A regional satellite image based on distributed PV output forecasting method, which comprises the following steps: Step 1: according to the meshing area of distributed photovoltaic system; step 2: Step 3: historical data records; data processing; step 4: clear power power data model; step 5: cloud computing index; step 6: for each at the same time lag output power grid scale data, the modified model of power, sky solar space-time model data, air quality data, weather information and satellite operator Juntuyun index data is normalized, and then establish the Elman neural network model with random training method; step 7: the latest calculation parameter is input to the input variables model, the prediction data superposition of each grid as a regional PV output prediction data. The invention has higher prediction accuracy and higher efficiency.
【技术实现步骤摘要】
基于卫星云图的区域分布式光伏出力预测方法
本专利技术涉及一种基于卫星云图的区域分布式光伏出力预测方法,主要包括一种分布式光伏区域网格分割并分别建模的方法,数据差错处理方法以及充分利用卫星图像改善预测精度的策略和利用随机训练方法的Elman神经网络算法。
技术介绍
随着光伏新能源发电行业的发展,分布式光伏并网规模越来越大。由于光伏出力具有随机性、间歇性和波动性,因此建立精度可靠的光伏发电功率预测系统尤为重要。现有的出力预测方法大多数只考虑单个光伏系统,无法适应实际情况中电网内存在多个分布式光伏系统的情况。其次已有模型无法在输出功率变化较大的情况下即时反映变化信息,导致电网的能量调度不及时,产生电压波动。另一方面部分预测系统采用昂贵的云图测量仪器,不能满足经济性要求。
技术实现思路
为了克服已有现有技术中无法实现区域分布式光伏出力预测的不足,本专利技术提供一种预测精度较高、效率较高的基于卫星云图的区域分布式光伏出力预测方法。本专利技术解决其技术问题所采用的技术方案是:一种基于卫星云图的区域分布式光伏出力预测方法,包括如下步骤:步骤1:按照网格划分区域分布式光伏系统;步骤2:记录区域光伏电站的近期实测功率数据和因特网气象服务器的相关信息和云高度计测量数据;步骤3:对所述光伏电站的历史实测功率数据、因特网气象相关数据和云高度数据进行数据预处理;步骤4:所述分布式光伏电站的空间地理信息和时间信息计算太阳时空模型相关理论数据,并以此修正功率晴空模型的功率数据;步骤5:使用连续两张风云2号气象卫星索引图像,利用Heliosat方法提取云图信息,对得到云指数像素区域进行修正, ...
【技术保护点】
一种基于卫星云图的区域分布式光伏出力预测方法,其特征在于:包括如下步骤:步骤1:按照网格划分区域分布式光伏系统;步骤2:记录区域光伏电站的近期实测功率数据和因特网气象服务器的相关信息和云高度计测量数据;步骤3:对所述光伏电站的历史实测功率数据、因特网气象相关数据和云高度数据进行数据预处理;步骤4:所述分布式光伏电站的空间地理信息和时间信息计算太阳时空模型相关理论数据,并以此修正功率晴空模型的功率数据;步骤5:使用连续两张风云2号气象卫星索引图像,利用Heliosat方法提取云图信息,对得到云指数像素区域进行修正,进而利用平均云指数构造新的云指数算子;步骤6:对各网格输出功率不同时滞尺度数据、修正后的晴空模型功率、太阳时空模型数据、空气质量数据、气象预报信息和卫星云图云指数算子数据归一化处理,进而利用随机训练方法分别建立Elman神经网络模型;步骤7:将最新计算的输入变量参数输入至上述模型,将每个网格的预测数据累加作为区域光伏出力预测数据。
【技术特征摘要】
1.一种基于卫星云图的区域分布式光伏出力预测方法,其特征在于:包括如下步骤:步骤1:按照网格划分区域分布式光伏系统;步骤2:记录区域光伏电站的近期实测功率数据和因特网气象服务器的相关信息和云高度计测量数据;步骤3:对所述光伏电站的历史实测功率数据、因特网气象相关数据和云高度数据进行数据预处理;步骤4:所述分布式光伏电站的空间地理信息和时间信息计算太阳时空模型相关理论数据,并以此修正功率晴空模型的功率数据;步骤5:使用连续两张风云2号气象卫星索引图像,利用Heliosat方法提取云图信息,对得到云指数像素区域进行修正,进而利用平均云指数构造新的云指数算子;步骤6:对各网格输出功率不同时滞尺度数据、修正后的晴空模型功率、太阳时空模型数据、空气质量数据、气象预报信息和卫星云图云指数算子数据归一化处理,进而利用随机训练方法分别建立Elman神经网络模型;步骤7:将最新计算的输入变量参数输入至上述模型,将每个网格的预测数据累加作为区域光伏出力预测数据。2.如权利要求1所述的基于卫星云图的区域分布式光伏出力预测方法,其特征在于:所述步骤4中,修正功率晴空模型的功率数据的过程如下:计算太阳时角ω、太阳天顶角θ和太阳辐射度理论数据GCLR;ω=15×(ST-12)其中ST为时间,以24小时计,θ=arccos(sinφsinδ+cosφcosδcosω)其中φ为计算点的纬度,δ为赤纬角,其中k是由经验确定的正常数,ai为拟合得到的经验系数,进一步搜索各分布式光伏系统最临近晴空天气下的历史功率数据进一步利用待测日和上述历史数据日期的理论辐射度数据比值修正功率数据,以此作为晴空模型下的功率数据,式中Picl为待预测时间的晴空功率,G'CLR为待预测时间的模型计算辐射度,G'n为最临近晴空天气对应时间的模型计算辐射度。3.如权利要求1或2所述的基于卫星云图的区域分布式光伏出力预测方法,其特征在于:所述步骤5中,云指数算子的计算过程如下:首先在原始卫星云图中截取合适大小区域的局部云图,进一...
【专利技术属性】
技术研发人员:潘国兵,吴雄增,陈金鑫,毛涛涛,普帅帅,卢从成,叶颖,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。