CN117689087B - 一种面向日食事件的光伏场站出力预测方法及系统 - Google Patents
一种面向日食事件的光伏场站出力预测方法及系统 Download PDFInfo
- Publication number
- CN117689087B CN117689087B CN202410153762.9A CN202410153762A CN117689087B CN 117689087 B CN117689087 B CN 117689087B CN 202410153762 A CN202410153762 A CN 202410153762A CN 117689087 B CN117689087 B CN 117689087B
- Authority
- CN
- China
- Prior art keywords
- solar
- model
- radiation intensity
- day
- photovoltaic
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000005855 radiation Effects 0.000 claims abstract description 125
- 235000013305 food Nutrition 0.000 claims abstract description 75
- 238000012937 correction Methods 0.000 claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 26
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 22
- 235000020803 food preference Nutrition 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 15
- 230000009471 action Effects 0.000 claims description 3
- 230000010485 coping Effects 0.000 abstract description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 17
- 230000006870 function Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000014509 gene expression Effects 0.000 description 9
- 230000002829 reductive effect Effects 0.000 description 8
- 238000012887 quadratic function Methods 0.000 description 7
- 230000037213 diet Effects 0.000 description 5
- 235000005911 diet Nutrition 0.000 description 5
- 238000010248 power generation Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 235000005686 eating Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 206010020710 Hyperphagia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 235000015219 food category Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 235000020830 overeating Nutrition 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明提出了一种面向日食事件的光伏场站出力预测方法及系统，涉及光伏出力预测技术领域，具体方案包括：构建日内太阳辐射强度模型，并通过太阳遮挡率对日内太阳辐射强度模型进行修正；基于修正后的日内太阳辐射强度模型，构建待预测光伏场站的出力模型；考虑光伏组件温度对于光电转换效率的影响,计算光伏组件效率的温度修正系数，对光伏场站出力模型进行修正；利用修正后的出力模型，预测光伏场站在日食过境期间的出力动态变化情况；本发明考虑日内太阳辐射强度、不同日食类型下太阳遮挡率及光伏组件温度因素，对光伏场站的出力情况进行预测，使得电网调度部门有足够的时间制定应对预案，提高了电力系统在日食过境期间的安全稳定运行能力。
Description
技术领域
本发明属于光伏出力预测技术领域，尤其涉及一种面向日食事件的光伏场站出力预测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
日食是一种月球遮挡太阳的极端天象事件，其原理是月球运动到太阳和地球中间，三者正好处在一条直线时，月球遮挡了太阳射向地球的光，使得月球身后的黑影落到地球上；通常来说，日食可分为日全食、日环食、日偏食3种，在日食过境期间，地表受到的太阳辐射强度将显著下降，日全食期间太阳辐射强度下降比例甚至可超95%。
