一种基于小波神经网络的光伏功率预测方法及系统技术方案

本发明专利技术公开了一种基于小波神经网络的光伏功率预测方法及系统，属于光伏领域，用于解决环境、设备等因素的影响导致光伏设备的光伏功率难以预测的问题，包括分级设定模块、设备分析模块、功率分析模块和环境分析模块，所述环境分析模块用于对光伏设备的环境状况进行分析，所述设备分析模块用于对光伏设备的设备状况进行分析，功率分析模块结合环境影响系数和设备系数用于对光伏设备的光伏功率进行分析，生成功率正常信号、功率故障信号或功率查看信号，所述分级设定模块接收到设备维护指令或设备查看指令后用于对光伏设备进行维护或查看，本发明专利技术基于多因素实现光伏设备光伏功率的准确预测判定。的准确预测判定。的准确预测判定。

【技术实现步骤摘要】
一种基于小波神经网络的光伏功率预测方法及系统


[0001]本专利技术属于光伏领域，涉及功率预测技术，具体是一种基于小波神经网络的光伏功率预测方法及系统。

技术介绍

[0002]光伏，即光伏发电系统，是利用半导体材料的光伏效应，将太阳辐射能转化为电能的一种发电系统。光伏发电系统的能量来源于取之不尽、用之不竭的太阳能，是一种清洁、安全和可再生的能源。光伏发电过程不污染环境，不破坏生态。光伏发电系统分为独立光伏系统和并网光伏系统。光伏发电系统是由太阳能电池方阵、蓄电池组、充放电控制器、逆变器、交流配电柜、太阳跟踪控制系统等设备组成。
[0003]现有技术中，由于环境、设备等因素的影响，导致光伏设备的光伏功率难以预测，无法准确判定光伏设备的光伏功率是否正常，为此，我们提出一种基于小波神经网络的光伏功率预测方法及系统。
[0004]
技术实现思路

