CN117829000B - 一种基于实时力学分析的光伏系统调控方法 - Google Patents

一种基于实时力学分析的光伏系统调控方法 Download PDF

Info

Publication number
CN117829000B
CN117829000B CN202410241616.1A CN202410241616A CN117829000B CN 117829000 B CN117829000 B CN 117829000B CN 202410241616 A CN202410241616 A CN 202410241616A CN 117829000 B CN117829000 B CN 117829000B
Authority
CN
China
Prior art keywords
data
regulation
photovoltaic system
photovoltaic panel
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
Application number
CN202410241616.1A
Other languages
English (en)
Other versions
CN117829000A (zh
Inventor
钱增志
王智
王宽
方宏伟
周大兴
王宏斌
李长勇
张学臣
蒋水兵
李良
潘江委
焦珂
孙绪录
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.)
China Railway Construction Group Zhongyuan Construction Co ltd
Changan University
China Railway Construction Group Co Ltd
Original Assignee
China Railway Construction Group Zhongyuan Construction Co ltd
Changan University
China Railway Construction Group 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 China Railway Construction Group Zhongyuan Construction Co ltd, Changan University, China Railway Construction Group Co Ltd filed Critical China Railway Construction Group Zhongyuan Construction Co ltd
Priority to CN202410241616.1A priority Critical patent/CN117829000B/zh
Publication of CN117829000A publication Critical patent/CN117829000A/zh
Application granted granted Critical
Publication of CN117829000B publication Critical patent/CN117829000B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明公开了一种基于实时力学分析的光伏系统调控方法，涉及光伏系统调控领域，该方法包括：收集光伏板力学数据和环境数据，以获取光伏系统调控前特征数据和光伏系统调控后特征数据；构建并训练光伏系统调控前状态预测模型和光伏系统调控后状态预测模型；采集光伏板的实时力学数据和实时环境数据，并根据训练后的光伏系统调控前状态预测模型和训练后的光伏系统调控后状态预测模型，获取光伏系统调控前状态预测结果和光伏系统调控后状态预测结果，以确定光伏系统调控操作。本发明考虑了其余影响光伏系统发电功率的光伏板力学指标，并结合环境影响因子完善了光伏系统的发电功率预测模型，进而提升了光伏系统调控操作的合理度。

