一种光伏板的功率预测方法和系统技术方案

本发明专利技术涉及一种光伏板的功率预测方法和系统，包括：获取预测时刻光伏板的净空斜面辐照度；根据预测时刻光伏板的净空斜面辐照度确定预测时刻光伏板预测功率净空归一化值；根据预测时刻光伏板预测功率净空归一化值确定预测时刻光伏板的预测功率。本发明专利技术提供的技术方案，消除了光伏板接受的辐照度的周期性变化对光伏功率预测造成的影响，将光伏板接受的辐照度的非周期性变化提取出来，针对其进行建模预测，从而提升光伏预测精度。从而提升光伏预测精度。从而提升光伏预测精度。

【技术实现步骤摘要】
一种光伏板的功率预测方法和系统


[0001]本专利技术涉及光伏发电
，具体涉及一种光伏板的功率预测方法和系统。

技术介绍

[0002]光伏功率预测中对未来1～7天的预测称为短期预测，短期预测一般基于数值天气预报(NWP)数据、实际功率数据，采用人工神经网络等方法建立预测模型、输出预测结果。
[0003]而预测光伏功率时，数值天气预报(NWP)数据中光伏板所接受的辐照度至关重要，分析可得，辐照度变化可拆分为两类：一类是周期性变化：辐照度早、晚弱，中午强，表现为缓慢、规律性变化；另一类是非周期性变化：受到云层、污染等因素的影响辐照度降低，表现为快速、无规律波动，最终的辐照度值是两种类型变化叠加的结果，光伏出力同理。
[0004]传统的光伏功率预测方法，一般将辐照度、功率数据直接作为输入对象进行建模预测，并未考虑辐照度的变化特性，预测的结果准确性不高。