光伏发电是一种利用太阳辐射资源，通过光伏电池将光能转化为电能的技术，光伏组件输出功率的大小与照射该组件电池板的太阳辐射强度值成正比例关系；可以说，太阳辐射强度是决定光伏发电量多少的重要因素；日食事件作为一种低概率极端天象事件，一旦发生，会引发较大区域内的太阳辐射强度显著波动，导致光伏出力的异常变化和爬坡事件的发生，威胁电力系统安全稳定运行。
日食影响电力系统运行的事件常有发生，其中，最为典型的是2015年3月20日的一次日全食事件，根据“欧洲3·20日食对含大规模光伏发电的电网运行影响及启示”（刘纯、马烁等，第39卷第7期，电网技术, 2015年7月）的记载，这次日全食事件导致德国电力系统受到严重冲击，日食过境期间，德国境内光伏发电功率短时间内减少了12GW，日食结束后，阳光的突然照射又导致短时间内19GW的光伏发电量进入电网，光伏爬坡率达到了正常天气下的14倍之多。
尽管日食事件是可以被提前预测的，且预测一般相当准确；但随着新型电力系统建设的推进，光伏等新能源的装机容量与发电并网比例将持续攀升，有些地区电网新能源占比甚至可逼近100%；此种情况下，日食一旦过境，电网就会因光伏出力的大幅下降而承受巨大的冲击；因此，准确预测日食过期间各光伏场站出力的变化情况至关重要；根据预测结果，调度部门可以提前制定应对策略，譬如协调负荷与常规电厂、采用储能系统等手段平衡源荷功率，以确保电力系统在日食过境期间安全稳定运行；日食过境会导致大范围的太阳辐射强度的显著下降，现有技术不能提前准确地预测日食事件中各光伏场站的出力变化情况，无法预知系统可能承受的有功突变带来的冲击，威胁系统安全稳定运行。
发明内容
为克服上述现有技术的不足，本发明提供了一种面向日食事件的光伏场站出力预测方法及系统，考虑日内太阳辐射强度、不同日食类型下太阳遮挡率及光伏组件温度因素，对光伏场站的出力情况进行预测，使得电网调度部门有足够的时间制定应对预案，提高了电力系统在日食过境期间的安全稳定运行能力。
为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：
本发明第一方面提供了一种面向日食事件的光伏场站出力预测方法。
一种面向日食事件的光伏场站出力预测方法，包括：
构建日内太阳辐射强度模型，并通过太阳遮挡率对日内太阳辐射强度模型进行修正；
基于修正后的日内太阳辐射强度模型，构建待预测光伏场站的出力模型；
考虑光伏组件温度对于光电转换效率的影响,计算光伏组件效率的温度修正系数，对光伏场站出力模型进行修正；
利用修正后的出力模型，预测光伏场站在日食过境期间的出力动态变化情况；
其中，所述通过太阳遮挡率对日内太阳辐射强度模型进行修正，是依照不同日食类型下日盘与月盘的几何关系，构建日全食、日环食、日偏食过境期间的太阳遮挡率模型，对日内太阳辐射强度模型中的太阳遮挡率进行修正。
进一步的，所述日内太阳辐射强度模型，是基于太阳辐射强度与光伏场站所处地理位置之间的关系，表征日内太阳辐射强度的变化特性，构建太阳辐射强度的计算公式。
进一步的，所述日内太阳辐射强度模型的具体构建方法为：
根据太阳辐射强度变化特性，建立初始的日内太阳辐射强度模型；
基于地区辐射强度历史数据，采用非线性最小二乘法拟合所述日内太阳辐射强度模型的参数，得到最终的日内太阳辐射强度模型。
进一步的，所述构建日全食、日环食、日偏食过境期间的太阳遮挡率模型，具体为：
依照日食类型对太阳盘面与月球盘面视直径取值进行分类讨论，建立初始的太阳遮挡率模型；
引入日食过境相关信息，计算所建立的太阳遮挡率模型的参数，得到最终的太阳遮挡率模型。
进一步的，所述待预测光伏场站的出力模型，是依据光伏场站的出力与其受到的太阳辐射强度成正比例关系，构建光伏场站出力大小的计算公式。
进一步的，所述对光伏场站出力模型进行修正，是通过改变出力模型中光伏组件效率的温度修正系数实现的，具体为：
考虑光伏组件温度对光电转换效率的影响，构建光伏组件效率的温度修正系数随光伏组件温度变化的关系方程式。
进一步的，所述光伏组件温度，受环境温度、太阳辐射强度、风速、湿度多种气象因素的共同作用，构建光伏组件温度与多种气象因素间的关系方程式。
本发明第二方面提供了一种面向日食事件的光伏场站出力预测系统。
一种面向日食事件的光伏场站出力预测系统，包括辐射强度模型构建模块、光伏出力模型构建模块、温度修正系数计算模块和光伏场站出力预测模块：
辐射强度模型构建模块，被配置为：构建日内太阳辐射强度模型，并通过太阳遮挡率对日内太阳辐射强度模型进行修正；
光伏出力模型构建模块，被配置为：基于修正后的日内太阳辐射强度模型，构建待预测光伏场站的出力模型；
温度修正系数计算模块，被配置为：考虑光伏组件温度对于光电转换效率的影响,计算光伏组件效率的温度修正系数，对光伏场站出力模型进行修正；
光伏场站出力预测模块，被配置为：利用修正后的出力模型，预测光伏场站在日食过境期间的出力动态变化情况；
其中，所述通过太阳遮挡率对日内太阳辐射强度模型进行修正，是依照不同日食类型下日盘与月盘的几何关系，构建日全食、日环食、日偏食过境期间的太阳遮挡率模型，对日内太阳辐射强度模型中的太阳遮挡率进行修正。
本发明第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的一种面向日食事件的光伏场站出力预测方法中的步骤。
本发明第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方面所述的一种面向日食事件的光伏场站出力预测方法中的步骤。
