【技术实现步骤摘要】
201510745368
【技术保护点】
一种光伏电站超短时功率预测修正方法,其特征在于,包括以下步骤:步骤一,对光伏电站历史数据按月建立4种日类型集合;光伏电站历史数据按月建立4种日类型集合,其具体实施方法为:以同周期历史气象参数及光伏发电功率为主要参数依据,按月建立数据集合,每月同日类型的光伏电站的气象变化和发电功率具有相似性;4种日类型集合为A、B、C、D四种,其中A类日类型为晴、晴间多云、多云间晴天气,B类日类型为阴、阴间多云、多云、多云间阴、雾天气,C类日类型为雨夹雪、小雨、冻雨、小到中雨、阵雪、小雪、小到中雪阵雨、雷阵雨、雷阵雨伴有冰雹天气,D类日类型为特大暴雨、中雪、大雪、暴雪、大暴雨到特大暴雨、中雨、大雨、暴雨、大暴雨、中到大雪、大到暴雪、沙尘暴、中到大雨、大到暴雨、雷雨到大暴雨天气;步骤二,每数据集合选取每周6个工作日的光伏电站历史数据,共建立每月24组工作日数据,其中每组工作日的光伏电站历史数据至少包括温度T、湿度S、辐照度F、光伏电站实测功率Pc、以及功率预测系统的光伏电站预测功率Py,每组工作日的光伏电站历史数据从早晨6点到下午6点之间采集,光伏电站历史数据的采集分辨率为15分钟;步骤三,计算每个工作日 ...
【技术特征摘要】
1.一种光伏电站超短时功率预测修正方法,其特征在于,包括以下步骤:
步骤一,对光伏电站历史数据按月建立4种日类型集合;
光伏电站历史数据按月建立4种日类型集合,其具体实施方法为:以同周
期历史气象参数及光伏发电功率为主要参数依据,按月建立数据集合,每月同
日类型的光伏电站的气象变化和发电功率具有相似性;
4种日类型集合为A、B、C、D四种,其中A类日类型为晴、晴间多云、
多云间晴天气,B类日类型为阴、阴间多云、多云、多云间阴、雾天气,C类日
类型为雨夹雪、小雨、冻雨、小到中雨、阵雪、小雪、小到中雪阵雨、雷阵雨、
雷阵雨伴有冰雹天气,D类日类型为特大暴雨、中雪、大雪、暴雪、大暴雨到
特大暴雨、中雨、大雨、暴雨、大暴雨、中到大雪、大到暴雪、沙尘暴、中到
大雨、大到暴雨、雷雨到大暴雨天气;
步骤二,每数据集合选取每周6个工作日的光伏电站历史数据,共建立每
月24组工作日数据,其中每组工作日的光伏电站历史数据至少包括温度T、湿
度S、辐照度F、光伏电站实测功率Pc、以及功率预测系统的光伏电站预测功率
Py,每组工作日的光伏电站历史数据从早晨6点到下午6点之间采集,光伏电站
历史数据的采集分辨率为15分钟;
步骤三,计算每个工作日连续两采集点之间的温度变化值ΔTN、湿度变化
值ΔSN、辐照度变化值ΔFN、以及当前采集点的光伏电站实测功率与预测功率
差值ΔPN;
其实现方法为:
ΔTN=TN-1-TN-2;
ΔSN=SN-1-SN-2;
ΔFN=FN-1-FN-2;
ΔPN=Pc,N-Py,N;
N点是未来的时间点,N-1和N-2是已经发生的时间点,我们这里用前面两
\t个时间点的温度、湿度、辐照度的变化规律来衡量未来时间点的变化规律;
其中ΔTN为工作日第N个采集点的温度变化值,ΔSN为工作日第N个采集
点的湿度变化值,ΔFN为工作日第N个采集点的辐照度变化值,ΔPN为工作日
第N个采集点的实测功率与预测功率差值,Pc,N为工作日第N个采集点的光伏
电站实测功率,Py,N为工作日第N个采集点的光伏电站预测功率,N为工作日的
第N个采集点,早晨6点为第一个采集点,此时N为1,下午6点为最后一个
采集点,此时N为48,每个工作日连续两采集点之间的温度变化值ΔTN、湿度
变化值ΔSN、辐照度变化值ΔFN均为46个;
步骤四,按月计算每数据集合连续两采集点的温度影响系数KtN、湿度影响
系数KsN、辐照度影响系数KfN;
第N个采集点的光伏电站实测功率与预测功率差值ΔPN为:
ΔPN=ΔTN,M·KtN,M+ΔSN,M·KsN,M+ΔFN,M·KfN,M;
对于光伏电站的历史发电数据,上述ΔPN的算式存在3个未知数,即KtN,M、
KsN,M、KfN,M,需要3组数据可以求出KtN,M、...
【专利技术属性】
技术研发人员:廖东进,黄云龙,刘晓龙,方晓敏,黄志平,
申请(专利权)人:衢州职业技术学院,
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。