Description

一种基于实时力学分析的光伏系统调控方法
技术领域
本发明涉及光伏系统调控领域，具体涉及一种基于实时力学分析的光伏系统调控方法。
背景技术
实时力学分析能对物体运动状态进行实时监测和分析,以便在需要时做出相应的调整或决策。在光伏系统中，实时力学分析的主要对象为光伏板。研究者们关注光伏板的实时倾角、太阳直射角度与光伏系统的发电功率之间的关系，并通过及时调控光伏板的倾角，使得光伏系统拥有更高的发电效率。而要及时地对光伏板的倾角进行调控，则需要对光伏系统的发电效率进行准确的预测。
目前，现有的光伏系统发电功率预测方法主要利用光伏板倾角、太阳直射角度、温度、辐照强度等常规影响因子，再基于BP神经网络模型预测对光伏系统的发电功率进行预测。而光伏系统的发电功率与光伏系统的其他力学参数也存在密切的关联，现有方法忽略了这部分影响因素，导致对光伏系统发电功率的预测结果的准确性还有待提高。光伏板发生振动时，会影响到光伏板的吸收和转换效率，导致实际输出功率降低。尤其是在高频率和高振幅的振动下，会导致光伏板的机械应力和疲劳累积，从而进一步降低光伏板的输出功率。而光伏板通常安装在支架上，光伏板所承受的压力将影响光伏板的稳定性，进而影响光电转换效率。现有方法忽略了光伏板振动和光伏板所受压力对光伏系统的影响。
而现有的光伏系统调控方法，仅利用光伏板实时倾角和太阳光直射角度预测调控光伏板前后光伏系统的发电功率，并基于调控光伏板前后光伏系统的发电功率的预测结果确定光伏系统的调控操作，这影响了现有方法对光伏系统的调控操作的合理度。
发明内容
针对现有技术中的上述不足，本发明提供了一种基于实时力学分析的光伏系统调控方法，考虑了其余影响光伏系统发电功率的光伏板力学指标，并结合环境影响因子完善了光伏系统的发电功率预测模型，进而提升了光伏系统调控操作的合理度。
为了达到上述发明目的，本发明采用的技术方案为：
一种基于实时力学分析的光伏系统调控方法，包括以下步骤：
S1、收集光伏板力学数据和环境数据，并根据光伏板力学数据和环境数据获取光伏系统调控前特征数据和光伏系统调控后特征数据；
S2、构建光伏系统调控前状态预测模型和光伏系统调控后状态预测模型，利用步骤S1中的光伏系统调控前特征数据对光伏系统调控前状态预测模型进行训练，并利用步骤S1中的光伏系统调控后特征数据对光伏系统调控后状态预测模型进行训练；
S3、采集光伏板的实时力学数据和实时环境数据，并根据光伏板的实时力学数据和实时环境数据，获取实时光伏系统调控前特征数据和实时光伏系统调控后特征数据；
S4、根据步骤S2中训练后的光伏系统调控前状态预测模型和训练后的光伏系统调控后状态预测模型以及步骤S3中的实时光伏系统调控前特征数据和实时光伏系统调控后特征数据，获取光伏系统调控前状态预测结果和光伏系统调控后状态预测结果，以确定光伏系统调控操作。
进一步地，在步骤S1中，光伏板力学数据包括光伏板倾角数据、光伏板振动数据和光伏板表面压力数据；环境数据包括太阳直射角度数据、天气类型数据、辐照强度数据、温度数据和湿度数据。
进一步地，在步骤S1中，根据光伏板力学数据和环境数据获取光伏系统调控前特征数据，包括以下步骤：
A1、收集光伏板倾角数据、光伏板振动数据、光伏板表面压力数据、天气类型数据、辐照强度数据、温度数据和湿度数据；
A2、提取光伏板振动数据的频谱峭度和频谱偏度，以获取光伏板振动特征数据；
A3、依次采用限幅滤波、滑动中值滤波和滑动平均滤波对光伏板表面压力数据进行校准，获取光伏板表面压力稳态数据；
A4、采用Z-score标准化方法对步骤A1中的光伏板倾角数据、天气类型数据、辐照强度数据、温度数据、湿度数据、步骤A2中的光伏板振动特征数据和步骤A3中的光伏板表面压力稳态数据进行标准化处理，获取光伏系统调控前标准数据；
A5、对步骤A4中的光伏系统调控前标准数据进行向量归一化，获取光伏系统调控前特征数据，表示为：
