太阳直接辐射值预测方法和系统技术方案

提出了一种太阳直接辐射值预测方法和系统，属于预测技术领域。该方法包括：A，使用中尺度预测模型对气象信息进行预测，生成中尺度预测数据；B，将所述中尺度预测数据分类为使用晴空模型和阴天模型的预测数据；C，对适用晴空模型的预测数据，直接采用晴空模型的理论计算值，对太阳直接辐射值进行中期预测；D，对适用阴天模型的预测数据，将太阳总辐射值通过模型转化，输出太阳直接辐射值。

Method and system for predicting the value of direct solar radiation

A method and system for predicting the value of direct solar radiation is proposed, which belongs to the field of prediction technology. The method includes: A, using mesoscale model to forecast the weather information, generate mesoscale forecast data; B scale the forecast data for classification prediction data using clear and cloudy model model; C, forecast data for clear sky model, calculated by direct recovery of clear sky model theory. On solar radiation directly value D, Medium-term Forecast; forecast data for cloudy model, the total solar radiation value through the model transformation, the output values of the direct solar radiation.

【技术实现步骤摘要】
太阳直接辐射值预测方法和系统
本专利技术涉及预测
，尤其涉及一种太阳直接辐射值预测方法和系统。
技术介绍
太阳辐射具有波动性和间歇性，大规模光热电站或聚光光伏电站并网运行可能对电力系统的安全稳定经济运行造成影响。对光热或聚光光伏电站的输出功率进行预测有助于电力系统调度部门统筹安排常规能源和光热发电的协调配合，及时调整调度计划，合理安排电网运行方式，一方面有效地降低光热接入对电网的影响，提高电网运行的安全性和稳定性，另一方面减少电力系统的旋转备用和运行成本，以充分利用太阳能资源。而对光热或聚光光伏电站的输出功率进行准确预测的前提是将太阳直接辐射值DNI（DirectNormalIrradiance）进行准确预测。现有技术并没有公开对太阳直接辐射值进行预测的方法和系统。由于太阳直接辐射值受多种气象因素的影响，尤其是云层的影响，准确地预测太阳直接辐射值非常困难。
技术实现思路
为此，本专利技术提出一种太阳直接辐射值预测方法与系统，提供中期0～7天、短期0～48小时、超短期0～4小时的预测，中期预测结果每天预测刷新一次、短期预测结果每12h刷新一次，超短期预测结果每15min刷新一次。根据本文档来自技高网...

【技术保护点】
一种太阳直接辐射值预测方法，其特征在于，所述方法包括：A，使用中尺度预测模型对气象信息进行预测，生成中尺度预测数据；B，将所述中尺度预测数据分类为使用晴空模型和阴天模型的预测数据，包括：B1，获得太阳直接辐射值的历史测量数据并对历史测量数据进行分类，分类为分别适用晴空模型和阴天模型的历史测量数据；其中太阳直接辐射值的历史测量数据为采用地面的太阳辐射测量仪对太阳直接辐射的实际测量值，具体的分类方法为：按照晴空模型对太阳直接辐射的理论计算值与所述实际测量值的差异对历史测量数据进行分类，差异超过预设差异阀值范围的历史测量数据适用阴天模型、在差异阀值范围内的历史测量数据适用晴空模型；B2，采用人工智能...

【技术特征摘要】
1.一种太阳直接辐射值预测方法，其特征在于，所述方法包括：A，使用中尺度预测模型对气象信息进行预测，生成中尺度预测数据；B，将所述中尺度预测数据分类为使用晴空模型和阴天模型的预测数据，包括：B1，获得太阳直接辐射值的历史测量数据并对历史测量数据进行分类，分类为分别适用晴空模型和阴天模型的历史测量数据；其中太阳直接辐射值的历史测量数据为采用地面的太阳辐射测量仪对太阳直接辐射的实际测量值，具体的分类方法为：按照晴空模型对太阳直接辐射的理论计算值与所述实际测量值的差异对历史测量数据进行分类，差异超过预设差异阀值范围的历史测量数据适用阴天模型、在差异阀值范围内的历史测量数据适用晴空模型；B2，采用人工智能方法对与历史测量数据同时段的预测数据以及对应的分类进行训练学习，获得预测数据分类模型，其中，将与已分类历史测量数据同时段的预测数据作为输入变量，将与已分类历史测量数据对应的分类因子作为输出变量，将分类为适用晴空模型的历史测量数据对应的分类因子设为第一值，将适用阴天模型的分类因子设为与第一值不同的第二值；B3，根据中尺度预测数据以及预测数据分类模型对中尺度预测数据进行分类，将中尺度预测数据作为预测数据分类模型的输入，根据输出将预测数据分类为适于晴天模型的数据或是适于阴天模型的数据；C，对适用晴空模型的预测数据，直接采用晴空模型的理论计算值，对太阳直接辐射值进行中期预测；D，对适用阴天模型的预测数据，将太阳总辐射值通过模型转化，输出太阳直接辐射值，包括：D1，在太阳总辐射值的历史测量数据中，选择与预测数据中的太阳总辐射值接近的历史测量数据，组成训练集；D2，采用人工智能方法对与选择的历史测量数据同时段的预测数据以及同时段的太阳直接辐射值的历史测量数据进行训练学习，获得中期预测模型；D3，根据中尺度预测数据以及中期预测模型预测太阳直接辐射值。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：E，对于适用晴空模型的数据，直接采用晴空模型的理论计算值，对太阳直接辐射值进行短期和超短期预测；F，对适用阴天模型的数据，将太阳总辐射值通过模型转化，输出短期和超短期预测的太阳直接辐射值，包括：F1，在太阳总辐射值的历史测量数据中，选择与预测数据中的太阳总辐射值接近的历史测量数据，组成训练集；F2，用人工智能方法对与选择的历史测量数据同时段的预测数据以及同时段的云层实时测量数据和实时太阳直接辐射值进行训练学习，获得短期与超短期预测模型；F3，根据预测数据、云层实时测量数据、实时太阳直接辐射值以及短期与超短期预测模型预测太阳直接辐射值。3.根据权利要求1或2所述的方法，其特征在于：所述中尺度预测数据包括中期预测数据、短期预测数据和超短期预测数据,预测量包括太阳总辐射值、气压、温度、相对湿度、云层覆盖度、风速、风向。4.根据权利要求1或2所述的方法，其特征在于：步骤D2中，将与选择的历史测量数据同时段的预测数据作为输入变量，将与选择的历史测量数据同时段的太阳直接辐射值的历史测量数据作为输出变量。5.根据权利要求1或2所述的方法，其特征在于：步骤D3中，将中尺度预测数据作为中期预测模型的输入，输出中期预测的太阳直接辐射值。6.根据权利要求2所述的方法，其特征在于：所述云层实时测量数据包括卫星影像、雷达、现场摄像云层观测实时资料。7.一种太阳直接辐射值预测系统，其特征在于，所述系统包括：数值气象预报设备，使用中尺度预测模型对气象信息进行预测，生成中尺度预测数据；中期预测设备，包括分类装置，将所述中尺度预测数据分类为使用晴空模型和阴天模型的预测数据，分类装置包括...

【专利技术属性】
技术研发人员：彭怀午，杨晓峰，
申请(专利权)人：内蒙古电力勘测设计院有限责任公司，
类型：发明
国别省市：内蒙古,15