WO2017035884A1 - 适用于光伏系统全生命周期的输出功率分类预测系统 - Google Patents
适用于光伏系统全生命周期的输出功率分类预测系统 Download PDFInfo
- Publication number
- WO2017035884A1 WO2017035884A1 PCT/CN2015/090587 CN2015090587W WO2017035884A1 WO 2017035884 A1 WO2017035884 A1 WO 2017035884A1 CN 2015090587 W CN2015090587 W CN 2015090587W WO 2017035884 A1 WO2017035884 A1 WO 2017035884A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- prediction
- model
- module
- database
- data
- Prior art date
Links
Images
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
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- 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
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/123—DNA computing
-
- 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
- H02J2300/26—The renewable source being solar energy of photovoltaic origin involving maximum power point tracking control for photovoltaic sources
-
- 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
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- 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
-
- 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
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Abstract
Description
Claims (10)
- 一种适用于光伏系统全生命周期的输出功率分类预测系统,其特征在于,包括:基本信息存储模块,用于存储光伏系统包括地理位置、历史气象信息、安装信息和逆变器信息在内的基本信息;数据库模块,用于分类存储预测建模所需的各种数据,包括光伏系统运行数据、环境监测数据、天气预报数据和数值气象预报数据,还存储上述基本信息存储模块的基本信息;预测模型判断模块,用于根据所述数据库模块所存储的数据的种类,及光伏系统的投运时间确定相应的预测模型;预测数据预处理模块,用于对所述数据库模块中的数据进行均值化处理,形成输入输出模型训练样本及预测输入样本;预测建模模块,用于根据所述预测模型判断模块确定的预测模型对所述预测数据预处理模块的样本进行模型训练和预测,得到光伏系统输出功率的预测值。
- 根据权利要求1所述的适用于光伏系统全生命周期的输出功率分类预测系统,其特征在于,还包括:数据输入模块,用于获取预测建模所需的各种数据,并导入到数据库模块的原始数据库,包括4个子模块,分别是光伏系统运行数据输入模块、环境监测数据输入模块、数值气象预报数据输入模块和天气预报数据输入模块;数据库模块,分为原始数据库、建模数据库、坏数据库和预测结果数据库;数据辨识及修正模块,用于对所述数据输入模块导入的原始数据进行坏数据识别、修正和记录,正常数据及修正后的坏数据存在建模数据库,不可修正的坏数据存在坏数据库;模型误差分析模块,用于对预测模型的误差进行计算和统计,并根据统计结果判断预测模型是否需要更新;运行错误诊断模块,用于记录系统运行过程中监测到的错误信息,形成运行错误日志并给出告警;自动运行管理模块,用于制定日运行日志和月运行日志,供运行人员查询备 案;人机界面模块,用于为用户提供在线和历史数据/工况/告警查询,并提供参数设定及数据导入功能。
- 根据权利要求1或2所述的适用于光伏系统全生命周期的输出功率分类预测系统,其特征在于,所述基本信息存储模块,其中,地理位置信息包括经度、纬度、海拔和阴影遮挡情况;历史气象信息包括气象站、NASA网站和NOAA网站获取的逐小时/月/日太阳辐射,及环境温度信息;安装信息包括光伏组件的铭牌值、光伏组件串并联信息、方阵数量、安装角度和安装方式;逆变器信息包括额定功率、效率和最大功率跟踪范围。
- 根据权利要求2所述的适用于光伏系统全生命周期的输出功率分类预测系统,其特征在于,所述数据辨识及修正模块还用于对原始数据进行判断,若判定为逆变器引起的坏数据则将数据存入坏数据库;若判定为通讯故障引起的坏数据,进一步判断故障时间是否小于3小时,若是则将数据按照相应的方法进行修正后存入建模数据库,若否则将数据存入坏数据库。
- 根据权利要求1或2所述的适用于光伏系统全生命周期的输出功率分类预测系统,其特征在于,所述数据库模块的原始数据库、建模数据库、坏数据库又分别包括环境监测数据库、数值气象预报数据库、天气预报数据库和光伏系统运行数据库。
