一种基于气候模式的光伏电站发电量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气候模式的光伏电站发电量预测方法及系统，属于电站管理技术领域，方法包括：构建气候预测模型和发电功率预测模型；通过气候预测模型得到各个气候因子的预测结果；获取历史发电功率数据以及相应的历史气候数据；根据气候因子的预测结果，分析在历史气候数据中是否存在类似气候数据；在存在类似气候数据的情况下，从历史发电功率数据中查询类似气候数据对应的发电功率，并直接作为发电功率预测值；在不存在类似气候数据的情况下，通过气候因子的预测结果计算辐照度预测值；根据辐照度预测值计算发电功率预测值；对发电功率预测值按照时间进行积分，得到逐小时、逐日、逐月、逐年的发电量预测数据。逐年的发电量预测数据。逐年的发电量预测数据。

【技术实现步骤摘要】
一种基于气候模式的光伏电站发电量预测方法及系统


[0001]本专利技术属于电站管理
，具体涉及一种基于气候模式的光伏电站发电量预测方法及系统。

技术介绍

[0002]光伏发电作为可再生能源发电方式的重要形式，具有清洁、无污染、可持续的优点，发展前景极为广阔。由于受到诸多因素影响，光伏发电功率具有波动性、间歇性和非线性的特点，光伏大规模并网容易对电网造成冲击，影响电网正常安全运行，并且准确的光电预测对于确定合理的调度计划和确保电网安全、经济运行具有重要意义。
[0003]现有的光伏发电功率预测方法多依赖于历史观测资料，不利于复杂天气的光伏出力预测，光伏电站发电量的预测准确性低，难以确定合理的调度计划，对电网安全造成影响。

技术实现思路

[0004]为了解决现有的光伏发电功率预测方法多依赖于历史观测资料，不利于复杂天气的光伏出力预测，光伏电站发电量的预测准确性低，难以确定合理的调度计划，对电网安全造成影响的技术问题，本专利技术提供一种基于气候模式的光伏电站发电量预测方法及系统。
[0005]第一方面
[0006]本专利技术提供一种基于气候模式的光伏电站发电量预测方法，包括：
[0007]S101：构建气候预测模型和发电功率预测模型，其中，气候预测模型的输出端连接发电功率预测模型的输入端；
[0008]S102：通过气候预测模型对不同区域进行气候预测，以得到各个气候因子的预测结果，其中气候因子包括：湿度、地表温度、露点温度、空气温度、风速、风向、到达底面短波辐射通量、短时风场变化、短时气压变化和气压；
[0009]S103：将气候因子的预测结果输入至发电功率预测模型；
[0010]S104：获取历史发电功率数据以及相应的历史气候数据；
[0011]S105：根据气候因子的预测结果，分析在历史气候数据中是否存在类似气候数据；
[0012]S106：在存在类似气候数据的情况下，从历史发电功率数据中查询类似气候数据对应的发电功率，并直接作为发电功率预测值；
[0013]S107：在不存在类似气候数据的情况下，通过气候因子的预测结果计算辐照度预测值；
[0014]S108：根据辐照度预测值计算发电功率预测值；
[0015]S109：对发电功率预测值按照时间进行积分，得到逐小时、逐日、逐月、逐年的发电量预测数据。
[0016]第二方面
[0017]本专利技术提供一种基于气候模式的光伏电站发电量预测系统，包括：
[0018]构建模块，用于构建气候预测模型和发电功率预测模型，其中，气候预测模型的输出端连接发电功率预测模型的输入端；
[0019]预测模块，用于通过气候预测模型对不同区域进行气候预测，以得到各个气候因子的预测结果，其中气候因子包括：湿度、地表温度、露点温度、空气温度、风速、风向、到达底面短波辐射通量、短时风场变化、短时气压变化和气压；
[0020]输入模块，用于将气候因子的预测结果输入至发电功率预测模型；
[0021]获取模块，用于获取历史发电功率数据以及相应的历史气候数据；
[0022]分析模块，用于根据气候因子的预测结果，分析在历史气候数据中是否存在类似气候数据；
[0023]查询模块，用于在存在类似气候数据的情况下，从历史发电功率数据中查询类似气候数据对应的发电功率，并直接作为发电功率预测值；
[0024]第一计算模块，用于在不存在类似气候数据的情况下，通过气候因子的预测结果计算辐照度预测值；
[0025]第二计算模块，用于根据辐照度预测值计算发电功率预测值；
[0026]积分模块，用于对发电功率预测值按照时间进行积分，得到逐小时、逐日、逐月、逐年的发电量预测数据。
[0027]与现有技术相比，本专利技术至少具有以下有益技术效果：
[0028]在本专利技术中，基于气候预测数据计算辐照度预测值，根据辐照度预测值计算发电功率预测值，进而对发电功率预测值按照时间进行积分，得到逐小时、逐日、逐月、逐年的发电量预测数据。可以对光伏电站的发电量进行准确的预测，有助于确定合理的调度计划，保障电网安全。
附图说明
[0029]下面将以明确易懂的方式，结合附图说明优选实施方式，对本专利技术的上述特性、技术特征、优点及其实现方式予以进一步说明。
[0030]图1是本专利技术提供的一种基于气候模式的光伏电站发电量预测方法的流程示意图；
[0031]图2是本专利技术提供的一种模型结构示意图；
[0032]图3是本专利技术提供的一种基于气候模式的光伏电站发电量预测系统的结构示意图。
具体实施方式
[0033]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对照附图说明本专利技术的具体实施方式。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
[0034]为使图面简洁，各图中只示意性地表示出了与专利技术相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅
此一个”，也可以表示“多于一个”的情形。
[0035]还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0036]在本文中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0037]另外，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0038]在一个实施例中，参考说明书附图1，本专利技术提供的一种基于气候模式的光伏电站发电量预测方法的流程示意图。参考说明书附图2，本专利技术提供的一种模型结构示意图。
[0039]本专利技术提供的一种基于气候模式的光伏电站发电量预测方法，包括：
[0040]S101：构建气候预测模型和发电功率预测模型。
[0041]其中，气候预测模型的输出端连接发电功率预测模型的输入端，也就是说，气候预测模型得出的数据可直接用于在发电功率预测模型中进行发电功率预测。
[0042]S102：通过气候预测模型对不同区域进行气候预测，以得到各个气候因子的预测结果。
[0043]其中，气候因子包括但不限于：湿度、地表温度、露点温度、空气温度、风速、风向、到达底面短波辐射通量、短时风场变化、短时气压变化和气压。
[0044]需要说明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于气候模式的光伏电站发电量预测方法，其特征在于，包括：S101：构建气候预测模型和发电功率预测模型，其中，所述气候预测模型的输出端连接所述发电功率预测模型的输入端；S102：通过所述气候预测模型对不同区域进行气候预测，以得到各个气候因子的预测结果，其中所述气候因子包括：湿度、地表温度、露点温度、空气温度、风速、风向、到达地面短波辐射通量、短时风场变化、短时气压变化和气压；S103：将所述气候因子的预测结果输入至所述发电功率预测模型；S104：获取历史发电功率数据以及相应的历史气候数据；S105：根据所述气候因子的预测结果，分析在所述历史气候数据中是否存在类似气候数据；S106：在存在所述类似气候数据的情况下，从所述历史发电功率数据中查询所述类似气候数据对应的发电功率，并直接作为发电功率预测值；S107：在不存在所述类似气候数据的情况下，通过所述气候因子的预测结果计算辐照度预测值；S108：根据所述辐照度预测值计算所述发电功率预测值；S109：对所述发电功率预测值按照时间进行积分，得到逐小时、逐日、逐月、逐年的发电量预测数据。2.根据权利要求1所述的光伏电站发电量预测方法，其特征在于，所述S102具体包括：S1021：通过欧拉控制方程组构建所述气候预测模型；S1022：通过地形跟随质量构建所述欧拉控制方程组的垂直坐标z：其中，P
h
表示实际坐标点的气压、P
ht
表示底层气压、P
hs
表示顶层气压，μ(X,Y)表示区域单位面积的大气质量，(X,Y)表示二维坐标；所述欧拉控制方程组的通量形式可表示为：V＝μv＝(U,V,W)Ω＝μzΘ＝μθ其中，v＝(u,v,w)，w＝z，θ表示温度，U和V表示水平风速矢量，W表示垂直风速矢量；S1023：引入高度气压p、空气密度倒数α＝1/ρ，则所述欧拉控制方程组可表示为：
其中，α表示任意常量，γ＝1.4，R
d
表示干空气气体常量，p0表示标准气压；S1024：在水平方向上，按照Arakawa
‑
C网格进行差分处理，将水平风速矢量U和V、垂直风速矢量W定义在Arakawa
‑
C网格的边界上，温度、湿度、气压等标量被定义在网格的中央，并多重网格进行嵌套积分；S1025：在时间方向上，采用Runge
‑
Kutta算法进行积分；S1026：通过所述欧拉控制方程组对不同区域进行气候预测，以得到各个所述气候因子的预测结果。3.根据权利要求1所述的光伏电站发电量预测方法，其特征在于，所述S107具体包括：S1071：将所述历史气候数据分类为晴天数据、多云数据、阴天数据、晴转多云数据和多云转阴数据；S1072：分析所述历史气候数据中各个气候因子与历史发电量的相关度；S1073：按照所述相关度的大小对各个所述气候因子进行降序排列；S1074：通过主成分分析法，计算前N个气候因子的累计贡献率：其中，M表示所有成分样本的总方差，M
i
表示各成分样本的方差，m为成分种类数目；S1075：在所述累计贡献率高于预设比例的情况下，将相应的气候因子作为实际辐照度的主要影响因子；S1076：对所述主要影响因子进行多元逐步回归，建立按照天气分类的辐照度预报方程：
其中，Q表示辐照度，β表示所述主要影响因子的系数，H
i
表示所述主要影响因子的特征值；S1077：通过按照天气分类的所述辐照度预报方程对不同区域进行辐照度预测。4.根据权利要求3所述的光伏电站发电量预测方法，其特征在于，所述S1072具体包括：S107A：令各个所述气候因子的预测结果为X，历史发电量为Y，所述气候因子的预测结果X的边际分布为F(X)，所述历史发电量Y的边际分布为G(Y)，构造所述气候因子的预测结果X与所述历史发电量Y之间的关联结构函数为C(a,b)，a表示边际分布F(X)，b表示边际分布G(Y)；S107B：计算各个所述气候因子的预测结果X与所述历史发电量Y之间的相关度ω：5.根据权利要求1所述的光伏电站发电量预测方法，其特征在于，所述S108具体包括：根据所述辐照度预测值S，通过以下公式计算所述发电功率预测值P：P＝η1η2η3SQ[1
‑
0.005(T
‑
...

【专利技术属性】
技术研发人员：郭炜，刘鲁宁，宋美洋，
申请(专利权)人：北京东润环能科技股份有限公司，
类型：发明
国别省市：