技术实现思路

[0005]针对现有技术的不足，本专利技术的目的是提出一种光伏板的功率预测方法，该方法消除了光伏板接受的辐照度的周期性变化对光伏功率预测造成的影响，将光伏板接受的辐照度的非周期性变化提取出来，针对其进行建模预测，从而提升光伏预测精度。
[0006]本专利技术的目的是采用下述技术方案实现的：
[0007]本专利技术提供一种光伏板的功率预测方法，其改进之处在于，所述方法包括：
[0008]获取预测时刻光伏板的净空斜面辐照度；
[0009]根据预测时刻光伏板的净空斜面辐照度确定预测时刻光伏板预测功率净空归一化值；
[0010]根据预测时刻光伏板预测功率净空归一化值确定预测时刻光伏板的预测功率。
[0011]优选的，所述根据预测时刻光伏板的净空斜面辐照度确定预测时刻光伏板预测功率净空归一化值，包括：
[0012]根据预测时刻光伏板的净空斜面辐照度和预测时刻对应天气数据中光伏板的斜面辐照度确定预测时刻光伏板斜面辐照度净空归一化值；
[0013]将预测时刻光伏板斜面辐照度净空归一化值和预测时刻对应天气数据中其他参数归一化值代入预先构建的神经网络模型中，获取预测时刻光伏板预测功率净空归一化值。
[0014]进一步的，所述根据预测时刻光伏板的净空斜面辐照度和预测时刻对应天气数据中光伏板的斜面辐照度确定预测时刻光伏板斜面辐照度净空归一化值，包括：
[0015]按下式确定预测时刻t光伏板斜面辐照度净空归一化值S
nwp
(t)：
[0016][0017]式中，S
′
clear
(t)为预测时刻t光伏板的净空斜面辐照度，S
′
nwp
(t)为预测时刻t对应天气数据中光伏板的斜面辐照度。
[0018]进一步的，所述S
′
clear
(t)通过下式确定：
[0019]S
′
clear
(t)＝S
′
b
(t)+S
′
d
(t)
[0020]式中，S
′
b
(t)为预测时刻t光伏板的净空斜面直射辐照度，S
′
d
(t)为预测时刻t光伏板的净空斜面散射辐照度；
[0021]其中，所述S
′
b
(t)通过下式确定：
[0022]S
′
b
(t)＝S
o
(t)
·
τ
b
·
cosθ
′
(t)
[0023]式中，S
o
(t)为预测时刻t大气上界与日光垂直平面上的太阳辐照，τ
b
(t)为预测时刻t的直射透明系数，θ
′
(t)为预测时刻t光伏板的斜面太阳入射角；
[0024]按下式所述S
′
d
(t)通过下式确定：
[0025]S
′
d
(t)＝S
d
(t)
[0026]式中，S
d
(t)为预测时刻t光伏板的净空水平面辐照度；
[0027]进一步的，所述S
d
(t)按下式确定：
[0028]S
d
(t)＝S
o
(t)
·
(0.271-0.294τ
b
)
·
cosθ(t)
[0029]式中，θ(t)为预测时刻t的太阳天顶角；
[0030]所述S
o
(t)通过下式确定：
[0031][0032]式中，为太阳常数，d
o
为日地平均距离，d(t)为预测时刻t的日地距离；
[0033]所述按τ
b
(t)通过下式确定：
[0034][0035]式中，M
h
(t)为预测时刻t的光伏板所在地的相对大气量；
[0036]所述M
h
(t)通过下式确定：
[0037][0038]式中，h为光伏板所在的海拔高度；
[0039]所述θ
′
(t)通过下式确定：
[0040]θ
′
(t)＝arccos[cosθ(t)
×
cosβ+sinθ(t)
×
sinβ
×
cos(α(t)-ε)][0041]式中，ε为光伏板的板面朝向角(光伏板面朝向正南方时，朝向角为180度)，α(t)为预测时刻t的太阳方位角；
[0042]所述θ(t)通过下式确定：
[0043][0044]式中，ω(t)为预测时刻t太阳的时角；
[0045]所述α(t)通过下式确定：
[0046][0047]式中，为光伏板所在地的纬度，δ(t)为预测时刻t光伏板所在地的太阳赤纬角。
[0048]进一步的，所述预先构建的神经网络模型的建立过程包括：
[0049]将历史时刻的光伏板斜面辐照度净空归一化值和历史时刻对应天气数据中其他参数归一化值作为神经网络模型的输入层训练样本，将历史时刻的光伏板预测功率净空归一化值作为神经网络模型的输出层训练样本，训练神经网络模型，获取预先构建的神经网络模型。
[0050]进一步的，按下式确定第k个历史时刻的光伏板预测功率净空归一化值P
real
′
(k)：
[0051][0052]式中，P
real
(k)为第k个历史时刻的光伏板实际功率值，S
′
clear
(k)为第k个历史时刻的净空斜面辐照度，v为光伏板的光电转换系数。
[0053]优选的，所述根据预测时刻光伏板预测功率净空归一化值确定预测时刻光伏板的预测功率，包括：
[0054]按下式确定预测时刻t光伏板的预测功率P
′
...