- 根据权利要求5所述的适用于光伏系统全生命周期的输出功率分类预测系统,其特征在于,所述预测模型判断模块用于根据建模数据库中的子数据库种类判断预测类型,再根据预测类型和光伏系统的运行时间确定相应的预测模型:若建模数据库不包含任何数据,判断为预测类型1,若建模数据库包括光伏系统运行数据库,判断为预测类型2,若建模数据库包括光伏系统运行数据库和天气预报数据库,则判断为预测类型3,若建模数据库包括光伏系统运行数据库 和环境监测数据库,则判断为预测类型4,若建模数据库包括光伏系统运行数据库、环境监测数据库和天气预报数据库,则判断为预测类型5,若建模数据库包括光伏系统光伏系统运行数据库、环境监测数据库和数值气象预报数据库,则判断为预测类型6;若为预测类型1,则使用预测模型11进行输出功率预测;若为预测类型2,光伏系统投运时间小于1个月则判断为采用预测模型21进行预测,光伏系统投运时间大于1个月且小于6个月则判断为采用预测模型22进行预测,光伏系统投运时间大于6个月则判断为采用预测模型23进行预测;若为预测类型3,此时预测模型31、32和预测模型21、22分别相同,光伏系统投运时间大于6个月则判断为采用预测模型33进行预测;若为预测类型4,光伏系统投运时间小于1个月则判断为采用预测模型41进行预测,光伏系统投运时间大于1个月且小于6个月则判断为采用预测模型42进行预测,光伏系统投运时间大于6个月则判断为采用预测模型43进行预测;若为预测类型5,此时预测模型51、52和预测模型41、42分别相同,光伏系统投运时间大于6个月则判断为采用预测模型53进行预测;若为预测类型6,光伏系统投运时间小于1个月则判断为采用预测模型61进行预测,光伏系统投运时间大于1个月且小于6个月则判断为采用预测模型62进行预测,光伏系统投运时间大于6个月则判断为采用预测模型63进行预测。
- 根据权利要求6所述的适用于光伏系统全生命周期的输出功率分类预测系统,其特征在于,所述预测建模模块包括:模型11,采用光伏组件5参数模型进行计算,得到光伏系统年发电量预测值;模型21,采用持续法、时间序列法、RBF神经网络等构成的组合预测模型,实现提前2小时以内的光伏功率预测;模型22,采用时间序列法、RBF神经网络、支持向量回归SVR等构成的组合预测模型,实现提前2小时以内的光伏功率预测;模型23,采用多维时间相空间重构、加权一阶法、SVR等构成的组合预测模型,实现提前2小时以内的光伏功率预测;模型31,与模型21相同;模型32,与模型22相同;模型33,提前2小时的功率预测方法与23相同,日前光伏功率预测采用相似日SVR模型1进行预测;模型41,采用光伏组件5参数模型、持续法、时间序列和RBF神经网络构成的组合预测模型,实现提前2小时以内的光伏功率预测;模型42,采用光伏组件5参数模型、时间序列、RBF神经网络和SVR构成的组合预测模型,实现提前2小时以内的光伏功率预测;模型43,采用两种多维时间序列相空间重构方法、加权一阶法和SVR构成的组合预测模型,实现提前2小时以内的光伏功率预测;模型51,与模型41相同;模型52,与模型42相同;模型53,提前2小时的功率预测方法与43相同,日前光伏功率预测采用相似日SVR模型2进行预测;模型61,提前2小时的功率预测方法与41相同,日前光伏功率预测采用光伏组件5参数模型及RBF神经网络模型进行预测;模型62,提前2小时的功率预测方法与42相同,日前光伏功率预测采用NWPs的SVR修正模型、光伏组件五参数模型和RBF神经网络进行预测;模型63,提前2小时的功率预测方法与43相同,日前光伏功率预测采用NWPs的相似日SVR修正模型、光伏组件五参数模型和RBF神经网络进行预测。
- 根据权利要求2所述的适用于光伏系统全生命周期的输出功率分类预测系统,其特征在于,所述运行错误诊断模块包括:运行错误监测模块,用于检测预测系统运行过程中的错误并将错误信息输入运行错误日志制定模块中;运行错误日志制定模块,用于存储预测系统运行错误信息;错误报警模块,用于在每小时的预测工作完成后自动检查该日的运行错误日志并作出相应告警动作。
- 根据权利要求2或8所述的一种适用于光伏系统全生命周期的输出功率分类预测系统,其特征在于,所述自动运行管理模块包括:日运行日志制定子模块,每日00:00自动运行,对前一日的运行情况进行统计分析,包括预测的基本信息、系统运行情况和运行结果统计;月运行日志制定子模块,每月第一日自动运行,对前一月的运行情况进行统计分析,包括基本信息、系统运行情况和运行结果统计。
- 根据权利要求9所述的适用于光伏系统全生命周期的输出功率分类预测系统,其特征在于,还包括循环预测控制模块,用于在基本信息存储模块存储完成后,控制系统进入循环预测运行;单次预测循环过程执行顺序为数据输入模块、数据辨识及修正模块、数据库模块、预测模型判断模块、预测数据预处理模块、预测建模模块、模型误差分析模块、运行错误诊断模块;单次预测循环执行后,进行时间00:00判断,若非00:00,则将预测结果返回人机界面和数据库模块并重新进入循环,若为00:00,则执行模型误差分析模块对误差进行统计,执行自动运行管理模块,再将相关统计结果返回人机界面和数据库模块并重新进入单次预测循环。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017534728A JP6379299B2 (ja) | 2015-08-31 | 2015-09-24 | 太陽光発電システムの全ライフサイクルに適用される出力電力分類予測システム |
US15/549,668 US20180046924A1 (en) | 2015-08-31 | 2015-09-24 | Whole-life-cycle power output classification prediction system for photovoltaic systems |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510552067.0A CN105184404B (zh) | 2015-08-31 | 2015-08-31 | 适用于光伏系统全生命周期的输出功率分类预测系统 |
CN201510552067.0 | 2015-08-31 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2017035884A1 true WO2017035884A1 (zh) | 2017-03-09 |