其中：为光伏系统调控前特征向量，/>为标准化处理后的光伏板倾角，/>为标准化处理后的光伏板振动数据的频谱峭度，/>为标准化处理后的光伏板振动数据的频谱偏度，/>为标准化处理后的光伏板表面压力，/>为标准化处理后的天气类型，/>为标准化处理后的辐照强度，/>为标准化处理后的温度，/>为标准化处理后的湿度。
进一步地， 步骤A2包括以下步骤：
A21、通过傅里叶变换将光伏板振动数据从时域转换为频域，表示为：
其中：为光伏板振动数据对应的第/>个振动幅值变换后的频谱，/>为遍历参数，/>为频谱序列数据点的个数，/>为指数函数，/>为虚数单位，/>为圆周率，/>为光伏板振动数据对应的第/>个振动幅值；
A22、提取步骤A21中转换为频域后的光伏板振动数据的频谱峭度，表示为：
其中：为光伏板振动数据的频谱峭度，/>为频谱/>在离散序列的平均幅值；
A23、提取步骤A21中转换为频域后的光伏板振动数据的频谱偏度，表示为：
其中：为光伏板振动数据的频谱偏度。
进一步地， 在步骤S1中，根据光伏板力学数据和环境数据获取光伏系统调控后特征数据，获取光伏系统调控前特征数据，具体为：收集光伏板力学数据和环境数据，根据光伏板倾角数据和太阳直射角度数据确定光伏板调控后倾角数据，并根据光伏板调控后倾角数据、光伏板振动数据、光伏板表面压力数据、天气类型数据、辐照强度数据、温度数据和湿度数据，获取光伏系统调控后特征数据。
进一步地， 在步骤S2中，构建的光伏系统调控前状态预测模型和光伏系统调控后状态预测模型均包括依次连接的输入层、储备池和输出层；
输入层包括8个输入神经元；输入层用于输入特征数据，利用第一连接权重对特征数据进行升维以获取第一输入变量，并将第一输入变量传输至储备池；
储备池包括设定数量的内部神经元；储备池用于接收输入层传输的第一输入变量，根据上一时刻的输出状态值，利用状态反馈权重获取第二输入变量，并根据第一输入变量和第二输入变量获取当前时刻的输出状态值，储存当前时刻的输出状态值至储备池，并将当前时刻的输出状态值传输至输出层；
输出层包括1个输出神经元；输出层用于接收储备池传输的当前时刻的输出状态值，根据当前时刻的输出状态值，利用第二连接权重获取状态预测结果。
进一步地，储备池根据第一输入变量和第二输入变量获取当前时刻的输出状态值，表示为：
其中：为第/>时刻的输出状态值，/>为双曲正切函数，/>为第一连接权重，/>为第/>时刻的特征数据，具体为光伏系统调控前特征向量或光伏系统调控后特征向量，/>为状态反馈权重，/>为第/>时刻的输出状态值。
进一步地，在储备池和输出层之间增设门控线性变换层以加快第二连接权重的收敛速度，门控线性变换层的计算式为：
其中：为/>经门控线性变换层后的输出值，/>为第/>时刻的输出状态值，/>为第一权重，/>为第一偏置项系数，/>为哈达玛积符号，/>为双曲正切函数，/>为第二权重，为第二偏置项系数。
进一步地， 在步骤S4中，获取光伏系统调控前状态预测结果和光伏系统调控后状态预测结果，以确定光伏系统调控操作，包括以下步骤：
C1、根据光伏系统调控后状态预测结果和光伏系统调控前状态预测结果，确定调控后的增长发电量；
C2、计算光伏系统调控所需能量；
C3、判断步骤C1中调控后的增长发电量是否大于步骤C2中光伏系统调控所需能量；若是则执行调控光伏板倾角操作；否则不执行调控光伏板倾角操作。
进一步地，在步骤S4中，光伏系统调控操作还包括抗风应急调控操作，判断是否执行抗风应急调控操作的具体过程为：设定光伏板振动阈值和光伏板表面压力阈值，采集光伏板的实时力学数据，判断光伏板的实时力学数据中的光伏板振动数据是否大于光伏板振动阈值；若是则执行抗风应急调控操作，否则继续判断光伏板的实时力学数据中的光伏板表面压力数据是否大于光伏板表面压力阈值，若是则执行抗风应急调控操作，否则不执行抗风应急调控操作。
本发明具有以下有益效果：
（1）本发明考虑了其余影响光伏系统发电功率的光伏板力学指标，并结合环境影响影响因子完善了光伏系统的发电功率预测模型，进而提升了光伏系统调控操作的合理度；
（2）本发明通过提取光伏板振动数据的频谱峭度和频谱偏度，以获取光伏板振动特征数据，优化了光伏板振动这一影响因子，降低了光伏系统调控前状态预测模型和光伏系统调控后状态预测模型的复杂度，减轻了模型的计算量，并提升了预测光伏系统发电功率的实时性；