【技术保护点】

【技术特征摘要】
1.一种光伏板的功率预测方法，其特征在于，所述方法包括：获取预测时刻光伏板的净空斜面辐照度；根据预测时刻光伏板的净空斜面辐照度确定预测时刻光伏板预测功率净空归一化值；根据预测时刻光伏板预测功率净空归一化值确定预测时刻光伏板的预测功率。2.如权利要求1所述的方法，其特征在于，所述根据预测时刻光伏板的净空斜面辐照度确定预测时刻光伏板预测功率净空归一化值，包括：根据预测时刻光伏板的净空斜面辐照度和预测时刻对应天气数据中光伏板的斜面辐照度确定预测时刻光伏板斜面辐照度净空归一化值；将预测时刻光伏板斜面辐照度净空归一化值和预测时刻对应天气数据中其他参数归一化值代入预先构建的神经网络模型中，获取预测时刻光伏板预测功率净空归一化值。3.如权利要求2所述的方法，其特征在于，所述根据预测时刻光伏板的净空斜面辐照度和预测时刻对应天气数据中光伏板的斜面辐照度确定预测时刻光伏板斜面辐照度净空归一化值，包括：按下式确定预测时刻t光伏板斜面辐照度净空归一化值S
nwp
(t)：式中，S'
clear
(t)为预测时刻t光伏板的净空斜面辐照度，S'
nwp
(t)为预测时刻t对应天气数据中光伏板的斜面辐照度。4.如权利要求1所述的方法，其特征在于，所述获取预测时刻光伏板的净空斜面辐照度，包括：按下式预测时刻t光伏板的净空斜面辐照度S'
clear
(t)：S'
clear
(t)＝S'
b
(t)+S'
d
(t)式中，S'
b
(t)为预测时刻t光伏板的净空斜面直射辐照度，S'
d
(t)为预测时刻t光伏板的净空斜面散射辐照度；其中，所述S'
b
(t)通过下式确定：S'
b
(t)＝S
o
(t)
·
τ
b
·
cosθ'(t)式中，S
o
(t)为预测时刻t大气上界与日光垂直平面上的太阳辐照度，τ
b
(t)为预测时刻t的直射透明系数，θ'(t)为预测时刻t光伏板的斜面太阳入射角；按下式所述S'
d
(t)通过下式确定：S'
d
(t)＝S
d
(t)式中，S
d
(t)为预测时刻t光伏板的净空水平面辐照度。5.如权利要求4所述的方法，其特征在于，所述S
d
(t)按下式确定：S
d
(t)＝S
o
(t)
·
(0.271-0.294τ
b
)
·
cosθ(t)式中，θ(t)为预测时刻t的太阳天顶角；所述S
o
(t)通过下式确定：
式中，为太阳常数，d
o
为日地平均距离，d(t)为预测时刻t的日地距离；所述按τ
b
(t)通过下式确定：式中，M
h
(t)为预测时刻t的光伏板所在地的相对大气量；所述M
h
(t)通过下式确定：式中，h为光伏板所在的海拔高度；所述θ'(t)通过下式确定：θ'(t)＝arccos[cosθ(t)
×
cosβ+sinθ(t)
×
sinβ
×
cos(α(t)-ε)]式中，ε为光伏板的板面朝向角(光伏板面朝向正南方时，朝向角为180度)，α(t)为预测时刻t的太阳方位角；所述θ(t)通过下式确定：式中，ω(t)为预测时刻t太阳的时角；所述α(t)通过下式确定：式中，为光伏板所在地的纬度，δ(t)为预测时刻t光伏板所在地的太阳赤纬角。6.如权利要求2所述的方法，其特征在于，所述预先构建的神经网络模型的建立过程包括：将历史时刻的光伏板斜面辐照度净空归一化值和历史时刻对应天气数据中其他参数归一化值作为神经网络模型的输入层训练样本，将历史时刻的光伏板预测功率净空归一化值作为神经网络模型的输出层训练样本，训练神经网络模型，获取预先构建的神经网络模型。7.如权利要求6所述的方法，其特征在于，按下式确定第k个历史时刻的光伏板预测功率净空归一化值P
real
'(k)：式中，P
real
(k)为第k个历史时刻的光伏板实际功率值，S'
clear
(k)为第k个历史时刻的净
空斜面辐照度，v为光伏板的光电转换系数。8.如权利要求1所述的方法，其特征在于，所述根据预测时刻光伏板预测功率净空归一化值确定预测时刻光伏板的预测功率，包括：按下式确定预测时刻t光伏板的预测功率P'
pre
(t)：P
′
pre
(t)＝P
pre
(t)
·
P
clear
(t)式中，P
pre
(t)为预测时刻t光伏板预测功率净空归一化值，P
clear
(t)为预测时刻t光伏板的净空功率；其中，按下式确定t时刻光伏板的净空功率P
clear
(t)：P
clear
(t)＝S'
clear
(t)
·
v式中，S
′
clear
(t)为预测时刻t光伏板的净空斜面辐照度，v为光伏板的光电转换系数。9.如权利要求2所述的方法，其特征在于，所述天气数据中其他参数归一化值，包...

【专利技术属性】
技术研发人员：姜文玲，王勃，冯双磊，王伟胜，刘纯，赵艳青，王铮，裴岩，车建峰，张菲，汪步惟，王钊，胡菊，靳双龙，宋宗朋，王姝，滑申冰，刘晓琳，张周祥，林毅，项康利，陈国伟，
申请(专利权)人：国家电网有限公司国网福建省电力有限公司国网福建省电力有限公司经济技术研究院，
类型：发明
国别省市：