以上一个或多个技术方案存在以下有益效果：
本发明提供了一种面向日食事件的光伏场站出力预测方法及系统，基于非线性最小二乘法，对日内太阳辐射强度模型的参数进行拟合，所使用的辐射强度数据来源于国家气象信息中心，不同地区对应的模型参数不同这一特性使得模型能够很好地适用于气候特征不同的地区。
本发明提供了一种日食过境期间太阳遮挡率模型构建方法，全面考虑了日全食、日环食、日偏食3种日食事件，确保该模型对未来可能发生的各种日食事件都具有适用性。
本发明考虑温度修正的光伏场站出力预测方法考虑了温度对于光电转换效率的影响，通过建立环境温度与光伏组件温度的关系模型，可根据当天的气温数据修正光伏出力模型，使模型更贴近实际情况。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为第一个实施例的方法流程图。
图2为第一个实施例迭代计算待拟合参数x流程。
图3为第一个实施例日全食过境过程示意图。
图4为第一个实施例日全食下日盘与月盘几何关系示意图。
图5为第一个实施例日环食过境过程示意图。
图6为第一个实施例日环食下日盘与月盘面几何关系示意图。
图7为第一个实施例日偏食过境过程示意图。
图8为第一个实施例日偏食下日盘与月盘面几何关系示意图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
本公开的一种实施例中提供了一种面向日食事件的光伏场站出力预测方法，包括如下步骤：
步骤S1：构建日内太阳辐射强度模型，并通过太阳遮挡率对日内太阳辐射强度模型进行修正；
步骤S2：基于修正后的日内太阳辐射强度模型，构建待预测光伏场站的出力模型；
步骤S3：考虑光伏组件温度对于光电转换效率的影响,计算光伏组件效率的温度修正系数，对光伏场站出力模型进行修正；
步骤S4：利用修正后的出力模型，预测光伏场站在日食过境期间的出力动态变化情况；
其中，所述通过太阳遮挡率对日内太阳辐射强度模型进行修正，是依照不同日食类型下日盘与月盘的几何关系，构建日全食、日环食、日偏食过境期间的太阳遮挡率模型，对日内太阳辐射强度模型中的太阳遮挡率进行修正。
下面从出力模型的构建上对本实施例一种面向日食事件的光伏场站出力预测方法的实现过程进行详细说明。
出力模型的构建思路为：首先，经过理论分析构建某地日内太阳辐射强度模型，进而基于某地区实测太阳辐射强度历史数据，拟合模型参数，探寻最优的日内太阳辐射强度模型；然后，根据日食事件的发生机理，改进现有算法，分别构建日全食、日环食、日偏食3类日食事件下的太阳遮挡率模型，并对日内太阳辐射强度模型进行修正；最后，结合地区光伏装机情况与光伏场站所处地理位置，同时考虑温度对于光电转换效率的影响，修正出力模型，用于预测各场站在日食过境期间的出力动态变化情况。
基于上述思路，如图1所示，构建出力模型的具体步骤为：
步骤1、构建初始的日内太阳辐射强度模型
根据现有相关研究，日内太阳辐射强度大致满足如下特性：
1）太阳辐射强度在当地正午12点达最大值；由于太阳向地球辐射的能量基本不变，而太阳高度角越大，太阳辐射强度则越大；这是因为光线直射时照射面积最小，单位面积所获得的太阳辐射则多；反之斜射时单位面积上获得的太阳辐射少；因此一日之中，太阳高度角在当地正午12点时最大，此时太阳辐射最强。
2）日出之前与日落之后，太阳辐射强度基本为0，而日出至日落这一段时间，太阳辐射强度先增后减，在正午12点附近达最大值，且上下午的太阳辐射强度基本呈现对称的关系。
由上述特性可知，日内太阳辐射强度曲线呈现典型的单峰对称性质，日出至日落期间的辐射强度先增后减；因此，二次函数、高斯型函数、正余弦型函数等整体或部分区间呈单峰对称分布的函数均可很好地表征日内太阳辐射强度的变化特性，具体为：
二次函数表达式为：
（1）
高斯型函数表达式为：
（2）
正弦型函数表达式为：
（3）
余弦型函数表达式为：
（4）
下面以二次函数为例，介绍基于待定系数法的日内太阳辐射强度模型参数计算方法。
日内太阳辐射强度，满足如下特性：
（5）
其中，T rise和T fall分别为该地的日出和日落时间，G s,max为该地太阳辐射强度最大值，可通过气象部门查询或由该地历史统计数据得到。
解公式(5)对应的方程组，得到采用二次函数表征的某地日内太阳辐射强度解析表达式：
（6）
需要指出的是，具体地区的日出时间T rise与日落时间T fall之和为定值24，亦即(T rise + T fall)/2=12，此结论对任意地点成立，与该地所处经纬度及自然日的选取无关。
因此，公式(6)可进一步简化为：
（7）
上述以二次函数为例介绍了基于待定系数法的模型参数的计算方法，对于高斯型函数、正余弦型函数等4参数函数，只需增加一组数据，即增加一组方程，即可求解含4未知数的方程组，此处不再赘述。
步骤2、基于非线性最小二乘法的日内太阳辐射强度模型参数拟合
步骤1给出了基于二次函数、高斯型函数、正余弦型函数的日内太阳辐射强度模型架构，并以二次函数为例介绍了基于待定系数法的模型参数计算方法；此计算方法简单直接，但存在诸多局限，譬如待定系数法对异常值较为敏感、对先验信息过于依赖等；因此，为了提高公式（2）中所提模型的准确度和有效性，更好地反映实际情况，此处基于某个地区太阳辐射强度的历史实测数据，采用非线性最小二乘法拟合模型参数，使得模型更贴近实际情况。