（3）本发明通过构建光伏系统调控前状态预测模型和光伏系统调控后状态预测模型，分别将光伏系统调控前特征向量（包括光伏板倾角、光伏板振动数据的频谱峭度、光伏板振动数据的频谱偏度、光伏板稳态压力值、天气类型辐照强度、温度和湿度）和光伏系统调控后特征向量（包括光伏板调控后倾角、光伏板振动数据的频谱峭度、光伏板振动数据的频谱偏度、光伏板稳态压力值、天气类型辐照强度、温度和湿度）作为输入，光伏系统的发电功率作为输出，能够直接获取调控光伏板前后光伏系统的发电功率预测值，进而及时合理地做出光伏系统调控操作；
（4）本发明通过在储备池和输出层之间增设门控线性变换层，利用门控机制，能够在不同的线性变换下，选择性地控制输入数据即状态预测结果的流动，进而加快第二连接权重的收敛速度，提升光伏系统调控前状态预测模型和光伏系统调控后状态预测模型的训练效率；
（5）本发明考虑光伏系统常被强风破坏的情况，因此增设了光伏系统的抗风应急调控操作，能及时对光伏板及其支撑结构进行加固，以提升光伏系统的抗风效果。
附图说明
图1为一种基于实时力学分析的光伏系统调控方法流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，一种基于实时力学分析的光伏系统调控方法，包括步骤S1-S4，具体如下：
S1、收集光伏板力学数据和环境数据，并根据光伏板力学数据和环境数据获取光伏系统调控前特征数据和光伏系统调控后特征数据。
在本发明的一个可选实施例中，光伏板力学数据包括光伏板倾角数据、光伏板振动数据和光伏板表面压力数据；环境数据包括太阳直射角度数据、天气类型数据、辐照强度数据、温度数据和湿度数据。
具体地，本发明通过将倾角传感器设置在光伏板的上侧，以更加准确地获取光伏板倾角数据。本发明等间距将振动传感器安装在光伏板平整表面处，并保持振动传感器的测振方向与待测方向一致，以获取光伏板振动数据。本发明等间距将压力传感器安装在光伏板平整表面处，以获取光伏板表面压力数据。
天气类型包括晴天、阴天和雨天。本发明将晴天的标签值设定为1，将阴天的标签值设定为2，将雨天的标签值设定为3。
本发明根据光伏板力学数据和环境数据获取光伏系统调控前特征数据，包括以下步骤：
A1、收集光伏板倾角数据、光伏板振动数据、光伏板表面压力数据、天气类型数据、辐照强度数据、温度数据和湿度数据。
A2、提取光伏板振动数据的频谱峭度和频谱偏度，以获取光伏板振动特征数据。
步骤A2包括以下步骤：
A21、通过傅里叶变换将光伏板振动数据从时域转换为频域，表示为：
其中：为光伏板振动数据对应的第/>个振动幅值变换后的频谱，/>为遍历参数，/>为频谱序列数据点的个数，/>为指数函数，/>为虚数单位，/>为圆周率，/>为光伏板振动数据对应的第/>个振动幅值。
A22、提取步骤A21中转换为频域后的光伏板振动数据的频谱峭度，表示为：
其中：为光伏板振动数据的频谱峭度，/>为频谱/>在离散序列的平均幅值。
A23、提取步骤A21中转换为频域后的光伏板振动数据的频谱偏度，表示为：
其中：为光伏板振动数据的频谱偏度。
A3、依次采用限幅滤波、滑动中值滤波和滑动平均滤波对光伏板表面压力数据进行校准，获取光伏板表面压力稳态数据。
A4、采用Z-score标准化方法对步骤A1中的光伏板倾角数据、天气类型数据、辐照强度数据、温度数据、湿度数据、步骤A2中的光伏板振动特征数据和步骤A3中的光伏板表面压力稳态数据进行标准化处理，获取光伏系统调控前标准数据。
A5、对步骤A4中的光伏系统调控前标准数据进行向量归一化，获取光伏系统调控前特征数据，表示为：
其中：为光伏系统调控前特征向量，/>为标准化处理后的光伏板倾角，/>为标准化处理后的光伏板振动数据的频谱峭度，/>为标准化处理后的光伏板振动数据的频谱偏度，/>为标准化处理后的光伏板表面压力，/>为标准化处理后的天气类型，/>为标准化处理后的辐照强度，/>为标准化处理后的温度，/>为标准化处理后的湿度。
