一种光伏电站发电量计算方法及服务器技术

本发明专利技术提供的光伏电站发电量计算方法及服务器，应用于光伏发电技术领域，该方法将目标电站的实际光伏电站发电量计算分为两部分，在获取指定时间段内目标电站的预设气象参数的时间序列数据后，基于系统物理模型计算目标电站的理论发电功率的时间序列数据，同时，基于损耗模型计算目标电站的发电损耗的时间序列数据，最终根据目标电站的理论发电功率的时间序列数据和发电损耗的时间序列数据计算得到目标电站在指定时间段内的预估发电量，本方法将理论发电功率与发电损耗分开计算，对光伏电站发电量的计算更为细致，能够提高发电量预估计算的准确度，对光伏电站经济效益评估提供有力的基础数据支持，满足实际应用需求。

【技术实现步骤摘要】
一种光伏电站发电量计算方法及服务器
本专利技术涉及光伏发电
，特别涉及一种光伏电站发电量计算方法及服务器。
技术介绍
随着光伏发电技术的不断发展，光伏电站接入供电网络与传统电站配合共同为负载供电已经得到广泛应用。在大量的光伏电站接入供电网络的情况下，光伏电站提供的电能势必会对供电网络的运行、调度产生较大的影响，因此，预估计算光伏电站在指定时间区间内的发电量，是为供电网络运行、调度提供参考依据的重要手段，同时也是考核光伏电站预期经济效益、运行性能的有效途径之一。现有技术中的光伏电站发电量预估计算方法，大都将光伏电站作为整体进行分析，并以此为基础建立预测模型。在实际使用时，通过向所得预测模型中输入预设的气象、电站参数，预测得到光伏电站的发电量。然而，专利技术人研究发现，将光伏电站整体作为分析对象，虽然能够极大的降低预测模型的难度，但往往预测得到的光伏电站的发电量不够准确，难以对供电网络运行调度，以及光伏电站经济效益评估提供有力的基础数据支持，不能满足实际应用需求。
技术实现思路
本专利技术提供一种光伏电站发电量计算方法及服务器，结合光伏电站的系统物理模型和损耗模型对光伏电站的发电量进行计算，提高发电量预估计算的准确度，对供电网络运行调度，以及光伏电站经济效益评估提供有力的基础数据支持，满足实际应用需求。为实现上述目的，本专利技术提供的技术方案如下：第一方面，本专利技术提供一种光伏电站发电量计算方法，包括：获取指定时间段内目标电站的预设气象参数的时间序列数据；调用所述目标电站的系统物理模型和损耗模型，其中，所述系统物理模型基于所述目标电站的设置信息搭建，所述损耗模型用于计算所述目标电站的发电损耗；将所述预设气象参数的时间序列数据分别输入所述系统物理模型，得到所述目标电站的理论发电功率的时间序列数据；将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据输入所述损耗模型，得到所述目标电站的发电损耗的时间序列数据；根据所述理论发电功率的时间序列数据以及所述发电损耗的时间序列数据，计算得到所述目标电站在所述指定时间段内的预估发电量。可选的，所述损耗模型包括物理损耗模型和随机损耗模型，其中，所述物理损耗模型基于所述目标电站中各光伏设备的设备参数搭建，用于计算所述目标电站中可线性描述的损耗；所述随机损耗模型用于计算所述目标电站的随机损耗。可选的，所述将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据输入所述损耗模型，得到所述目标电站的发电损耗的时间序列数据，包括：将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据输入所述物理损耗模型，得到所述发电损耗的第一时间序列数据；将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据输入所述随机损耗模型，得到所述发电损耗的第二时间序列数据。可选的，所述随机损耗模型包括：基于自回归移动平均模型训练得到的第一随机损耗模型、基于长短期记忆网络训练得到的第二随机损耗模型、基于深度神经网络训练得到的第三随机损耗模型中的至少一个。可选的，若所述随机损耗模型包括多个，所述将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据输入所述随机损耗模型，得到所述发电损耗的第二时间序列数据，包括:将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据分别输入各所述随机损耗模型，得到多组所述发电损耗的第二时间序列数据；计算各组所述第二时间序列数据中发电损耗值的均方根误差；选取各组所述第二时间序列数据中，所述均方根误差最小的第二时间序列数据作为最终的发电损耗的第二时间序列数据。可选的，若所述随机损耗模型包括多个，所述将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据输入所述随机损耗模型，得到所述发电损耗的第二时间序列数据，包括:将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据分别输入各所述随机损耗模型，得到多组所述发电损耗的第二时间序列数据；获取各组所述第二时间序列数据的对应的预设权重系数，且各所述预设权重系数之和为1；根据各组所述第二时间序列数据，以及与各组所述第二时间序列数据对应的预设权重系数，组合各组所述第二时间序列数据，并将组合结果作为最终的所述发电损耗的第二时间序列数据。可选的，所述根据各组所述第二时间序列数据，以及与各组所述第二时间序列数据对应的预设权重系数，组合各组所述第二时间序列数据，包括：针对每一组所述第二时间序列数据，根据所述第二时间序列数据相应的预设权重系数，计算所述第二时间序列数据中各发电损耗值对应的发电损耗权重值，得到发电损耗权重值的时间序列数据；分别计算各所述发电损耗权重值的时间序列数据中，对应同一时间区间的发电损耗权重值的和值，得到按照各所述时间区间先后顺序排列的和值。可选的，所述获取指定时间段内目标电站的预设气象参数的时间序列数据，包括：获取目标电站在前N年度中，所述指定时间段内的预设气象参数的历史时间序列数据，其中，N≥2；在N个所述历史时间序列数据中，按照预设筛选规则，选择时间序列数据中每一时间区间对应的所述预设气象参数的典型值；按照各所述时间区间的先后顺序，建立各所述典型值的集合，得到目标电站在所述指定时间段内的预设气象参数的时间序列数据。可选的，所述预设筛选规则包括：选取最大值作为典型值、选取最小值作为典型值、选取出现概率最高的值作为典型值中的任意一种。可选的，训练所述随机损耗模型的过程包括：调用所述样本电站的系统物理模型，并基于所述样本电站的系统物理模型计算所述样本电站的理论发电功率的时间序列数据，其中，所述样本电站的系统物理模型基于所述样本电站的设置信息搭建；获取样本电站在目标时间段内所述预设气象参数的历史时间序列数据，以及随机损耗标准值的时间序列数据；以所述预设气象参数的历史时间序列数据、所述样本电站的理论发电功率的时间序列数据，以及所述随机损耗标准值的时间序列数据为输入，以随机损耗估计值的时间序列数据为输出，训练待训练模型，直至达到预设收敛条件，得到所述随机损耗模型。可选的，获取所述随机损耗标准值的时间序列数据的过程，包括：调用所述样本电站的物理损耗模型；将所述样本电站在所述目标时间段内的实际发电功率的时间序列数据，以及所述预设气象参数的历史时间序列数据输入所述物理损耗模型，得到所述样本电站的物理损耗的时间序列数据；根据所述样本电站的理论发电功率的时间序列数据、所述实际发电功率的时间序列数据，以及所述样本电站的物理损耗的时间序列数据，计算得到所述随机损耗标准值的时间序列数据。可选的，所述根据所述样本电站的理论发电功率的时间序列数据、所述实际发电功率的时间序列数据，以及所述样本电站的物理损耗的时间序列数据，计算得到所述随机损耗标准值的时间序列数据，包括：...

【技术保护点】
1.一种光伏电站发电量计算方法，其特征在于，包括：/n获取指定时间段内目标电站的预设气象参数的时间序列数据；/n调用所述目标电站的系统物理模型和损耗模型，其中，所述系统物理模型基于所述目标电站的设置信息搭建，所述损耗模型用于计算所述目标电站的发电损耗；/n将所述预设气象参数的时间序列数据分别输入所述系统物理模型，得到所述目标电站的理论发电功率的时间序列数据；/n将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据输入所述损耗模型，得到所述目标电站的发电损耗的时间序列数据；/n根据所述理论发电功率的时间序列数据以及所述发电损耗的时间序列数据，计算得到所述目标电站在所述指定时间段内的预估发电量。/n

【技术特征摘要】
1.一种光伏电站发电量计算方法，其特征在于，包括：
获取指定时间段内目标电站的预设气象参数的时间序列数据；
调用所述目标电站的系统物理模型和损耗模型，其中，所述系统物理模型基于所述目标电站的设置信息搭建，所述损耗模型用于计算所述目标电站的发电损耗；
将所述预设气象参数的时间序列数据分别输入所述系统物理模型，得到所述目标电站的理论发电功率的时间序列数据；
将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据输入所述损耗模型，得到所述目标电站的发电损耗的时间序列数据；
根据所述理论发电功率的时间序列数据以及所述发电损耗的时间序列数据，计算得到所述目标电站在所述指定时间段内的预估发电量。


2.根据权利要求1所述的光伏电站发电量计算方法，其特征在于，所述损耗模型包括物理损耗模型和随机损耗模型，其中，
所述物理损耗模型基于所述目标电站中各光伏设备的设备参数搭建，用于计算所述目标电站中可线性描述的损耗；
所述随机损耗模型用于计算所述目标电站的随机损耗。


3.根据权利要求2所述的光伏电站发电量计算方法，其特征在于，所述将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据输入所述损耗模型，得到所述目标电站的发电损耗的时间序列数据，包括：
将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据输入所述物理损耗模型，得到所述发电损耗的第一时间序列数据；
将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据输入所述随机损耗模型，得到所述发电损耗的第二时间序列数据。


4.根据权利要求3所述的光伏电站发电量计算方法，其特征在于，所述随机损耗模型包括：基于自回归移动平均模型训练得到的第一随机损耗模型、基于长短期记忆网络训练得到的第二随机损耗模型、基于深度神经网络训练得到的第三随机损耗模型中的至少一个。


5.根据权利要求4所述的光伏电站发电量计算方法，其特征在于，若所述随机损耗模型包括多个，所述将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据输入所述随机损耗模型，得到所述发电损耗的第二时间序列数据，包括:
将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据分别输入各所述随机损耗模型，得到多组所述发电损耗的第二时间序列数据；
计算各组所述第二时间序列数据中发电损耗值的均方根误差；
选取各组所述第二时间序列数据中，所述均方根误差最小的第二时间序列数据作为最终的发电损耗的第二时间序列数据。


6.根据权利要求4所述的光伏电站发电量计算方法，其特征在于，若所述随机损耗模型包括多个，所述将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据输入所述随机损耗模型，得到所述发电损耗的第二时间序列数据，包括:
将所述理论发电功率的时间序列数据以及所述预设气象参数的时间序列数据分别输入各所述随机损耗模型，得到多组所述发电损耗的第二时间序列数据；
获取各组所述第二时间序列数据的对应的预设权重系数，且各所述预设权重系数之和为1；
根据各组所述第二时间序列数据，以及与各组所述第二时间序列数据对应的预设权重系数，组合各组所述第二时间序列数据，并将组合结果作为最终的所述发电损耗的第二时间序列数据。


7.根据权利要求6所述的光伏电站发电量计算方法，其特征在于，所述根据各组所述第二时间序列数据，以及与各组所述第二时间序列数据对应的预设权重系数，组合各组所述第二时间序列数据，包括：
针...

【专利技术属性】
技术研发人员：巨佳磊，赵天，陈相霖，马骏驰，翁捷，
申请(专利权)人：阳光电源上海有限公司，
类型：发明
国别省市：上海;31