Family
ID=54906467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2015/090587 WO2017035884A1 (zh) | 2015-08-31 | 2015-09-24 | 适用于光伏系统全生命周期的输出功率分类预测系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20180046924A1 (zh) |
JP (1) | JP6379299B2 (zh) |
CN (1) | CN105184404B (zh) |
WO (1) | WO2017035884A1 (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274021A (zh) * | 2017-06-16 | 2017-10-20 | 南京国电南自电网自动化有限公司 | 一种光伏功率预测系统干扰数据处理系统及方法 |
CN108564192A (zh) * | 2017-12-29 | 2018-09-21 | 河海大学 | 一种基于气象因子权重相似日的短期光伏功率预测方法 |
CN110766198A (zh) * | 2019-09-18 | 2020-02-07 | 中国电建集团青海省电力设计院有限公司 | 一种基于光伏电站占地面积定量计算的光伏电站布置方法 |
CN110991083A (zh) * | 2019-12-19 | 2020-04-10 | 阳光电源(上海)有限公司 | 一种光伏电站模型确定方法、装置、设备及储存介质 |
CN111027786A (zh) * | 2019-12-30 | 2020-04-17 | 云南恒协科技有限公司 | 一种微电网运行优化和能效管理系统 |
CN111242371A (zh) * | 2020-01-10 | 2020-06-05 | 华北电力大学 | 一种基于非迭代多模型的光伏发电短期预测校正方法 |
CN111325368A (zh) * | 2018-12-13 | 2020-06-23 | 国网电动汽车服务有限公司 | 一种光储式电动汽车充电站光伏功率预测方法和装置 |
CN111581868A (zh) * | 2020-05-18 | 2020-08-25 | 中国科学院国家天文台 | 适用于fast主动反射面的故障预测和健康管理方法和系统 |
CN111695601A (zh) * | 2020-05-15 | 2020-09-22 | 特变电工西安电气科技有限公司 | 光伏功率预测方法、装置、设备及可读存储介质 |
CN111768312A (zh) * | 2020-06-22 | 2020-10-13 | 上海申铁信息工程有限公司 | 一种基于铁路系统数据编码的建筑能耗监测方法及装置 |
CN111915084A (zh) * | 2020-08-03 | 2020-11-10 | 国网山东省电力公司电力科学研究院 | 一种基于神经网络的混合型光伏发电功率预测方法及系统 |
CN112418558A (zh) * | 2020-12-07 | 2021-02-26 | 天津大学 | 一种基于多源气象预报的总辐射修正方法 |
CN112529191A (zh) * | 2020-12-29 | 2021-03-19 | 南水北调东线江苏水源有限责任公司 | 一种基于混沌算法的泵站故障树建立方法 |
CN112884238A (zh) * | 2021-03-12 | 2021-06-01 | 国网冀北电力有限公司电力科学研究院 | 光伏发电功率预测方法及装置 |
CN112949918A (zh) * | 2021-02-25 | 2021-06-11 | 山东大学 | 基于dgm-rnn的日前光伏功率预测方法及系统 |
CN113537575A (zh) * | 2021-06-25 | 2021-10-22 | 中国农业大学 | 一种含分布式光伏和电动汽车并网的趋势负荷预测方法 |
CN113723670A (zh) * | 2021-08-12 | 2021-11-30 | 浙江大学 | 变时间窗口的光伏发电功率短期预测方法 |
WO2022063282A1 (zh) * | 2020-09-27 | 2022-03-31 | 国家电网有限公司 | 确定光伏组件的生命周期的方法及装置 |
CN116930669A (zh) * | 2023-09-15 | 2023-10-24 | 深圳戴普森新能源技术有限公司 | 一种光伏逆变器故障检测方法及检测系统 |
Families Citing this family (74)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105652658B (zh) * | 2015-12-29 | 2018-12-04 | 国能日新科技股份有限公司 | 基于光伏电场数据分析及实时环境监测的有功控制系统 |
CN105701572B (zh) * | 2016-01-13 | 2020-11-06 | 国网甘肃省电力公司电力科学研究院 | 一种基于改进高斯过程回归的光伏短期出力预测方法 |
US10985694B2 (en) * | 2016-07-15 | 2021-04-20 | Enphase Energy, Inc. | Method and apparatus for determining key performance photovoltaic characteristics using sensors from module-level power electronics |
CN106503828B (zh) * | 2016-09-22 | 2019-12-27 | 上海电力学院 | 一种光伏输出功率超短期混沌预测方法 |