本发明根据光伏板力学数据和环境数据获取光伏系统调控后特征数据，获取光伏系统调控前特征数据，具体为：收集光伏板力学数据和环境数据，根据光伏板倾角数据和太阳直射角度数据确定光伏板调控后倾角数据，并根据光伏板调控后倾角数据、光伏板振动数据、光伏板表面压力数据、天气类型数据、辐照强度数据、温度数据和湿度数据，获取光伏系统调控后特征数据。
具体地，本发明根据光伏板倾角数据和太阳直射角度数据，进行参数设置模拟光伏板最优倾角，并取模拟过程中光伏板最优倾角的平均值，将其确定为最终的光伏板最优倾角，并将光伏板调控后倾角设定为最终的光伏板最优倾角。
S2、构建光伏系统调控前状态预测模型和光伏系统调控后状态预测模型，利用步骤S1中的光伏系统调控前特征数据对光伏系统调控前状态预测模型进行训练，并利用步骤S1中的光伏系统调控后特征数据对光伏系统调控后状态预测模型进行训练。
在本发明的一个可选实施例中，本发明构建光伏系统调控前状态预测模型和光伏系统调控后状态预测模型，将光伏系统调控前特征向量输入至光伏系统调控前状态预测模型，获取光伏系统调控前状态预测模型的光伏系统调控前状态预测值，利用光伏系统调控前状态预测值和光伏系统调控前状态值（光伏系统调控前发电功率）训练光伏系统调控前状态预测模型中的第二连接权重，直至光伏系统调控前状态预测模型的误差结果满足误差要求范围。本发明输入光伏系统调控后特征向量至光伏系统调控后状态预测模型，获取光伏系统调控后状态预测模型的光伏系统调控后状态预测值，利用光伏系统调控后状态预测值和光伏系统调控后状态值（光伏系统调控后发电功率）训练光伏系统调控后状态预测模型中的第二连接权重，直至光伏系统调控后状态预测模型的误差结果满足误差要求范围。
本发明构建的光伏系统调控前状态预测模型和光伏系统调控后状态预测模型均包括依次连接的输入层、储备池和输出层。
输入层包括8个输入神经元；输入层用于输入特征数据，利用第一连接权重对特征数据进行升维以获取第一输入变量，并将第一输入变量传输至储备池。
具体地，本发明第第一连接权重进行初始化，然后将光伏系统调控前特征向量输入至光伏系统调控前状态预测模型的输入层，并将光伏系统调控后特征向量输入至光伏系统调控后状态预测模型的输入层。
储备池包括设定数量的内部神经元；储备池用于接收输入层传输的第一输入变量，根据上一时刻的输出状态值，利用状态反馈权重获取第二输入变量，并根据第一输入变量和第二输入变量获取当前时刻的输出状态值，储存当前时刻的输出状态值至储备池，并将当前时刻的输出状态值传输至输出层。
具体地，本发明将状态反馈权重进行初始化，然后接收输入层传输的第一输入变量，根据上一时刻的输出状态值，利用状态反馈权重获取第二输入变量，并根据第一输入变量和第二输入变量获取当前时刻的输出状态值，储存当前时刻的输出状态值至储备池，并将当前时刻的输出状态值传输至输出层。
本发明通过光伏系统调控前特征数据的数据规模设定光伏系统调控前状态预测模型中储备池的内部神经元的数量，并通过光伏系统调控后特征数据的数据规模设定光伏系统调控后状态预测模型中储备池的内部神经元的数量。
储备池根据第一输入变量和第二输入变量获取当前时刻的输出状态值，表示为：
其中：为第/>时刻的输出状态值，/>为双曲正切函数，/>为第一连接权重，/>为第/>时刻的特征数据，具体为光伏系统调控前特征向量或光伏系统调控后特征向量，/>为状态反馈权重，/>为第/>时刻的输出状态值。
输出层包括1个输出神经元；输出层用于接收储备池传输的当前时刻的输出状态值，根据当前时刻的输出状态值，利用第二连接权重获取状态预测结果。
输出层根据当前时刻的输出状态值，利用第二连接权重获取状态预测结果，表示为：
其中：为第/>时刻的状态预测结果，/>为第二连接权重。
本发明通过在储备池和输出层之间增设门控线性变换层以加快第二连接权重的收敛速度，门控线性变换层的计算式为：
其中：为/>经门控线性变换层后的输出值，/>为第/>时刻的输出状态值，/>为第一权重，/>为第一偏置项系数，/>为哈达玛积符号，/>为双曲正切函数，/>为第二权重，为第二偏置项系数。