[0005]针对现有技术存在的不足，本专利技术目的是提供一种基于小波神经网络的光伏功率预测方法及系统。
[0006]本专利技术所要解决的技术问题为：如何基于多因素实现光伏设备光伏功率的准确预测判定。
[0007]本专利技术的目的可以通过以下技术方案实现：一种基于小波神经网络的光伏功率预测系统，包括数据采集模块、分级设定模块、设备分析模块、功率分析模块、环境分析模块、用户终端以及服务器；数据采集模块，用于采集光伏设备的设备数据以及光伏设备所在地的环境数据并反馈至服务器；服务器，将环境数据发送至环境分析模块和设备数据发送至设备分析模块；环境分析模块，用于对光伏设备的环境状况进行分析，得到光伏设备所在地的环境影响系数发送至功率分析模块；设备分析模块，用于对光伏设备的设备状况进行分析，分析得到光伏设备的设备影响系数发送至功率分析模块；用户终端，用于输入光伏设备对应的光伏功率发送至服务器中；功率分析模块，结合环境影响系数和设备系数用于对光伏设备的光伏功率进行分析，生成功率正常信号、功率故障信号或功率查看信号；分级设定模块，用于对光伏设备进行维护或查看。
[0008]进一步地，设备数据为光伏设备的开始使用时间、太阳能光伏板的倾斜角度、太阳能电池组的转化效率和故障维修次数；
环境数据为光伏设备所在地的经纬度、光照强度值、日照时长、温度值、海拔高度、灰尘量和降雨量。
[0009]进一步地，所述环境分析模块的分析过程具体如下：获取光伏设备所在地的海拔高度、温度均值和降雨均量；依据经纬度得到光伏设备所在地的光照时长和光照强度值；计算得到光伏设备所在地的环境影响值；获取服务器中存储的光伏设备所在地对应的环境影响阈值，将光伏设备所在地的环境影响值与环境影响阈值进行比对，得到光伏设备所在地的环境影响系数。
[0010]进一步地，所述设备分析模块的分析过程具体如下：获取光伏设备的使用时长和故障维修次数；计算得到光伏设备的损耗值；而后获取光伏设备中太阳能电池组的转化效率；获取服务器中光伏设备上太阳能光伏板的的角度差值；计算得到光伏设备的设备影响值；设备影响值比对设备影响阈值得到光伏设备的设备影响系数为。
[0011]进一步地，所述功率分析模块的工作过程具体如下：获取光伏设备的设备影响系数和光伏设备所在地的环境影响系数、以及服务器中存储的光伏设备的预设光伏功率；计算光伏设备的计算光伏功率；而后获取光伏设备的实际光伏功率，将实际光伏功率与计算光伏功率进行比对，生成功率正常信号或计算实际光伏功率与计算光伏功率的功率差值；功率差值比对设定阈值生成功率故障信号或功率查看信号；所述功率分析模块将功率正常信号、功率故障信号或功率查看信号并反馈至服务器；若服务器接收到功率正常信号则不进行任何操作；若服务器接收到功率故障信号则生产设备维护指令加载至分级设定模块；若服务器接收到功率查看信号则生产设备查看指令加载至分级设定模块。
[0012]进一步地，所述分级设定模块的工作过程具体如下：若分级设定模块接收到设备维护指令，则筛选对应工作人员对需要维护的光伏设备进行维护，并将需要维护的光伏设备的位置发送至对应的用户终端；若分级设定模块接收到设备查看指令，则筛选距离需要查看的光伏设备最近的工作人员进行查看，并将需要查看的光伏设备的位置发送至对应的用户终端。
[0013]一种基于小波神经网络的光伏功率预测系统的预测方法，方法包括以下步骤：步骤S101，数据采集模块采集设备数据和环境数据，环境数据发送至环境分析模块，设备数据发送至设备分析模块；步骤S102，环境分析模块对光伏设备的环境状况进行分析，得到光伏设备所在地的环境影响值，环境影响值比对环境影响阈值后得到光伏设备所在地的环境影响系数并发送至功率分析模块；步骤S103，设备分析模块对光伏设备的设备状况进行分析，依据损耗值、转化效率
和角度差值得到光伏设备的设备影响值，设备影响值比对设备影响阈值后得到光伏设备的设备影响系数并发送至功率分析模块；步骤S104，用户终端输入光伏设备对应的光伏功率，功率分析模块结合环境影响系数和设备系数对光伏设备的光伏功率进行分析，生成功率正常信号、功率故障信号或功率查看信号，服务器依据信号生成不同指令加载至分级设定模块；步骤S105，分级设定模块接收到设备维护指令或设备查看指令后对光伏设备进行维护或查看，用户终端对对应的光伏设备进行维护或查看。
[0014]与现有技术相比，本专利技术的有益效果是：本专利技术通过环境分析模块对光伏设备的环境状况进行分析，得到光伏设备所在地的环境影响值，环境影响值比对环境影响阈值后得到光伏设备所在地的环境影响系数并发送至功率分析模块，再通过设备分析模块对光伏设备的设备状况进行分析，得到光伏设备的设备影响值，设备影响值比对设备影响阈值后得到光伏设备的设备影响系数并发送至功率分析模块，功率分析模块结合环境影响系数和设备系数对光伏设备的光伏功率进行分析，生成功率正常信号、功率故障信号或功率查看信号，服务器依据信号生成不同指令加载至分级设定模块，分级设定模块接收到设备维护指令或设备查看指令后对光伏设备进行维护或查看，用户终端对对应的光伏设备进行维护或查看，本专利技术基于多因素实现光伏设备光伏功率的准确预测判定。