US11009536B2 (en) * | 2016-10-05 | 2021-05-18 | Telecom Italia S.P.A. | Method and system for estimating energy generation based on solar irradiance forecasting |
CN106685313B (zh) * | 2016-12-30 | 2018-06-22 | 珠海兆泓科技有限公司 | 用于光伏电站的发电控制方法、装置及光伏电站 |
CN106909985B (zh) * | 2017-01-11 | 2021-02-09 | 沃太能源南通有限公司 | 一种光伏发电预测系统的预测方法 |
CN107341569B (zh) * | 2017-06-26 | 2020-04-24 | 清华大学 | 结合光伏功率物理模型与数据驱动的光伏功率预测方法 |
CN108509737B (zh) * | 2018-04-09 | 2022-05-10 | 中国计量大学 | 一种光伏组串内各失配组件的参数提取方法 |
WO2020010291A1 (en) * | 2018-07-05 | 2020-01-09 | Abb Schweiz Ag | Systems and methods for identifying anomalous events for electrical systems |
KR102093796B1 (ko) * | 2018-07-26 | 2020-03-26 | (주)에코브레인 | 태양광 발전단지 기상예측 상세기술과 단지환경을 반영한 발전량 산정방법, 그 방법을 이용한 실시간 태양광 발전량 예측시스템 |
CN109325296A (zh) * | 2018-09-26 | 2019-02-12 | 国网电子商务有限公司 | 光伏电站建立方案的推荐方法、装置及电子设备 |
CN109255728B (zh) * | 2018-09-27 | 2021-09-07 | 上海电力学院 | 混沌相空间优化重构的光伏发电功率神经网络预测法 |
US11681929B2 (en) * | 2018-10-02 | 2023-06-20 | Honeywell International Inc. | Methods and systems for predicting a remaining useful life of a component using an accelerated failure time model |
CN109711700A (zh) * | 2018-12-19 | 2019-05-03 | 维科诚(苏州)光伏科技有限公司 | 一种针对光伏电站的服务网络管理系统 |
CN109613372B (zh) * | 2018-12-26 | 2021-11-19 | 国网陕西省电力公司电力科学研究院 | 一种基于多元电网数据库的电网故障诊断方法 |
CN110059871B (zh) * | 2019-04-04 | 2021-09-24 | 广东工业大学 | 光伏发电功率预测方法 |
CN109978280A (zh) * | 2019-04-19 | 2019-07-05 | 上海交通大学 | 一种通用化光伏电池工作温度预测方法及装置 |
CN109934423B (zh) * | 2019-04-25 | 2020-04-21 | 山东大学 | 基于并网逆变器运行数据的光伏电站功率预测方法及系统 |
CN110110912B (zh) * | 2019-04-26 | 2021-09-28 | 华北电力大学 | 一种光伏功率多模型区间预测方法 |
CN110059441B (zh) * | 2019-04-29 | 2022-07-19 | 广东电网有限责任公司 | 一种光伏电站建模方法及光伏电站模型输出校正方法 |
CN110263969B (zh) * | 2019-05-07 | 2023-06-02 | 西北农林科技大学 | 一种货架期苹果品质动态预测系统及预测方法 |
CN110503232A (zh) * | 2019-06-28 | 2019-11-26 | 国网浙江省电力有限公司湖州供电公司 | 一种分布式光伏负荷数据预测与修复方法 |
CN110581567B (zh) * | 2019-08-08 | 2021-07-30 | 国网山东省电力公司济南市历城区供电公司 | 实时跟踪内阻匹配的功率传输方法和系统 |
CN110472364B (zh) * | 2019-08-22 | 2022-04-19 | 电子科技大学 | 一种考虑可再生能源的离网式热电气联产系统的优化方法 |
CN110704406B (zh) * | 2019-08-30 | 2020-12-15 | 珠海格力电器股份有限公司 | 能源数据的处理方法及装置、设备 |
CN110570042B (zh) * | 2019-09-16 | 2022-10-25 | 燕山大学 | 一种短期电动汽车充电负荷预测方法及系统 |
CN110619479B (zh) * | 2019-09-23 | 2022-05-24 | 阳光电源股份有限公司 | 光伏组件的故障判别模型建模方法及故障判别方法 |
CN110598956B (zh) * | 2019-09-29 | 2022-02-18 | 国核电力规划设计研究院有限公司 | 一种光伏电站的发电功率预测方法及装置 |
CN111160603B (zh) * | 2019-11-21 | 2022-11-25 | 中国电力科学研究院有限公司 | 一种端到端电力通信业务可靠性保障方法及系统 |
CN110855241B (zh) * | 2019-12-04 | 2022-04-08 | 阳光新能源开发股份有限公司 | 一种光伏系统故障诊断方法及装置 |
CN111401603A (zh) * | 2020-01-22 | 2020-07-10 | 国网江苏省电力有限公司南京供电分公司 | 一种多类型能源需求预测方法 |
CN111461201B (zh) * | 2020-03-30 | 2023-09-19 | 重庆大学 | 基于相空间重构的传感器数据分类方法 |