首先，从国家气象信息中心收集某地历年气象数据，包括太阳辐射强度实测值以及天气情况，辐射强度数据的时间分辨尺度为1h；由于不同月份的太阳照射高度角不同，辐射强度也不尽相同；因此，将收集所得数据按时间分为春（3-5月）、夏（6-8月）、秋（9-11月）、冬（12-次年2月）4类；对于每类数据，按照当天天气情况进行二次分类，由于阴天以及雨雪天气下，乌云遮盖太阳，地表太阳辐射强度本身较低，此时若发生日食，则太阳辐射强度下降并不显著，对电网影响较小；因此，只保留晴天、多云2类天气下的太阳辐射强度数据。对于所得各组数据，分别求取各时刻平均值，可获得春夏秋冬四季共8组典型太阳辐射强度典型数据散点。
对于上述所得数据，一种常用的拟合方法是最小二乘法，又称最小平方法；它通过最小化均方误差（mean squared error，MSE）寻找数据的最佳函数匹配，应用在曲线拟合上，最小二乘法则表征着残差（观测值与模型计算值之差）平方总和的最小化；由于步骤1中用于表征日内太阳辐射强度的模型均为非线性模型，因此该处采用非线性最小二乘法拟合模型参数。
以公式(2)所示高斯型函数为例，假设日内太阳辐射强度变化特性符合高斯型函数，则有：
（8）
其中，t为时间；x为待拟合的模型参数。
假设日内共取有m组时间数据，每个时刻对应的太阳辐射强度实测数据为y(t)，则该优化问题对应的目标函数为：
（9）
最小二乘法的目标是估计未知的参数使得实测值和估计值（模型计算值）之间的差距最小，因此优化目标可表示为：
（10）
求解该优化目标的方法通常包括：
1）令，求x的值；然而，当F(x)表达式较为复杂时，此种方法通常难以实现。
2）采用基于高斯-牛顿思想的迭代计算方法，计算待拟合参数x，如图2所示，具体步骤为：
①给定待拟合参数x的初始猜测值
②令迭代次数k=0
③计算矩阵J、H、B，具体流程如下：
对f(x)进行一阶泰勒展开，取一阶线性项近似：
（11）
将公式(11)带入公式(10)得：
（12）
对公式(12)求导，并令导数等于0可得：
（13）
解得：
（14）
亦即：
（15）
④计算Δxk=H -1 B,判断其是否小于设定阈值ε。若是，则输出x=x k+Δx k；否则，判断是否满足k≥k max，若满足，则结束迭代，否则k=k+1，并重新执行③。
步骤3、日食过境期间太阳辐射强度模型修正
根据步骤2中给出的方法，拟合日内太阳辐射强度模型参数后，便得到了模型结构与参数完备的某地四季8条典型太阳辐射强度曲线，即最终的日内太阳辐射强度模型G s(t)。考虑日食过境后，只需要根据日食过境期间的太阳遮挡率f(t)对原G s(t)进行修正，表示如下：
（16）
其中，为修正后的t时刻太阳辐射强度，f(t)为t时刻的遮挡率，T start和T end分别表示日食过境的开始与结束时间。
因此，模拟日食过境期间某地太阳辐射强度的变化问题的核心就成为了构建日食过境期间的太阳遮挡率变化模型f(t)。
步骤4、构建日食过境期间初始的太阳遮挡率模型
在地球上，月球和太阳盘面的视大小几乎相同，这是由于太阳直径：月亮直径=1392000千米：3476千米≈400:1；而日地距离：月地距离=1.49亿千米：38万千米≈392:1，上述两组比值之比非常接近于1。但事实上，月球绕地球的公转轨道为椭圆，地月距离38万千米这个数字是天文学家称之为半长轴的平均距离。当月球运行至椭圆轨道的近地点时，地月距离仅为36.33万千米，此时日地距离：月地距离≈410:1; 而当月球运行至远地点时，地月距离为40.67万千米，此时日地距离：月地距离≈369:1。若忽略地球公转引起的日地距离变化，在地球表面观测到的月球盘面大致为太阳盘面的0.9225~1.0253倍。
现有研究在构建日食事件下的太阳遮挡率模型时，设定太阳盘面与月球盘面半径均为1，然后计算t时刻太阳盘面被遮挡面积与太阳盘面总面积之比，以获取t时刻太阳遮挡率；这种假设是基本合理的，但未根据日食类型对太阳盘面与月球盘面半径取值进行分类讨论，因而并不严谨；鉴于此，本实施例将分别讨论3种日食过境情况下的太阳遮挡率模型构建方法。
1）日全食过境期间太阳遮挡率模型构建
日全食情况下，假设太阳盘面半径为1，月球盘面半径为r(r为月球盘面半径与太阳盘面半径比值，r≥1)，日全食过境过程如下图3所示，图中，T start为日食开始时间，T end为日食结束时间，d为日盘中心与月盘中心最近距离的一半，T max=(T start+T end)/2，a(t)为t时刻月盘中心与t=T max时刻月盘中心之间的距离，t<T max时a(t)取负值，t>T max时a(t)取负值。
计算t时刻的太阳盘面遮挡率f(t)，实际上便转换为计算t时刻两盘面重叠面积S(t)与太阳盘面自身面积S sun的比值这一数学问题，日全食下日盘与月盘几何关系示意图如图4所示。
t时刻月球盘面与太阳盘面的重叠面积为：
（17）
其中，，/>表示扇形ABD的面积，表示扇形CBD的面积，/>表示平行四边形ABCD的面积。
因此，日全食事件下的太阳遮挡率计算公式为：
（18）
2）日环食过境期间太阳遮挡率模型构建
日环食情况下，假设太阳盘面半径为1，月球盘面半径为r(r<1)，日环食过境过程如下图5所示。
图6给出了日环食下日盘与月盘面几何关系示意图，与日全食下的计算方法同理，可由两盘面重叠面积推导太阳遮挡率计算公式。
t时刻月球盘面与太阳盘面的重叠面积为：
（19）
其中，
因此，日环食事件下的太阳遮挡率计算公式为：
（20）
3）日偏食过境期间太阳遮挡率模型构建
日偏食情况下，假设太阳盘面半径为1，月球盘面半径为r。其中，r的取值可能大于等于1，也可能小于1；对应于实际情况，日偏食可能单独出现，也可能伴随日全食与日环食出现；下图7给出了日偏食过境过程示意图。
对应于下图8所示日偏食下日盘与月盘面几何关系示意图，可由两盘面重叠面积推导计算太阳遮挡率表达式。
t时刻两盘面重叠面积为：
（21）
其中，
因此，日偏食事件下的太阳遮挡率可表示为：
（22）
步骤5、日食过境期间太阳遮挡率模型参数计算
由步骤4可知，日全食、日环食、日偏食下的太阳遮挡率表达式f(t)是相同的，然而不同类型日食事件下f(t)的参数却不尽相同；因此，需要根据不同日食类型及其过境的相关信息计算f(t)表达式中的各参数。
对于月球盘面半径r、日食开始时间T start和日食结束时间T end，可从日食前夕权威机构所发布日食过境相关信息中获取，而对于参数d，即日盘中心与月盘中心最近距离的一半，权威机构所发布的日食过境相关信息中并未包含，因此需要通过已发布的其它信息间接计算。
1）通过最大食分值M(T max)间接求解参数d
引入食分这一概念，食分M(t)是太阳在被食过程中变暗部分在其直径上的分数，即太阳盘面直径被遮挡部分和太阳视直径的比值，对于日全食，食分总是大于等于1，而对于日环食与日偏食，食分小于1。
该计算方法对于3种日食类型都适用，此处以日全食为例进行介绍；如上图4表示几何关系示意图所示，当t=T max时，月球盘面与太阳盘面中心间距取最小值2d，对应食分为最大食分值M(T max)。
最大食分值计算公式可表示为：
（23）
由于r与M(T max)均可从权威机构发布的日食过境相关信息中获取，因此可得参数d的计算式为：
（24）
2）通过最大遮挡率f(T max)间接求解参数d
由于日全食期间的最大遮挡率为1，日环食期间的最大遮挡率为r 2，均与d无关，因此该方法仅适用于日偏食。
如上图8表示几何关系示意图所示，当t=T max时，月球盘面与太阳盘面有最大重叠面积，可表示为：
（25）
最大遮挡率为：
（26）
由于r与f(T max)均可从权威机构发布的日食过境相关信息中获取，因此可推导计算参数d；需要指出的是，此过程并不是解析可逆的，但可以很容易地用数值方法求解。
步骤6、构建光伏场站的出力模型
由上述步骤（5）可计算某光伏场站所在位置处在某次日食过境全过程期间的太阳遮挡率变化曲线f(t)，对该场站所在地当日太阳辐射强度G s(t)进行修正后，可得日食过境期间该光伏场站所在位置处的太阳辐射强度变化曲线。
基于光伏场站的出力与其受到的太阳辐射强度成正比例关系，光伏场站出力模型可表示如下：
（27）
其中，P pv(t)为t时刻光伏场站出力大小；η T为光伏组件效率的温度修正系数；η i为光伏组件的倾角修正系数；η n为逆变器效率；η o为其它修正系数；G s,ref为标准状况下的太阳辐射强度值，取1000W/m2；P peak为光伏场站的总装机容量。
步骤7、对光伏场站出力模型进行温度修正
当光伏组件温度较高时，其光电转换效率将下降，对应于公式(26)中的η T将减少；相关研究表明，在20℃～100℃范围内，光伏组件温度每升高1℃，其光电转换效率大约下降0.35％~0.5％；因此光伏组件效率的温度修正系数随光伏组件温度变化关系可表示如下：
（28）
其中，η T, STC为标况温度（T=25℃）下光伏组件效率的温度修正系数；α T的取值范围为0.35%~0.5%。
需要注意的是，只能根据气象预报获取当天的环境温度状况，但环境温度并不能完全代表光伏组件温度；光伏组件温度受环境温度、太阳辐射强度、风速、湿度等多种气象因素的共同作用；因此，可构建光伏组件温度T与多种气象因素间的关系方程式：
（29）
其中，T env为环境温度；G s为太阳辐射强度；v env为环境风速；φ RH为环境相对湿度；a、b、c、d、e为模型参数。
对于该方程式，可根据已获取的海量气象数据采用多元线性回归方程分析法拟合模型参数，并计算拟合优度指标R 2，最后采用F检验计算线性方程的显著性水平。
经过上面的七个步骤，基于光伏装机情况与光伏场站所处地理位置，建立了光伏场站出力模型，用于对待预测光伏场站在日食过境期间的出力情况。
实施例二
本公开的一种实施例中提供了一种面向日食事件的光伏场站出力预测系统，包括辐射强度模型构建模块、光伏出力模型构建模块、温度修正系数计算模块和光伏场站出力预测模块：
辐射强度模型构建模块，被配置为：构建日内太阳辐射强度模型，并通过太阳遮挡率对日内太阳辐射强度模型进行修正；
光伏出力模型构建模块，被配置为：基于修正后的日内太阳辐射强度模型，构建待预测光伏场站的出力模型；
温度修正系数计算模块，被配置为：考虑光伏组件温度对于光电转换效率的影响,计算光伏组件效率的温度修正系数，对光伏场站出力模型进行修正；
光伏场站出力预测模块，被配置为：利用修正后的出力模型，预测光伏场站在日食过境期间的出力动态变化情况；
其中，所述通过太阳遮挡率对日内太阳辐射强度模型进行修正，是依照不同日食类型下日盘与月盘的几何关系，构建日全食、日环食、日偏食过境期间的太阳遮挡率模型，对日内太阳辐射强度模型中的太阳遮挡率进行修正。
实施例三
本实施例的目的是提供计算机可读存储介质。
计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开实施例一所述的一种面向日食事件的光伏场站出力预测方法中的步骤。
实施例四
本实施例的目的是提供电子设备。
电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例一所述的一种面向日食事件的光伏场站出力预测方法中的步骤。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种面向日食事件的光伏场站出力预测方法，其特征在于，包括：
构建日内太阳辐射强度模型，并通过太阳遮挡率对日内太阳辐射强度模型进行修正；
基于修正后的日内太阳辐射强度模型，构建待预测光伏场站的出力模型；
考虑光伏组件温度对于光电转换效率的影响,计算光伏组件效率的温度修正系数，对光伏场站出力模型进行修正；
利用修正后的出力模型，预测光伏场站在日食过境期间的出力动态变化情况；
其中，所述日内太阳辐射强度模型，是基于太阳辐射强度与光伏场站所处地理位置之间的关系，表征日内太阳辐射强度的变化特性，构建太阳辐射强度的计算公式；
所述日内太阳辐射强度模型的具体构建方法为：
根据太阳辐射强度变化特性，建立初始的日内太阳辐射强度模型；
基于地区辐射强度历史数据，采用非线性最小二乘法拟合所述日内太阳辐射强度模型的参数，得到最终的日内太阳辐射强度模型；
所述通过太阳遮挡率对日内太阳辐射强度模型进行修正，是依照不同日食类型下日盘与月盘的几何关系，构建日全食、日环食、日偏食过境期间的太阳遮挡率模型，对日内太阳辐射强度模型中的太阳遮挡率进行修正；
所述构建日全食、日环食、日偏食过境期间的太阳遮挡率模型，具体为：
依照日食类型对太阳盘面与月球盘面视直径取值进行分类讨论，建立初始的太阳遮挡率模型；
引入日食过境相关信息，计算所建立的太阳遮挡率模型的参数，得到最终的太阳遮挡率模型；
所述日全食过境期间的太阳遮挡率模型，用公式表示为：
（18）
所述日环食过境期间的太阳遮挡率模型，用公式表示：
（20）
所述日偏食过境期间的太阳遮挡率模型，用公式表示：
（22）
其中，r为月球盘面半径与太阳盘面半径比值，d为日盘中心与月盘中心最近距离的一半，a(t)为t时刻月盘中心与t =T max时刻月盘中心之间的距离，具体公式为：
其中，T start为日食开始时间，T end为日食结束时间。
2.如权利要求1所述的一种面向日食事件的光伏场站出力预测方法，其特征在于，所述待预测光伏场站的出力模型，是依据光伏场站的出力与其受到的太阳辐射强度成正比例关系，构建光伏场站出力大小的计算公式。
3.如权利要求1所述的一种面向日食事件的光伏场站出力预测方法，其特征在于，所述对光伏场站出力模型进行修正，是通过改变出力模型中光伏组件效率的温度修正系数实现的，具体为：
考虑光伏组件温度对光电转换效率的影响，构建光伏组件效率的温度修正系数随光伏组件温度变化的关系方程式。
4.如权利要求3所述的一种面向日食事件的光伏场站出力预测方法，其特征在于，所述光伏组件温度，受环境温度、太阳辐射强度、风速、湿度多种气象因素的共同作用，构建光伏组件温度与多种气象因素间的关系方程式。
5.一种面向日食事件的光伏场站出力预测系统，其特征在于，包括辐射强度模型构建模块、光伏出力模型构建模块、温度修正系数计算模块和光伏场站出力预测模块：
辐射强度模型构建模块，被配置为：构建日内太阳辐射强度模型，并通过太阳遮挡率对日内太阳辐射强度模型进行修正；
光伏出力模型构建模块，被配置为：基于修正后的日内太阳辐射强度模型，构建待预测光伏场站的出力模型；
温度修正系数计算模块，被配置为：考虑光伏组件温度对于光电转换效率的影响,计算光伏组件效率的温度修正系数，对光伏场站出力模型进行修正；
光伏场站出力预测模块，被配置为：利用修正后的出力模型，预测光伏场站在日食过境期间的出力动态变化情况；
其中，所述日内太阳辐射强度模型，是基于太阳辐射强度与光伏场站所处地理位置之间的关系，表征日内太阳辐射强度的变化特性，构建太阳辐射强度的计算公式；
所述日内太阳辐射强度模型的具体构建方法为：
根据太阳辐射强度变化特性，建立初始的日内太阳辐射强度模型；
基于地区辐射强度历史数据，采用非线性最小二乘法拟合所述日内太阳辐射强度模型的参数，得到最终的日内太阳辐射强度模型；
所述通过太阳遮挡率对日内太阳辐射强度模型进行修正，是依照不同日食类型下日盘与月盘的几何关系，构建日全食、日环食、日偏食过境期间的太阳遮挡率模型，对日内太阳辐射强度模型中的太阳遮挡率进行修正；
所述构建日全食、日环食、日偏食过境期间的太阳遮挡率模型，具体为：
依照日食类型对太阳盘面与月球盘面视直径取值进行分类讨论，建立初始的太阳遮挡率模型；
引入日食过境相关信息，计算所建立的太阳遮挡率模型的参数，得到最终的太阳遮挡率模型；
所述日全食过境期间的太阳遮挡率模型，用公式表示为：
（18）
所述日环食过境期间的太阳遮挡率模型，用公式表示：
（20）
所述日偏食过境期间的太阳遮挡率模型，用公式表示：
（22）
其中，r为月球盘面半径与太阳盘面半径比值，d为日盘中心与月盘中心最近距离的一半，a(t)为t时刻月盘中心与t =T max时刻月盘中心之间的距离，具体公式为：
其中，T start为日食开始时间，T end为日食结束时间。
6.一种电子设备，其特征是，包括：
存储器，用于非暂时性存储计算机可读指令；
处理器，用于运行所述计算机可读指令；
其中，所述计算机可读指令被所述处理器运行时，执行上述权利要求1-4任一项所述的方法。
7.一种存储介质，其特征是，非暂时性地存储计算机可读指令，其中，当所述非暂时性计算机可读指令由计算机执行时，执行权利要求1-4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410153762.9A CN117689087B (zh) | 2024-02-04 | 2024-02-04 | 一种面向日食事件的光伏场站出力预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410153762.9A CN117689087B (zh) | 2024-02-04 | 2024-02-04 | 一种面向日食事件的光伏场站出力预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117689087A CN117689087A (zh) | 2024-03-12 |
| CN117689087B true CN117689087B (zh) | 2024-05-10 |
Family
ID=90128645
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410153762.9A Active CN117689087B (zh) | 2024-02-04 | 2024-02-04 | 一种面向日食事件的光伏场站出力预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117689087B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104218574A (zh) * | 2014-08-29 | 2014-12-17 | 国家电网公司 | 反映太阳辐射强度变化特性的光伏出力随机模型建模方法 |
| CN204670132U (zh) * | 2015-04-06 | 2015-09-30 | 余楚强 | 一种用于网箱养殖的光伏自动投饵机 |
| CN107392791A (zh) * | 2017-07-06 | 2017-11-24 | 南方电网科学研究院有限责任公司 | 多能互补系统的分布式光伏与气电混合容量规划方法和系统 |
| CN109002593A (zh) * | 2018-06-27 | 2018-12-14 | 华北电力大学 | 适于沙尘暴异常天气情况下的光伏系统出力仿真计算方法 |
| CN114117712A (zh) * | 2020-08-25 | 2022-03-01 | 中国电力科学研究院有限公司 | 一种日食期间光伏电站出力爬坡率预测方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140345670A1 (en) * | 2013-05-22 | 2014-11-27 | Luigi Fornari | Passively Tracking Partially Concentrating Photovoltaic Solar Panel |
-
2024
- 2024-02-04 CN CN202410153762.9A patent/CN117689087B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104218574A (zh) * | 2014-08-29 | 2014-12-17 | 国家电网公司 | 反映太阳辐射强度变化特性的光伏出力随机模型建模方法 |
| CN204670132U (zh) * | 2015-04-06 | 2015-09-30 | 余楚强 | 一种用于网箱养殖的光伏自动投饵机 |
| CN107392791A (zh) * | 2017-07-06 | 2017-11-24 | 南方电网科学研究院有限责任公司 | 多能互补系统的分布式光伏与气电混合容量规划方法和系统 |
| CN109002593A (zh) * | 2018-06-27 | 2018-12-14 | 华北电力大学 | 适于沙尘暴异常天气情况下的光伏系统出力仿真计算方法 |
| CN114117712A (zh) * | 2020-08-25 | 2022-03-01 | 中国电力科学研究院有限公司 | 一种日食期间光伏电站出力爬坡率预测方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| 6⋅21"日环食对光伏发电及电网运行影响分析;梁志峰;《电力系统自动化》;20211010;第1-6页 * |
| 云团移动对光伏电站出力特性及系统调频的影响;王诚良;朱凌志;党东升;赵亮;丁煌;;可再生能源;20171120(第11期);全文 * |
| 基于最小二乘支持向量机的光伏出力超短期预测;张华彬;杨明玉;;现代电力;20150210(第01期);第1-6页 * |
| 德国电网应对日食举措分析及启示;王彩霞;郑漳华;;中国电力;20151205(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117689087A (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mayer et al. | Techno-economic optimization of grid-connected, ground-mounted photovoltaic power plants by genetic algorithm based on a comprehensive mathematical model | |
| CN108388956B (zh) | 考虑辐射衰减的光伏功率预测方法 | |
| CN103440526B (zh) | 一种基于建筑信息模型的发电预测方法和装置 | |
| Šúri et al. | SolarGIS: Solar data and online applications for PV planning and performance assessment | |
| Meng et al. | Data-driven inference of unknown tilt and azimuth of distributed PV systems | |
| CN106203709A (zh) | 基于多因子的光伏电站中长期发电量预测方法 | |
| Chung | Estimating solar insolation and power generation of photovoltaic systems using previous day weather data | |
| Mahachi | Energy yield analysis and evaluation of solar irradiance models for a utility scale solar PV plant in South Africa | |
| Guerrero-Lemus et al. | A simple big data methodology and analysis of the specific yield of all PV power plants in a power system over a long time period | |
| Ahmed et al. | An assessment of the solar photovoltaic generation yield in Malaysia using satellite derived datasets | |
| Lai et al. | Daily clearness index profiles and weather conditions studies for photovoltaic systems | |
| Gönül et al. | A comparative techno-economic assessment of manually adjustable tilt mechanisms and automatic solar trackers for behind-the-meter PV applications | |
| CN109599899B (zh) | 一种新能源运行模拟边界条件的设定方法 | |
| Meng et al. | Performance variability and implications for yield prediction of rooftop PV systems–Analysis of 246 identical systems | |
| CN110598335A (zh) | 一种超短期光伏功率预测的辐照修正方法 | |
| Al-Sharafi et al. | Overall performance index for hybrid power plants | |
| CN117689087B (zh) | 一种面向日食事件的光伏场站出力预测方法及系统 | |
| Elena et al. | Multi-agent system for smart grids with produced energy from photovoltaic energy sources | |
| Li et al. | Evaluation index system for photovoltaic systems statistical characteristics under hazy weather conditions in central China | |
| Peerapong et al. | Optimal photovoltaic resources harvesting in grid-connected residential rooftop and in commercial buildings: Cases of Thailand | |
| Martínez et al. | CPV power plants | |
| CN113437938A (zh) | 考虑因地域差异的现场特征的光伏阵列输出功率计算方法 | |
| Alshamri | Optimal sizing of hybrid renewable systems to improve electricity supply reliability in Iraqi domestic dwellings | |
| Bracale et al. | An improved Bayesian-based approach for short term photovoltaic power forecasting in smart grids | |
| Cahyadi et al. | Solar prediction strategy for managing virtual power stations |
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 |