[0015]附图说明
[0016]为了便于本领域技术人员理解，下面结合附图对本专利技术作进一步的说明。
[0017]图1为本专利技术的整体系统框图；图2为本专利技术的工作流程图。
[0018]具体实施方式
[0019]下面将结合实施例对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0020]实施例一请参阅图1所示，一种基于小波神经网络的光伏功率预测系统，包括数据采集模块、分级设定模块、设备分析模块、功率分析模块、环境分析模块、用户终端以及服务器；所述数据采集模块用于采集光伏设备的设备数据以及光伏设备所在地的环境数据，并将设备数据以及环境数据反馈至服务器；在具体实施时，光伏设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小波神经网络的光伏功率预测系统，其特征在于，包括数据采集模块、分级设定模块、设备分析模块、功率分析模块、环境分析模块、用户终端以及服务器，所述数据采集模块用于采集光伏设备的设备数据以及光伏设备所在地的环境数据，并将设备数据以及环境数据反馈至服务器；所述服务器将环境数据发送至环境分析模块、将设备数据发送至设备分析模块，所述环境分析模块用于对光伏设备的环境状况进行分析，分析得到光伏设备所在地的环境影响系数并反馈至服务器，所述服务器将光伏设备所在地的环境影响系数发送至功率分析模块；所述设备分析模块用于对光伏设备的设备状况进行分析，分析得到光伏设备的设备影响系数并反馈至服务器，所述服务器将光伏设备的设备影响系数发送至功率分析模块；所述用户终端用于输入光伏设备对应的光伏功率，并将光伏功率发送至服务器中；功率分析模块结合环境影响系数和设备系数用于对光伏设备的光伏功率进行分析，生成功率正常信号、功率故障信号或功率查看信号并反馈至服务器；若服务器接收到功率正常信号则不进行任何操作；若服务器接收到功率故障信号则生产设备维护指令加载至分级设定模块；若服务器接收到功率查看信号则生产设备查看指令加载至分级设定模块；所述分级设定模块接收到设备维护指令或设备查看指令后用于对光伏设备进行维护或查看。2.根据权利要求1所述的一种基于小波神经网络的光伏功率预测系统，其特征在于，设备数据为光伏设备的开始使用时间、太阳能光伏板的倾斜角度、太阳能电池组的转化效率和故障维修次数；环境数据为光伏设备所在地的经纬度、光照强度值、日照时长、温度值、海拔高度、灰尘量和降雨量。3.根据权利要求2所述的一种基于小波神经网络的光伏功率预测系统，其特征在于，所述环境分析模块的分析过程具体如下：步骤一：将光伏设备标记为u，u=1，2，
……
，z，z为正整数；获取光伏设备所在地的海拔高度，并将海拔高度标记为HGu；步骤二：获取光伏设备所在地未来十五天的温度值和降雨量，未来十五天的温度值和降雨量相加取平均值得到光伏设备所在地的温度均值JWDu和降雨均量JJYu；步骤三：依据经纬度得到光伏设备所在地的光照时长，并将光照时长标记为GZu；获取光伏设备所在的光照强度值，并将光照强度值标记为GZQu；步骤四：通过公式计算得到光伏设备所在地的环境影响值HYu；式中，a1和a2均为固定数值的比例系数，且a1和a2的取值均大于零；步骤五：获取服务器中存储的光伏设备所在地对应的环境影响阈值，将光伏设备所在地的环境影响值与环境影响阈值进行比对；步骤六：若HYu＜X1，则光伏设备所在地的环境影响系数为α1；若X1≤HYu＜X2，则光伏设备所在地的环境影响系数为α2；若X2≤HYu，则光伏设备所在地的环境影响系数为α3；其中，X1和X2均为固定数值的环
境影响阈值，且X1＜X2，且1＜α1＜α2＜α3。4.根据权利要求3所述的一种基于小波神经网络的光伏功率预测系统，其特征在于，环境影响系数α3的取值大于环境影响系数α2的取值，环境影响系数α2的取值大于环境影响系数α1的取值。5.根据权利要求3所述的一种基于小波神经网络的光伏功率预测系统，其特征在于，所述设备分析模块的分析过程具体如下：步骤S1：获取光伏设备的开始使用时间，利用服务器当前时间减去开始使用时间得到光伏设备的使用时长TSu；步骤S2：获取光伏设备的故障维修次数，并将故障维修次数标记为GWCu；步骤S3：通过公式SHu=200/（TSu
×
b1+GWCu
×
b2）计算得到光伏设备的损耗...

【专利技术属性】
技术研发人员：李军保，申屠骁，孙成富，于晗，
申请(专利权)人：浙江浙能能源服务有限公司，
类型：发明
国别省市：