具体地，本发明通过在储备池和输出层之间增设门控线性变换层，利用门控机制，能够在不同的线性变换下，选择性地控制输入数据即状态预测结果的流动，进而加快第二连接权重的收敛速度，提升光伏系统调控前状态预测模型和光伏系统调控后状态预测模型的训练效率。
本发明中第一权重、第一偏置项系数、第二权重和第二偏置系数均为可学习的参数。
S3、采集光伏板的实时力学数据和实时环境数据，并根据光伏板的实时力学数据和实时环境数据，获取实时光伏系统调控前特征数据和实时光伏系统调控后特征数据。
在本发明的一个可选实施例中，本发明采集光伏板的实时力学数据和实时环境数据，并根据光伏板的实时力学数据和实时环境数据，获取实时光伏系统调控前特征数据和实时光伏系统调控后特征数据。
具体地，本发明收集光伏板调控后倾角数据、光伏板振动数据、光伏板表面压力数据、天气类型数据、辐照强度数据、温度数据和湿度数据；提取光伏板振动数据的频谱峭度和频谱偏度，以获取光伏板振动特征数据；依次采用限幅滤波、滑动中值滤波和滑动平均滤波对光伏板表面压力数据进行校准，获取光伏板表面压力稳态数据；采用Z-score标准化方法对光伏板调控后倾角数据、天气类型数据、辐照强度数据、温度数据、湿度数据、光伏板振动特征数据和光伏板表面压力稳态数据进行标准化处理，获取光伏系统调控后标准数据；本发明对光伏系统调控后标准数据进行向量归一化，获取光伏系统调控后特征数据，表示为：
其中：为光伏系统调控后特征向量，/>为标准化处理后的光伏板调控后倾角，/>为标准化处理后的光伏板振动数据的频谱峭度，/>为标准化处理后的光伏板振动数据的频谱偏度，/>为标准化处理后的光伏板表面压力，/>为标准化处理后的天气类型，/>为标准化处理后的辐照强度，/>为标准化处理后的温度，/>为标准化处理后的湿度。
S4、根据步骤S2中训练后的光伏系统调控前状态预测模型和训练后的光伏系统调控后状态预测模型以及步骤S3中的实时光伏系统调控前特征数据和实时光伏系统调控后特征数据，获取光伏系统调控前状态预测结果和光伏系统调控后状态预测结果，以确定光伏系统调控操作。
在本发明的一个可选实施例中，本发明将实时光伏系统调控前特征数据输入至训练后的光伏系统调控前状态预测模型以获取光伏系统调控前状态预测结果，将实时光伏系统调控后特征数据输入至训练后的光伏系统调控后状态预测模型，以获取光伏系统调控后状态预测结果，并根据光伏系统调控前状态预测结果和光伏系统调控后状态预测结果，确定光伏系统调控操作。
本发明获取光伏系统调控前状态预测结果和光伏系统调控后状态预测结果，以确定光伏系统调控操作，包括以下步骤：
C1、根据光伏系统调控后状态预测结果和光伏系统调控前状态预测结果，确定调控后的增长发电量。
本发明根据光伏系统调控后状态预测结果和光伏系统调控前状态预测结果，确定调控后的增长发电量，表示为：
其中：为调控后的增长发电量，/>为光伏系统调控后状态预测结果，/>为光伏系统调控前状态预测结果，/>为光伏系统的发电系数。
C2、计算光伏系统调控所需能量。
本发明计算光伏系统调控所需能量，表示为：
其中：为伏系统调控所需能量，/>为光伏系统调控光伏板的电机功率，/>为调控光伏板所需时间。
C3、判断步骤C1中调控后的增长发电量是否大于步骤C2中光伏系统调控所需能量；若是则执行调控光伏板倾角操作；否则不执行调控光伏板倾角操作。
光伏系统调控操作还包括抗风应急调控操作，判断是否执行抗风应急调控操作的具体过程为：设定光伏板振动阈值和光伏板表面压力阈值，采集光伏板的实时力学数据，判断光伏板的实时力学数据中的光伏板振动数据是否大于光伏板振动阈值；若是则执行抗风应急调控操作，否则继续判断光伏板的实时力学数据中的光伏板表面压力数据是否大于光伏板表面压力阈值，若是则执行抗风应急调控操作，否则不执行抗风应急调控操作。
具体地，本发明考虑光伏系统常被强风破坏的情况。因此本发明增设光伏系统的抗风应急调控操作，及时对光伏板及其支撑结构进行加固的抗风应急调控操作，以提升光伏系统的抗风效果。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (7)

