站的光伏发电组件出现清洁度、老化转角等问题，因此向对应子站发出纠正指令，通知对应的子站进行光伏发电组件检查，进行故障诊断，对可能的组件故障原因进行检测。
子站检测之后，可以向总站报告诊断和纠正结果，重新上报自己的预测功力值。
如图2所示，为总站与子站的服务体系。
作为本申请的一可选实施方案，可选地，还包括：
云服务器，用于部署所述功率计算数据预测模型、所述功率预测计算子系统和所述光伏发电功率监控模块；
以及，
为光伏发电总站的管理员配置管理权限。
本方案，总站与各个子站之间需要进行通信交互，为了降低总站的后台运行压力，在云服务器上设置有总站对各个子站进行管理的功率监控系统。总站的管理功能主要配置在云服务器上，总站的后台管理员可以登录云服务器，实现对各个子站子站的预测把控，因此云服务器可以部署各个功能模块：所述功率计算数据预测模型、所述功率预测计算子系统和所述光伏发电功率监控模块。
各个子站采用终端机与云服务器进行通信，云服务器与各个终端机之间的通信访问方式以及协议，由后台管理员具体进行配置，本实施例不限定具体的通信协议和方式。
管理员按照配置的管理权限，登录云服务器，实现对各个子站的监控管理，可以向各个子站下达对应的管理指令，甚至进入终端机，查看各个子站的运行数据，实现“现场监管”。
作为本申请的一可选实施方案，可选地，还包括：
功率计算数据采集子系统，用于采集各个子站实时的功率计算数据并发送至终端机；
终端机，用于将各个子站实时的功率计算数据输入对应预设的功率预测计算子系统，计算出各个子站的所述发电预测功率P1，并上报至所述云服务器；
各个子站均部署有所述终端机和所述功率计算数据采集子系统，且各个子站通过所述终端机与所述云服务器进行通信。
各个光伏发电子站，配置有各自的终端机以及功率计算数据采集子系统，功率计算数据采集子系统包含子站对各个数据的采集设备，比如说对湿度进行采集的湿度传感器，对风速进行采集的风速计，对气象数据等进行采集的其他相应的设备。各个子站通过采集子系统采集实时的功率计算数据，并发送至终端机。
各个子站通过终端机(PC)与云服务器进行通信。
终端机上部署有一个功率预测计算子系统，该功率预测计算子系统的作用是根据采集的气象等数据进行功率预测，同样也是一个发电功率预测模型，跟云服务器上总站使用的功率预测系统，功能一张，都可以采用现有的光伏发电功率预测模型进行功率预测。
终端机计算得到当前子站的所述发电预测功率P1之后，经过响应，可以将所述发电预测功率P1上报至所述云服务器。
云服务器可以控制各个子站上报/申报各自发电预测功率P1的报文时序(报文)频率，便于由总站统一对各个子站的发电预测功率P1进行统一监控和预测管理，以此提高总站对子站的功率预测效率。
作为本申请的一可选实施方案，可选地，所述云服务器，还用于：
预设子站报文时序表；
将所述子站报文时序表下发至各个子站的所述终端机上，通知各个子站的所述终端机按照各自的报文时序，统一上报所述发电预测功率P1。
作为本申请的一可选实施方案，可选地，所述终端机，还用于：
遍历所述子站报文时序表，找到与当前子站相对应的所述报文时序；
提取所述报文时序，并将所述报文时序保存在当前子站的所述终端机上。
总站可以通过云服务器实现对各个子站的报文控制，可以在云服务器上配置子站报文时序表，在子站报文时序表上可以按照各个子站的编号来设定各个子站的报文时间、报文的时序，后续可以将该表下发至各个子站的终端机上，由各个子站按照时序表中的所对应的报文时序来进行报文。
各个子站的终端机接收到该子站报文时序表之后，可以遍历识别并找到各自子站的报文时序。将时序表中与当前子站相对应的报文时序提取出来，并将报文时序配置并保存在终端机上。后续终端机可以在当得到当前子站的发电预测功率之后，可以按照该报文时序进行报文，也就是按照该报文频率进行报文，比如说当前子站应当在当天的下午五点进行报文一次，在第二天的中午12点报文一次。具体对各个子站的报文时序，可以由云服务器的管理员来进行设定。
作为本申请的一可选实施方案，可选地，所述云服务器，还用于：
向各个子站的所述终端机下达报文指令，通知各个子站上报各自的所述发电预测功率P1；
所述终端机，还用于：
在接收到所述云服务器下达的所述报文指令之后，按照所述报文时序，将当前子站的所述发电预测功率P1上报至所述云服务器；
所述云服务器，还用于：
在规定的时间内，判断是否所有的子站均已上报所述发电预测功率P1：
若是，则将各个子站上报的发电预测功率P1转发至所述光伏发电功率监控模块，进行功率监控；
若否，则找出未报文的目标子站，并向所述目标子站再次下达所述报文指令。
云服务器可以向各个子站的终端机下达报文指令，通知进行报文。
各个子站在接收到报文指令之后做出相应的响应，由终端机按照报文时序，将当前子弹预先所计算得到的发电预测功率上报至云服务器。
云服务器在下达报文指令之后，在接下来的预设规定时间之内接收各个子站上报的数据，并在规定的时间内判断所有的子站是否都已经上报数据，如果都已经上报，那么则可以将各个子站的数据转发至监控模块进行监控。若是在规定的时间之内，比如说在规定的30秒之内，发现还有未报文的子站，则将该子站作为目标子站，由云服务器向该目标子站的终端机再次下达报文指令，通知该目标子站重新报文。
在得到所有子站的数据之后，再统一打包并转发至监控模块进行功率监控。
如图3所示，为云服务器的功率计算数据预测模型的训练生成过程。
作为本申请的一可选实施方案，可选地，所述云服务器，还用于：
登记各个子站的身份ID；
调取各个子站的所述终端机上所存储的所述光伏发电数据T0；
利用深度学习技术，以所述光伏发电数据T0作为神经网络模型的输入，进行模型训练，得到各个子站的所述功率计算数据预测模型；
将各个子站的所述功率计算数据预测模型绑定在对应子站的所述身份ID之下。
在云服务器和各个子站的终端机进行通信之后，可以由云服务器登记并保存各个子站的身份ID。可以由云服务器在生成各个子站的功率计算数据模型之后，将模型绑定在各个子站的身份ID之下。
具体生成模型时，可以由云服务器向终端机调取各个子站的历史功率计算数据，比如说调取各个子站的历史气象数据，可以基于该历史气象数据来进行气象模型训练，可以基于深度学习的神经网络来训练生成对应的气象预测模型。其他发电功率计算的模型可以根据所调取的历史数据类型进行对应训练。
云服务器后期可以利用所生成的预测模型预测得到各个子站的功率计算数据，并利用该功率计算数据进行进一步的功率预测。
作为本申请的一可选实施方案，可选地，所述云服务器，还用于：
接收并保存各个子站上报的满足预设条件所述发电预测功率P1；
根据各个子站上报的所述发电预测功率P1，进行发电功率均衡配置，进行电力调度；
利用负载均衡算法，对各个子站的所述发电预测功率P1进行电力均衡配置，并将配置信息发送至对应的子站的所述终端机上。
云服务器在得到各个子站上报的满足预测条件的发电预测功率之后，让总站了解到各个子站的发电预测功率。各个子站上报的满足预测条件的发电预测功率为已经满足云服务器上所设定的功率监控条件的发电预测值(总要要求的预测值，需要满足P1和P0的关系，即(1.00～1.25)P0≥P1≥(0.85～0.99)P0)，由总站把控子站的预测值。因此可以由总站监管各个子站的监测功率，得到各个子站的较为准确的发电功率预测值。
总站可以查看各个子站的发电功率预测，并判断哪些子站的发电功率有剩余，哪些子站的发电功率有亏损。可以基于负载均衡算法，对各个子站的发电功率进行均衡配置，将有剩余的子站的发电功率调度至有亏损的子站，将以此实现电力均衡调度，实现电力的均衡分配。
负载均衡算法，可以参考现有的负载均衡算法，进行均衡分配。
显然，本领域的技术人员应该明白，实现上述实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各控制的实施例的流程。本领域技术人员可以理解，实现上述实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各控制的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(FlashMemory)、硬盘(HardDiskDrive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
实施例2
如图4所示，基于实施例1的实施原理，本申请另一方面，提出一种光伏发电功率预测及管理系统的应用方法，包括如下步骤：
光伏发电总站的管理员登录云服务器，通过所述云服务器向各个子站的终端机下达报文指令，通知各个子站上报各自的所述发电预测功率P1；
所述终端机在接收到所述云服务器下达的所述报文指令之后，按照所述报文时序，将当前子站的所述发电预测功率P1上报至所述云服务器；
所述云服务器将各个子站上报的发电预测功率P1转发至光伏发电功率监控模块，进行功率监控；
光伏发电功率监控模块接收各个子站上报的发电预测功率P1，并将所述发电预测功率P1与各个子站当前的所述发电功率预测值P0进行比对：
如果：
(1.00～1.25)P0≥P1≥(0.85～0.99)P0，
则向满足该条件的子站下发确认指令；
如果：
(1.00～1.25)P0＜P1或者P1＜(0.85～0.99)P0，
则向满足该条件的子站下发纠正指令，对光伏发电的功率影响系数k采取故障诊断，解决故障之后重新采集当前的功率计算数据，并重新计算并上报所述发电预测功率P1；
所述云服务器，接收并保存各个子站上报的满足预设条件所述发电预测功率P1；
根据各个子站上报的所述发电预测功率P1，进行发电功率均衡配置，进行电力调度；
利用负载均衡算法，对各个子站的所述发电预测功率P1进行电力均衡配置，并将配置信息发送至对应的子站的所述终端机上。
上述步骤的具体交互过程以及实施原理，可以结合实施例1的系统交互进行理解，本实施例不再赘述。
上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
实施例3
如图5所示，更进一步地，本申请另一方面，还提出一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述可执行指令时实现所述的应用方法。
本公开实施例来电子设备包括处理器以及用于存储处理器可执行指令的存储器。其中，处理器被配置为执行可执行指令时实现前面所述的应用方法。
此处，应当指出的是，处理器的个数可以为一个或多个。同时，在本公开实施例的电子设备中，还可以包括输入装置和输出装置。其中，处理器、存储器、输入装置和输出装置之间可以通过总线连接，也可以通过其他方式连接，此处不进行具体限定。
存储器作为一计算机可读存储介质，可用于存储软件程序、计算机可执行程序和各种模块，如：本公开实施例的应用方法所对应的程序或模块。处理器通过运行存储在存储器中的软件程序或模块，从而执行电子设备的各种功能应用及数据处理。
输入装置可用于接收输入的数字或信号。其中，信号可以为产生与设备/终端/服务器的用户设置以及功能控制有关的键信号。输出装置可以包括显示屏等显示设备。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (7)

1.一种光伏发电功率预测及管理系统，其特征在于，用于光伏发电总站和光伏发电子站的光伏发电功率预测管理，包括：
光伏发电数据采集模块，用于采集各个子站的光伏发电数据T0，并进行预处理，得到各个子站当前的功率计算数据T1：
T1＝{气象数据A，温度数据T，太阳辐射值G，光伏组件随光转动角度B，光伏组件清洁度V，光伏组件表面积S，光伏组件衰减度α，子站发电效率η}；
功率预测系统，用于对输入的各个子站当前的功率计算数据T1进行特征识别，预测并输出各个子站当前的发电功率预测值P0：
P0＝kηSG，其中：
k为子站的功率影响系数：
k＝k1×k2×k3×k4×k5，
k1为根据气象数据A确定的气象影响系数，取值在0.15～0.85；
k2为根据温度数据T确定的温度影响系数，取值在0.5～1.2；
k3为根据光伏组件随光转动角度B确定的角度影响系数，取值在0.8～1.0；
k4为根据光伏组件清洁度V确定的清洁度影响系数，取值在0.3～1.0；
k5为根据光伏组件衰减度α确定的寿命影响系数，取值在0.1～1.0；
光伏发电功率监控模块，用于接收各个子站上报的发电预测功率P1，并将所述发电预测功率P1与各个子站当前的所述发电功率预测值P0进行比对：
如果：
(1.00～1.25)P0≥P1≥(0.85～0.99)P0，
则向满足该条件的子站下发确认指令；
如果：
(1.00～1.25)P0＜P1或者P1＜(0.85～0.99)P0，
则向满足该条件的子站下发纠正指令，对光伏发电的功率影响系数k采取故障诊断，解决故障之后重新采集当前的功率计算数据，并重新计算并上报所述发电预测功率P1；
所述系统还包括：
云服务器，用于部署功率计算数据预测模型、功率预测计算子系统和所述光伏发电功率监控模块；以及，为光伏发电总站的管理员配置管理权限；
所述云服务器，还用于：
接收并保存各个子站上报的满足预设条件所述发电预测功率P1；
根据各个子站上报的所述发电预测功率P1，进行发电功率均衡配置，进行电力调度；
利用负载均衡算法，对各个子站的所述发电预测功率P1进行电力均衡配置，并将配置信息发送至对应的子站的终端机上。
2.根据权利要求1所述的光伏发电功率预测及管理系统，其特征在于，还包括：
功率计算数据采集子系统，用于采集各个子站实时的功率计算数据并发送至终端机；
终端机，用于将各个子站实时的功率计算数据输入对应预设的功率预测计算子系统，计算出各个子站的所述发电预测功率P1，并上报至所述云服务器；
各个子站均部署有所述终端机和所述功率计算数据采集子系统，且各个子站通过所述终端机与所述云服务器进行通信。
3.根据权利要求2所述的光伏发电功率预测及管理系统，其特征在于，所述云服务器，还用于：
预设子站报文时序表；
将所述子站报文时序表下发至各个子站的所述终端机上，通知各个子站的所述终端机按照各自的报文时序，统一上报所述发电预测功率P1。
4.根据权利要求3所述的光伏发电功率预测及管理系统，其特征在于，所述终端机，还用于：
遍历所述子站报文时序表，找到与当前子站相对应的所述报文时序；
提取所述报文时序，并将所述报文时序保存在当前子站的所述终端机上。
5.根据权利要求4所述的光伏发电功率预测及管理系统，其特征在于，所述云服务器，还用于：
向各个子站的所述终端机下达报文指令，通知各个子站上报各自的所述发电预测功率P1；
所述终端机，还用于：
在接收到所述云服务器下达的所述报文指令之后，按照所述报文时序，将当前子站的所述发电预测功率P1上报至所述云服务器；
所述云服务器，还用于：
在规定的时间内，判断是否所有的子站均已上报所述发电预测功率P1：
若是，则将各个子站上报的发电预测功率P1转发至所述光伏发电功率监控模块，进行功率监控；
若否，则找出未报文的目标子站，并向所述目标子站再次下达所述报文指令。
6.根据权利要求5所述的光伏发电功率预测及管理系统，其特征在于，所述云服务器，还用于：
登记各个子站的身份ID；
调取各个子站的所述终端机上所存储的所述光伏发电数据T0；
利用深度学习技术，以所述光伏发电数据T0作为神经网络模型的输入，进行模型训练，得到各个子站的所述功率计算数据预测模型；
将各个子站的所述功率计算数据预测模型绑定在对应子站的所述身份ID之下。
7.一种光伏发电功率预测及管理系统的应用方法，其特征在于，包括如下步骤：
光伏发电总站的管理员登录云服务器，通过所述云服务器向各个子站的终端机下达报文指令，通知各个子站上报各自的发电预测功率P1；
所述终端机在接收到所述云服务器下达的所述报文指令之后，按照报文时序，将当前子站的所述发电预测功率P1上报至所述云服务器；
所述云服务器将各个子站上报的发电预测功率P1转发至光伏发电功率监控模块，进行功率监控；
光伏发电功率监控模块接收各个子站上报的发电预测功率P1，并将所述发电预测功率P1与各个子站当前的所述发电功率预测值P0进行比对：
如果：
(1.00～1.25)P0≥P1≥(0.85～0.99)P0，
则向满足该条件的子站下发确认指令；
如果：
(1.00～1.25)P0＜P1或者P1＜(0.85～0.99)P0，
则向满足该条件的子站下发纠正指令，对光伏发电的功率影响系数k采取故障诊断，解决故障之后重新采集当前的功率计算数据，并重新计算并上报所述发电预测功率P1；
所述云服务器，接收并保存各个子站上报的满足预设条件所述发电预测功率P1；
根据各个子站上报的所述发电预测功率P1，进行发电功率均衡配置，进行电力调度；
利用负载均衡算法，对各个子站的所述发电预测功率P1进行电力均衡配置，并将配置信息发送至对应的子站的所述终端机上。
CN202311234757.2A 2023-09-25 2023-09-25 一种光伏发电功率预测及管理系统及其应用方法 Active CN117374922B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311234757.2A CN117374922B (zh) 2023-09-25 2023-09-25 一种光伏发电功率预测及管理系统及其应用方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311234757.2A CN117374922B (zh) 2023-09-25 2023-09-25 一种光伏发电功率预测及管理系统及其应用方法

Publications (2)

Publication Number Publication Date
CN117374922A CN117374922A (zh) 2024-01-09
CN117374922B true CN117374922B (zh) 2024-06-07

Family

ID=89393737

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311234757.2A Active CN117374922B (zh) 2023-09-25 2023-09-25 一种光伏发电功率预测及管理系统及其应用方法

Country Status (1)

Country Link
CN (1) CN117374922B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103729685A (zh) * 2013-12-02 2014-04-16 国电南瑞科技股份有限公司 基于改进rbf神经网络的光伏电站群区域功率预测方法
CN105896601A (zh) * 2016-05-18 2016-08-24 国电南瑞科技股份有限公司 一种调度主站端光伏发电输出功率预测系统
CN112737503A (zh) * 2020-12-31 2021-04-30 浙江锐博科技工程有限公司 一种光伏电站监控系统、方法及存储介质
WO2023287359A2 (en) * 2021-07-15 2023-01-19 Envision Digital International Pte. Ltd. Method, device, and system for forecasting generated power of photovoltaic power station
WO2023123863A1 (zh) * 2021-12-30 2023-07-06 中国华能集团清洁能源技术研究院有限公司 光伏电站功率控制方法及系统
CN116634030A (zh) * 2023-06-07 2023-08-22 国网江苏省电力有限公司无锡供电分公司 一种光伏电站功率预测的网关机及分布式电站拓扑结构

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113128793A (zh) * 2021-05-19 2021-07-16 中国南方电网有限责任公司 一种基于多源数据融合的光伏功率组合预测方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103729685A (zh) * 2013-12-02 2014-04-16 国电南瑞科技股份有限公司 基于改进rbf神经网络的光伏电站群区域功率预测方法
CN105896601A (zh) * 2016-05-18 2016-08-24 国电南瑞科技股份有限公司 一种调度主站端光伏发电输出功率预测系统
CN112737503A (zh) * 2020-12-31 2021-04-30 浙江锐博科技工程有限公司 一种光伏电站监控系统、方法及存储介质
WO2023287359A2 (en) * 2021-07-15 2023-01-19 Envision Digital International Pte. Ltd. Method, device, and system for forecasting generated power of photovoltaic power station
WO2023123863A1 (zh) * 2021-12-30 2023-07-06 中国华能集团清洁能源技术研究院有限公司 光伏电站功率控制方法及系统
CN116634030A (zh) * 2023-06-07 2023-08-22 国网江苏省电力有限公司无锡供电分公司 一种光伏电站功率预测的网关机及分布式电站拓扑结构

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
大容量并网型光伏电站功率预测预报系统设计;程序;周海;崔方;丁杰;;水电自动化与大坝监测;20111020(05);第6-9页 *

Also Published As

Publication number Publication date
CN117374922A (zh) 2024-01-09

Similar Documents

Publication Publication Date Title
CN105915398B (zh) 基于农村电网故障快速检测及复电系统及其集中器检测方法
CN102882745B (zh) 一种用于监控业务服务器的方法和装置
EP3076346A1 (en) Systems and methods for improved demand response management system (drms)
US11022652B2 (en) Distributed cloud based battery monitoring system
CN107704933A (zh) 风力发电机组故障诊断系统和方法
CN105337575B (zh) 光伏电站状态预测及故障诊断方法和系统
CN116937575A (zh) 一种网格系统用的能源监控管理系统
CN113169709A (zh) 基于机器学习的太阳能发电控制系统及方法
KR102625403B1 (ko) 지역 단위 재생 에너지 통합 관제 시스템
CN117318111B (zh) 一种基于天气预测的光储能源动态调节方法及系统
CN117057579B (zh) 一种分布式配电网的运行维护方法及系统
CN115189477A (zh) 一种为风电光伏发电配套的储能能源管理ems控制系统
CN103631245A (zh) 一种配电终端缺陷诊断系统及方法
CN107422180A (zh) 一种基于云监控的光伏电站的功率预测系统
CN113868078A (zh) 一种基于云平台的风电场的监控方法
CN106849064B (zh) 一种基于气象数据的区域电网负荷预测管理系统
CN117374922B (zh) 一种光伏发电功率预测及管理系统及其应用方法
CN113011477B (zh) 一种太阳辐照数据的清洗和补全系统及方法
CN117614487A (zh) 一种基于北斗系统的输电线路通信方法及系统
CN115689532A (zh) 一种电力系统故障分析方法及其装置
EP3966907B1 (en) Apparatus and method for dynamic forecasting, aggregation, and validation
CN107871177B (zh) 一种新能源功率预测集中式架构的实现方法
KR102480440B1 (ko) 태양광 발전시설의 관리 시스템
CN110401259A (zh) 一种光伏大巴智能充电管理及控制方法及系统
CN106384297A (zh) 一种光伏发电的运维方法和系统

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
GR01 Patent grant