【技术实现步骤摘要】
基于光伏阵列传感器关联性的未来光照度预测方法
本专利技术涉及光伏发电
，更具体地，涉及一种基于光伏阵列传感器关联性的未来光照度预测方法。
技术介绍
光伏发电作为新能源领域一种较为常见的发电方式，存在着间歇性的问题，对于微电网的运行以及电力系统的稳定性提出了挑战，同时在电力交易场景中对于上网电价也有所影响，因此光伏发电的光照度预测就成为了一个关键因素。目前常见的光伏发电光照度预测方法主要通过太阳辐照度传递方程、组件运行方程等建立预测模型，然后将太阳辐照度作为输入向量得到相应的未来光照度数据。然而，这种方法所建立的预测模型具有一定的局限性。此外，由于在同一个光伏阵列中的传感器具有不同程度的关联性，当云层移动的时候，光照度的变化会基于不同传感器之间的关联性形成传递，而现有的光伏发电光照度预测方法并没有考虑到传感器之间的关联性，因此存在预测精度低的问题。
技术实现思路
本专利技术为克服上述现有技术所述的没有考虑传感器之间的关联性导致预测精度低的缺陷，提供一种基于光伏阵列传感器关联性的未来光照度预测方法。为解决上述技术问题，本专利技术的技术方案如下：一种基于光伏阵列传感器...
【技术保护点】
1.一种基于光伏阵列传感器关联性的未来光照度预测方法，其特征在于，包括以下步骤：S1：根据光伏阵列所在位置每一时刻的太阳高度角h和太阳辐射度X计算所有传感器每一时刻的太阳光照度Y；S2：对附近传感器每一时刻的太阳光照度通过小波分析获取附近传感器当前时刻的太阳光照度的低频系数和附近传感器的历史光照度数据的高频系数，然后通过小波逆变换生成附近传感器的带谐波的太阳光照度数据H(t)；S3：对中心传感器的太阳光照度与附近传感器的太阳光照度进行关联性计算，得到中心传感器与附近传感器之间的超前滞后关系数据M；S4：将所述中心传感器与附近传感器之间的超前滞后关系数据M作为移动时间长度，对...
【技术特征摘要】
1.一种基于光伏阵列传感器关联性的未来光照度预测方法，其特征在于，包括以下步骤：S1：根据光伏阵列所在位置每一时刻的太阳高度角h和太阳辐射度X计算所有传感器每一时刻的太阳光照度Y；S2：对附近传感器每一时刻的太阳光照度通过小波分析获取附近传感器当前时刻的太阳光照度的低频系数和附近传感器的历史光照度数据的高频系数，然后通过小波逆变换生成附近传感器的带谐波的太阳光照度数据H(t)；S3：对中心传感器的太阳光照度与附近传感器的太阳光照度进行关联性计算，得到中心传感器与附近传感器之间的超前滞后关系数据M；S4：将所述中心传感器与附近传感器之间的超前滞后关系数据M作为移动时间长度，对附近传感器的带谐波的太阳光照度数据H(t)进行时移处理，获得附近传感器的未来光照度数据h(t)。2.根据权利要求1所述的未来光照度预测方法，其特征在于：所述S1步骤中，太阳辐射度X的计算公式如下：X＝0.69243h+0.41526h2-0.00511h3当需要计算可见光波段总日射对应的传感器每一时刻的太阳光照度Y时：Y＝255.613X+362.649当需要计算全波段总日射对应的传感器每一时刻的太阳光照度Y时：Y＝-402.591+100.466X+0.00971536X2。3.根据权利要求2所述的未来光照度预测方法，其特征在于：所述S2步骤的具体步骤如下：S2.1：选定基小波作为小波分析的基础，对所选定的基小波进行伸缩和平移后获得一个小波序列：其中，a为伸缩因子，b为平移因子，ψ(·)表示所选定的基小波；S2.2：通过连续小波变换提取附近传感器当前时刻的太阳光照度的低频系数及附近传感器历史太阳光照度的高频系数(Wψf)(a,b)，其计算公式如下：其中，f(t)表示能量有限信号，即为附近传感器当前时刻的太阳光照度数据。S2.3：将所述低频系数、高频系数以及小波序列通过小波逆变换生成附近传感器带谐波的太阳光照度信号H(t)，其计算公式如下：其中，cψ为小波的可容许条件。4.根据权利要求3所述的未来光照度预测方法，其特征在于：所述S3步骤的具体步骤如下：S3.1：将中心传感器的历史光照度数据组成光照度序列F1(t)，并对其进行归一化处理，得到经过归一化处理的中心传感器光照度序列f1(t)；S3.2：在经过归一化处...
【专利技术属性】
技术研发人员：李泽锴，王林钰，温永燊，樊奕良，吴皖莉，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44
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。