1.一种基于实时力学分析的光伏系统调控方法，其特征在于，包括以下步骤：
S1、收集光伏板力学数据和环境数据，并根据光伏板力学数据和环境数据获取光伏系统调控前特征数据和光伏系统调控后特征数据；
光伏板力学数据包括光伏板倾角数据、光伏板振动数据和光伏板表面压力数据；环境数据包括太阳直射角度数据、天气类型数据、辐照强度数据、温度数据和湿度数据；
根据光伏板力学数据和环境数据获取光伏系统调控前特征数据，包括以下步骤：
A1、收集光伏板倾角数据、光伏板振动数据、光伏板表面压力数据、天气类型数据、辐照强度数据、温度数据和湿度数据；
A2、提取光伏板振动数据的频谱峭度和频谱偏度，以获取光伏板振动特征数据；
A3、依次采用限幅滤波、滑动中值滤波和滑动平均滤波对光伏板表面压力数据进行校准，获取光伏板表面压力稳态数据；
A4、采用Z-score标准化方法对步骤A1中的光伏板倾角数据、天气类型数据、辐照强度数据、温度数据、湿度数据、步骤A2中的光伏板振动特征数据和步骤A3中的光伏板表面压力稳态数据进行标准化处理，获取光伏系统调控前标准数据；
A5、对步骤A4中的光伏系统调控前标准数据进行向量归一化，获取光伏系统调控前特征数据，表示为：
其中：为光伏系统调控前特征向量，/>为标准化处理后的光伏板倾角，/>为标准化处理后的光伏板振动数据的频谱峭度，/>为标准化处理后的光伏板振动数据的频谱偏度，/>为标准化处理后的光伏板表面压力，/>为标准化处理后的天气类型，/>为标准化处理后的辐照强度，/>为标准化处理后的温度，/>为标准化处理后的湿度；
根据光伏板力学数据和环境数据获取光伏系统调控后特征数据，具体为：收集光伏板力学数据和环境数据，根据光伏板倾角数据和太阳直射角度数据确定光伏板调控后倾角数据，并根据光伏板调控后倾角数据、光伏板振动数据、光伏板表面压力数据、天气类型数据、辐照强度数据、温度数据和湿度数据，获取光伏系统调控后特征数据；
S2、构建光伏系统调控前状态预测模型和光伏系统调控后状态预测模型，利用步骤S1中的光伏系统调控前特征数据对光伏系统调控前状态预测模型进行训练，并利用步骤S1中的光伏系统调控后特征数据对光伏系统调控后状态预测模型进行训练；
S3、采集光伏板的实时力学数据和实时环境数据，并根据光伏板的实时力学数据和实时环境数据，获取实时光伏系统调控前特征数据和实时光伏系统调控后特征数据；
S4、根据步骤S2中训练后的光伏系统调控前状态预测模型和训练后的光伏系统调控后状态预测模型以及步骤S3中的实时光伏系统调控前特征数据和实时光伏系统调控后特征数据，获取光伏系统调控前状态预测结果和光伏系统调控后状态预测结果，以确定光伏系统调控操作。
2.根据权利要求1所述的一种基于实时力学分析的光伏系统调控方法，其特征在于，步骤A2包括以下步骤：
A21、通过傅里叶变换将光伏板振动数据从时域转换为频域，表示为：
其中：为光伏板振动数据对应的第/>个振动幅值变换后的频谱，/>为遍历参数，/>为频谱序列数据点的个数，/>为指数函数，/>为虚数单位，/>为圆周率，/>为光伏板振动数据对应的第/>个振动幅值；
A22、提取步骤A21中转换为频域后的光伏板振动数据的频谱峭度，表示为：
其中：为光伏板振动数据的频谱峭度，/>为频谱/>在离散序列的平均幅值；
A23、提取步骤A21中转换为频域后的光伏板振动数据的频谱偏度，表示为：
其中：为光伏板振动数据的频谱偏度。
3.根据权利要求1所述的一种基于实时力学分析的光伏系统调控方法，其特征在于，在步骤S2中，构建的光伏系统调控前状态预测模型和光伏系统调控后状态预测模型均包括依次连接的输入层、储备池和输出层；
输入层包括8个输入神经元；输入层用于输入特征数据，利用第一连接权重对特征数据进行升维以获取第一输入变量，并将第一输入变量传输至储备池；
储备池包括设定数量的内部神经元；储备池用于接收输入层传输的第一输入变量，根据上一时刻的输出状态值，利用状态反馈权重获取第二输入变量，并根据第一输入变量和第二输入变量获取当前时刻的输出状态值，储存当前时刻的输出状态值至储备池，并将当前时刻的输出状态值传输至输出层；
输出层包括1个输出神经元；输出层用于接收储备池传输的当前时刻的输出状态值，根据当前时刻的输出状态值，利用第二连接权重获取状态预测结果。
4.根据权利要求3所述的一种基于实时力学分析的光伏系统调控方法，其特征在于，储备池根据第一输入变量和第二输入变量获取当前时刻的输出状态值，表示为：
其中：为第/>时刻的输出状态值，/>为双曲正切函数，/>为第一连接权重，/>为第/>时刻的特征数据，具体为光伏系统调控前特征向量或光伏系统调控后特征向量，/>为状态反馈权重，/>为第/>时刻的输出状态值。
5.根据权利要求3所述的一种基于实时力学分析的光伏系统调控方法，其特征在于，在储备池和输出层之间增设门控线性变换层以加快第二连接权重的收敛速度，门控线性变换层的计算式为：
其中：为/>经门控线性变换层后的输出值，/>为第/>时刻的输出状态值，/>为第一权重，/>为第一偏置项系数，/>为哈达玛积符号，/>为双曲正切函数，/>为第二权重，/>为第二偏置项系数。
6.根据权利要求1所述的一种基于实时力学分析的光伏系统调控方法，其特征在于，在步骤S4中，获取光伏系统调控前状态预测结果和光伏系统调控后状态预测结果，以确定光伏系统调控操作，包括以下步骤：
C1、根据光伏系统调控后状态预测结果和光伏系统调控前状态预测结果，确定调控后的增长发电量；
C2、计算光伏系统调控所需能量；
C3、判断步骤C1中调控后的增长发电量是否大于步骤C2中光伏系统调控所需能量；若是则执行调控光伏板倾角操作；否则不执行调控光伏板倾角操作。
7.根据权利要求1所述的一种基于实时力学分析的光伏系统调控方法，其特征在于，在步骤S4中，光伏系统调控操作还包括抗风应急调控操作，判断是否执行抗风应急调控操作的具体过程为：设定光伏板振动阈值和光伏板表面压力阈值，采集光伏板的实时力学数据，判断光伏板的实时力学数据中的光伏板振动数据是否大于光伏板振动阈值；若是则执行抗风应急调控操作，否则继续判断光伏板的实时力学数据中的光伏板表面压力数据是否大于光伏板表面压力阈值，若是则执行抗风应急调控操作，否则不执行抗风应急调控操作。
CN202410241616.1A 2024-03-04 2024-03-04 一种基于实时力学分析的光伏系统调控方法 Active CN117829000B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410241616.1A CN117829000B (zh) 2024-03-04 2024-03-04 一种基于实时力学分析的光伏系统调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410241616.1A CN117829000B (zh) 2024-03-04 2024-03-04 一种基于实时力学分析的光伏系统调控方法