CN111669123B (zh) * | 2020-05-11 | 2021-12-17 | 国家能源集团新能源技术研究院有限公司 | 用于对光伏组串进行故障诊断的方法和装置 |
CN111626506B (zh) * | 2020-05-27 | 2022-08-26 | 华北电力大学 | 基于联邦学习的区域光伏功率概率预测方法及其协同调控系统 |
CN111931981B (zh) * | 2020-07-06 | 2022-05-10 | 安徽天尚清洁能源科技有限公司 | 基于机器学习多模型组合的光伏发电超短期预测方法 |
CN111898812B (zh) * | 2020-07-17 | 2022-10-04 | 国网江苏省电力有限公司南京供电分公司 | 一种分布式光伏数据虚拟采集方法 |
CN112052985B (zh) * | 2020-08-07 | 2023-11-03 | 南京易司拓电力科技股份有限公司 | 一种基于lightgbm的中短期低电压预测方法 |
CN112036634A (zh) * | 2020-08-26 | 2020-12-04 | 阳光电源股份有限公司 | 光伏发电功率的确定方法、预测系统及可读存储介质 |
CN111950811B (zh) * | 2020-08-27 | 2024-04-09 | 国网山东省电力公司聊城供电公司 | 基于双层人工神经网络的区域光伏功率预测方法及系统 |
CN112016250A (zh) * | 2020-08-31 | 2020-12-01 | 华北电力大学 | 一种烟气scr脱硝系统不良数据辨识方法 |
CN112070319B (zh) * | 2020-09-21 | 2023-09-19 | 西安交通大学 | 一种基于时序动态回归的超短期光伏发电功率预测方法 |
CN112215478A (zh) * | 2020-09-27 | 2021-01-12 | 珠海博威电气股份有限公司 | 光储电站的功率协调控制方法和装置、存储介质 |
US20220101219A1 (en) * | 2020-09-28 | 2022-03-31 | Solarlytics, Inc. | System and method for optimizing energy obtained from renewable sources |
CN112347087B (zh) * | 2020-09-30 | 2024-05-03 | 中国铁路上海局集团有限公司 | 一种高铁沿线风速观测数据质量控制方法 |
CN112290885A (zh) * | 2020-09-30 | 2021-01-29 | 国网浙江安吉县供电有限公司 | 一种户用光伏系统直流侧故障诊断方法 |
CN112216181A (zh) * | 2020-10-30 | 2021-01-12 | 哈尔滨飞机工业集团有限责任公司 | 一种可实现双发直升机单发训练的系统和方法 |
CN112329344A (zh) * | 2020-11-03 | 2021-02-05 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种基于主成分分析法的风机风速软测量方法 |
CN112507613B (zh) * | 2020-12-01 | 2022-05-10 | 湖南工程学院 | 一种秒级超短期光伏功率预测方法 |
CN112418346B (zh) * | 2020-12-07 | 2022-10-25 | 天津大学 | 一种数值天气预报总辐射系统误差分类计算方法 |
CN112734125A (zh) * | 2021-01-15 | 2021-04-30 | 国网山西省电力公司晋城供电公司 | 一种光伏出力预测方法、装置和电子设备 |
CN112733462B (zh) * | 2021-01-21 | 2023-09-22 | 国网辽宁省电力有限公司阜新供电公司 | 一种结合气象因素的超短期风电场功率预测方法 |
CN112818592A (zh) * | 2021-01-22 | 2021-05-18 | 天津理工大学 | 基于数据挖掘的光伏电池参数及发电量预测方法及系统 |
CN112884234A (zh) * | 2021-03-04 | 2021-06-01 | 电子科技大学 | 大功率毫米波回旋行波管功率模块最优工作参数搜索方法 |
KR102444254B1 (ko) * | 2021-04-05 | 2022-09-19 | 주식회사 풍성인더스 | 태양광 발전량 예측 시스템 및 방법 |
CN113095596B (zh) * | 2021-05-07 | 2023-04-18 | 北京理工大学 | 基于多级Gate-SA-TCN的光伏功率预测方法 |
CN113191682B (zh) * | 2021-05-24 | 2022-07-29 | 温州大学 | 一种适用于电动汽车移动充电设备充电的多能源分配管理方法 |
CN113688869B (zh) * | 2021-07-21 | 2022-05-27 | 广东工业大学 | 一种基于生成对抗网络的光伏数据缺失重构方法 |
KR102382984B1 (ko) * | 2021-09-30 | 2022-04-08 | 비케이엠 주식회사 | 신재생에너지 발전기의 발전량을 예측하는 단말기 및 그것의 제어 방법 |
KR102383012B1 (ko) * | 2021-09-30 | 2022-04-08 | 비케이엠 주식회사 | 시간별 추세 예측 및 계절별 추세 예측을 동시에 수행하여 신재생에너지 발전기의 발전량을 보다 정확히 예측하는 단말기 및 그것의 제어 방법 |
CN113919606B (zh) * | 2021-12-14 | 2022-03-15 | 山东建筑大学 | 一种分布式光伏电站智能选址方法及系统 |
CN114443605B (zh) * | 2022-04-02 | 2022-07-29 | 一道新能源科技(衢州)有限公司 | 针对水上光伏系统的信息分析方法及系统 |
CN115438839B (zh) * | 2022-08-11 | 2023-08-18 | 海宁云多科技有限公司 | 基于智能电表数据的光伏功率超短期预测系统及方法 |
CN115186939B (zh) * | 2022-09-09 | 2022-12-09 | 中科航迈数控软件(深圳)有限公司 | 一种加工设备的全生命周期碳排放量预测方法 |
CN115423200B (zh) * | 2022-09-16 | 2023-12-29 | 南通沃太新能源有限公司 | 离线状态下补全太阳辐照进行光伏功率预测的方法 |
CN115293468B (zh) * | 2022-10-10 | 2022-12-27 | 佰聆数据股份有限公司 | 电网区域分布式光伏消纳潜力长期预测方法、系统及介质 |
CN115764979B (zh) * | 2022-10-12 | 2023-12-08 | 东南大学溧阳研究院 | 一种计及通信延时的分布式光伏系统稳定性量化评估方法 |
CN116231644B (zh) * | 2023-03-22 | 2023-11-03 | 华能新能源股份有限公司河北分公司 | 一种集中式光伏发电量预测方法、系统、计算机及介质 |
CN116629791A (zh) * | 2023-05-24 | 2023-08-22 | 内蒙古正志网络科技有限公司 | 一种基于大数据的信息预测分析系统及方法 |
CN116722548B (zh) * | 2023-08-09 | 2023-12-29 | 深圳航天科创泛在电气有限公司 | 一种基于时间序列模型的光伏发电预测方法及相关设备 |
CN117200199B (zh) * | 2023-09-06 | 2024-04-02 | 国网上海市电力公司 | 一种基于天气分型的光伏功率预测方法和系统 |
CN117239742B (zh) * | 2023-11-14 | 2024-01-26 | 成都量芯集成科技有限公司 | 一种基于改进蚁群算法的光伏阵列全局重构装置及其方法 |
CN117252729B (zh) * | 2023-11-17 | 2024-04-16 | 北京恒信启华信息技术股份有限公司 | 一种基于大数据的光伏电站管理方法及系统 |
CN117477563A (zh) * | 2023-12-27 | 2024-01-30 | 深圳力高新能技术有限公司 | 一种光伏发电功率预测用样本日搜索方法、系统及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101769788A (zh) * | 2009-12-29 | 2010-07-07 | 青海国泰节能技术研究院 | 一种光伏电站光功率预测及发电量预测的方法 |
CN102799948A (zh) * | 2012-06-21 | 2012-11-28 | 华北电力大学 | 一种并网型光伏电站发电系统输出功率预测方法 |
CN103390197A (zh) * | 2013-07-04 | 2013-11-13 | 云南电网公司北京能源新技术研究发展中心 | 一种基于时间段聚类的光伏电站功率预测系统 |
CN103699944A (zh) * | 2013-12-31 | 2014-04-02 | 国电南京自动化股份有限公司 | 一种多预测模式的风电光伏发电功率预测系统 |
CN104268659A (zh) * | 2014-10-09 | 2015-01-07 | 国电南瑞科技股份有限公司 | 一种光伏电站发电功率超短期预测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3984604B2 (ja) * | 2004-07-12 | 2007-10-03 | 日本電信電話株式会社 | 太陽光発電システムの発電量予測方法、装置、およびプログラム |
JP2008077561A (ja) * | 2006-09-25 | 2008-04-03 | Nippon Telegr & Teleph Corp <Ntt> | エネルギー予測方法、エネルギー予測装置およびプログラム |
JP5393715B2 (ja) * | 2011-03-10 | 2014-01-22 | 三菱電機株式会社 | 診断装置、太陽光発電システム及び診断方法 |
JP5734936B2 (ja) * | 2012-09-21 | 2015-06-17 | 株式会社東芝 | 発電量予測装置およびその方法 |
JP2014157457A (ja) * | 2013-02-15 | 2014-08-28 | Nec Corp | 予測装置および予測方法 |
-
2015
- 2015-08-31 CN CN201510552067.0A patent/CN105184404B/zh active Active
- 2015-09-24 WO PCT/CN2015/090587 patent/WO2017035884A1/zh active Application Filing
- 2015-09-24 JP JP2017534728A patent/JP6379299B2/ja active Active
- 2015-09-24 US US15/549,668 patent/US20180046924A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101769788A (zh) * | 2009-12-29 | 2010-07-07 | 青海国泰节能技术研究院 | 一种光伏电站光功率预测及发电量预测的方法 |
CN102799948A (zh) * | 2012-06-21 | 2012-11-28 | 华北电力大学 | 一种并网型光伏电站发电系统输出功率预测方法 |
CN103390197A (zh) * | 2013-07-04 | 2013-11-13 | 云南电网公司北京能源新技术研究发展中心 | 一种基于时间段聚类的光伏电站功率预测系统 |
CN103699944A (zh) * | 2013-12-31 | 2014-04-02 | 国电南京自动化股份有限公司 | 一种多预测模式的风电光伏发电功率预测系统 |
CN104268659A (zh) * | 2014-10-09 | 2015-01-07 | 国电南瑞科技股份有限公司 | 一种光伏电站发电功率超短期预测方法 |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274021A (zh) * | 2017-06-16 | 2017-10-20 | 南京国电南自电网自动化有限公司 | 一种光伏功率预测系统干扰数据处理系统及方法 |
CN108564192B (zh) * | 2017-12-29 | 2021-06-08 | 河海大学 | 一种基于气象因子权重相似日的短期光伏功率预测方法 |
CN108564192A (zh) * | 2017-12-29 | 2018-09-21 | 河海大学 | 一种基于气象因子权重相似日的短期光伏功率预测方法 |
CN111325368A (zh) * | 2018-12-13 | 2020-06-23 | 国网电动汽车服务有限公司 | 一种光储式电动汽车充电站光伏功率预测方法和装置 |
CN110766198A (zh) * | 2019-09-18 | 2020-02-07 | 中国电建集团青海省电力设计院有限公司 | 一种基于光伏电站占地面积定量计算的光伏电站布置方法 |
CN110991083A (zh) * | 2019-12-19 | 2020-04-10 | 阳光电源(上海)有限公司 | 一种光伏电站模型确定方法、装置、设备及储存介质 |
CN110991083B (zh) * | 2019-12-19 | 2023-07-14 | 阳光电源(上海)有限公司 | 一种光伏电站模型确定方法、装置、设备及储存介质 |
CN111027786A (zh) * | 2019-12-30 | 2020-04-17 | 云南恒协科技有限公司 | 一种微电网运行优化和能效管理系统 |
CN111027786B (zh) * | 2019-12-30 | 2023-07-25 | 云南恒协科技有限公司 | 一种微电网运行优化和能效管理系统 |
CN111242371A (zh) * | 2020-01-10 | 2020-06-05 | 华北电力大学 | 一种基于非迭代多模型的光伏发电短期预测校正方法 |
CN111695601A (zh) * | 2020-05-15 | 2020-09-22 | 特变电工西安电气科技有限公司 | 光伏功率预测方法、装置、设备及可读存储介质 |
CN111695601B (zh) * | 2020-05-15 | 2023-06-20 | 特变电工西安电气科技有限公司 | 光伏功率预测方法、装置、设备及可读存储介质 |
CN111581868A (zh) * | 2020-05-18 | 2020-08-25 | 中国科学院国家天文台 | 适用于fast主动反射面的故障预测和健康管理方法和系统 |
CN111581868B (zh) * | 2020-05-18 | 2023-09-22 | 中国科学院国家天文台 | 适用于fast主动反射面的故障预测和健康管理方法和系统 |
CN111768312B (zh) * | 2020-06-22 | 2023-06-30 | 上海申铁信息工程有限公司 | 一种基于铁路系统数据编码的建筑能耗监测方法及装置 |
CN111768312A (zh) * | 2020-06-22 | 2020-10-13 | 上海申铁信息工程有限公司 | 一种基于铁路系统数据编码的建筑能耗监测方法及装置 |
CN111915084A (zh) * | 2020-08-03 | 2020-11-10 | 国网山东省电力公司电力科学研究院 | 一种基于神经网络的混合型光伏发电功率预测方法及系统 |
WO2022063282A1 (zh) * | 2020-09-27 | 2022-03-31 | 国家电网有限公司 | 确定光伏组件的生命周期的方法及装置 |
CN112418558B (zh) * | 2020-12-07 | 2022-03-11 | 天津大学 | 一种基于多源气象预报的总辐射修正方法 |
CN112418558A (zh) * | 2020-12-07 | 2021-02-26 | 天津大学 | 一种基于多源气象预报的总辐射修正方法 |
CN112529191A (zh) * | 2020-12-29 | 2021-03-19 | 南水北调东线江苏水源有限责任公司 | 一种基于混沌算法的泵站故障树建立方法 |
CN112949918A (zh) * | 2021-02-25 | 2021-06-11 | 山东大学 | 基于dgm-rnn的日前光伏功率预测方法及系统 |
CN112884238A (zh) * | 2021-03-12 | 2021-06-01 | 国网冀北电力有限公司电力科学研究院 | 光伏发电功率预测方法及装置 |
CN113537575B (zh) * | 2021-06-25 | 2023-11-21 | 中国农业大学 | 一种含分布式光伏和电动汽车并网的趋势负荷预测方法 |
CN113537575A (zh) * | 2021-06-25 | 2021-10-22 | 中国农业大学 | 一种含分布式光伏和电动汽车并网的趋势负荷预测方法 |
CN113723670A (zh) * | 2021-08-12 | 2021-11-30 | 浙江大学 | 变时间窗口的光伏发电功率短期预测方法 |
CN113723670B (zh) * | 2021-08-12 | 2023-12-08 | 浙江大学 | 变时间窗口的光伏发电功率短期预测方法 |
CN116930669B (zh) * | 2023-09-15 | 2023-11-17 | 深圳戴普森新能源技术有限公司 | 一种光伏逆变器故障检测方法及检测系统 |
CN116930669A (zh) * | 2023-09-15 | 2023-10-24 | 深圳戴普森新能源技术有限公司 | 一种光伏逆变器故障检测方法及检测系统 |
Also Published As
Publication number | Publication date |
---|---|
JP2018501582A (ja) | 2018-01-18 |
CN105184404A (zh) | 2015-12-23 |
JP6379299B2 (ja) | 2018-08-22 |
US20180046924A1 (en) | 2018-02-15 |
CN105184404B (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017035884A1 (zh) | 适用于光伏系统全生命周期的输出功率分类预测系统 | |
CN111008728B (zh) | 一种用于分布式光伏发电系统短期出力的预测方法 | |
Dhimish et al. | Comparing Mamdani Sugeno fuzzy logic and RBF ANN network for PV fault detection | |
CN105656197A (zh) | 一种分布式光伏电站智能运维系统和方法 | |
CN106228278A (zh) | 光伏功率预测系统 | |
Nobre et al. | PV power conversion and short-term forecasting in a tropical, densely-built environment in Singapore | |
CN105337575B (zh) | 光伏电站状态预测及故障诊断方法和系统 | |
CN105260800A (zh) | 一种光伏组件温度预测方法及装置 | |
CN103904682B (zh) | 一种基于风光混合模型的功率预测方法 | |
CN113496311A (zh) | 光伏电站发电功率预测方法及系统 | |
KR102230548B1 (ko) | Frbfnn 모델을 이용한 태양광 발전설비의 발전예측 및 효율진단 시스템 | |
CN110601250A (zh) | 一种基于新能源电站接入点静态电压稳定性评估方法 | |
CN108696249B (zh) | 光伏组件故障快速诊断方法 | |
Manur et al. | Smart solar home system with solar forecasting | |
Zhi et al. | A physical model with meteorological forecasting for hourly rooftop photovoltaic power prediction | |
Sahoo et al. | Energy forecasting for grid connected MW range solar PV system | |
Sánchez-García et al. | Short term photovoltaic power production using a hybrid of nearest neighbor and artificial neural networks | |
Deng et al. | A Survey of the Researches on Grid-Connected Solar Power Generation Systems and Power Forecasting Methods Based on Ground-Based Cloud Atlas | |
Chen et al. | Probabilistic Prediction of Photovoltaic Power Using Bayesian Neural Network-LSTM Model | |
Ntlela et al. | Solar irradiation forecasting for the city of Durban using time series analysis | |
KR20220072961A (ko) | 머신러닝을 이용한 태양광 발전 예측 시스템 및 방법 | |
Chen et al. | Solar photovoltaic power generation prediction based on deep learning methods | |
KR102379984B1 (ko) | 신재생에너지 발전 관리 시스템 | |
CN117220344B (zh) | 一种隔离型光伏并网控制方法和装置 | |
Alexakos et al. | Photovoltaic Energy Production Forecasting and Operational Analytics: A Real-World Study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 15902691 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2017534728 Country of ref document: JP Kind code of ref document: A |
|
WWE | Wipo information: entry into national phase |
Ref document number: 15549668 Country of ref document: US |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 15902691 Country of ref document: EP Kind code of ref document: A1 |