Publications (2)

Publication Number Publication Date
CN117829000A CN117829000A (zh) 2024-04-05
CN117829000B true CN117829000B (zh) 2024-06-04

Family

ID=90511792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410241616.1A Active CN117829000B (zh) 2024-03-04 2024-03-04 一种基于实时力学分析的光伏系统调控方法

Country Status (1)

Country Link
CN (1) CN117829000B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200059706A (ko) * 2018-11-21 2020-05-29 안현철 기상정보를 이용한 태양광 발전 관리 시스템
CN114021420A (zh) * 2021-12-17 2022-02-08 国网河南省电力公司南阳供电公司 一种分布式光伏超短期发电功率预测方法及系统
CN115423145A (zh) * 2022-07-26 2022-12-02 泛太能源环境(浙江)有限公司 一种基于Kmeans-VMD-WT-LSTM方法的光伏功率预测方法
CN116402203A (zh) * 2023-03-23 2023-07-07 中国电力科学研究院有限公司 计及天气情况的短时光伏发电量预测方法、系统及介质
CN116661509A (zh) * 2023-06-26 2023-08-29 扬州大学 一种新式光伏支架跟踪方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200059706A (ko) * 2018-11-21 2020-05-29 안현철 기상정보를 이용한 태양광 발전 관리 시스템
CN114021420A (zh) * 2021-12-17 2022-02-08 国网河南省电力公司南阳供电公司 一种分布式光伏超短期发电功率预测方法及系统
CN115423145A (zh) * 2022-07-26 2022-12-02 泛太能源环境(浙江)有限公司 一种基于Kmeans-VMD-WT-LSTM方法的光伏功率预测方法
CN116402203A (zh) * 2023-03-23 2023-07-07 中国电力科学研究院有限公司 计及天气情况的短时光伏发电量预测方法、系统及介质
CN116661509A (zh) * 2023-06-26 2023-08-29 扬州大学 一种新式光伏支架跟踪方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于深度学习的超短期光伏精细化预测模型研究;史佳琪;张建华;;电力建设;20170601(06);28-35 *

Also Published As

Publication number Publication date
CN117829000A (zh) 2024-04-05

Similar Documents

Publication Publication Date Title
CN109086928B (zh) 基于saga-fcm-lssvm模型的光伏电站实时功率预测方法
CN105048499B (zh) 基于模型预测控制的风电并网实时调度方法及系统
CN106979126B (zh) 基于svr的风力发电机组高风速段有效风速估计方法
CN103489038A (zh) 基于lm-bp神经网络的光伏超短期功率预测方法
CN110365053B (zh) 基于延迟优化策略的短期风电功率预测方法
CN104732296A (zh) 一种分布式光伏输出功率短期预测模型建模方法
CN108227759B (zh) 一种基于神经网络预测技术的太阳能跟踪控制系统
CN105117975B (zh) 一种光伏输出功率值的分频预测方法
CN109312714A (zh) 考虑噪声的风力涡轮机的控制
CN107045574B (zh) 基于svr的风力发电机组低风速段有效风速估计方法
CN114757427A (zh) 自回归修正的lstm智能风电场超短期功率预测方法
CN115977874B (zh) 基于激光测风雷达的风电机组偏航自适应校准方法及系统
WO2020228568A1 (zh) 训练光伏电站发电量预测模型的方法、光伏电站发电量预测方法和装置、训练系统和预测系统及存储介质
CN104500336A (zh) 一种基于Hammerstein-Wiener模型的风电机组恒功率广义预测控制方法
CN112836876A (zh) 一种基于深度学习的配电网线路负荷预测方法
CN113095951B (zh) 一种瓦斯抽采智能调控方法、设备、装置及存储介质
CN117829000B (zh) 一种基于实时力学分析的光伏系统调控方法
CN116167508B (zh) 一种基于气象因素分解的短期光伏出力快速预测方法及系统
CN112232598A (zh) 一种递进式光伏发电系统输出功率组合预测方法及系统
CN114429233A (zh) 一种基于聚类算法的场站级最优功率控制方法及系统
CN116792256A (zh) 一种风速预测变桨控制系统及控制方法
CN116937565A (zh) 一种分布式光伏发电功率预测方法、系统、设备及介质
Yang et al. Non-linear autoregressive neural network based wind direction prediction for the wind turbine yaw system
CN111193267A (zh) 一种基于云计算的特高压交直流电压稳定性控制方法
CN116629027B (zh) 基于雷达数据的风功率预测方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant