基于全年情景树和双立体魔方的光伏发电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全年情景树和双立体魔方的光伏发电预测方法及系统，根据光伏组件辐照度与发电量确定光伏组件的转换特性；使用一年的气象和灰尘关系构建灰尘情景树，根据灰尘情景树划分得到当日的灰尘量；根据当日的单位灰尘量确定光伏组件表面的遮挡率；根据光伏组件表面遮挡率，结合光伏组件的温度确定光伏组件表面灰尘对发电效率影响因子；根据光伏组件转换特性和发电效率影响因子，通过第N天的预测辐照度F(N)得到第二天的发电量，完成光伏发电预测。本发明专利技术不仅能够耦合多维性的复杂影响因素，还能快速完成污染物对光伏组件的发电效率效率分析，实现光伏发电量预测。实现光伏发电量预测。实现光伏发电量预测。

【技术实现步骤摘要】
基于全年情景树和双立体魔方的光伏发电预测方法及系统


[0001]本专利技术属于光伏电站发电预测
，具体涉及一种基于全年情景树和双立体魔方的光伏发电预测方法及系统。

技术介绍

[0002]光伏电站的发电量不仅受到太阳辐照度和工作温度的影响，而且同污染物遮挡有较强的相关性。由于光伏发电具有间歇性和波动性的特点，导致了其在大规模并网发电的过程中存在不稳定性，由此提高了光伏电站规划设计和运行维护的难度。因此，如果能够准确预测未来短期内光伏发电的影响情况并分析，就可以提前做出相应的运行调度策略，这对于提升光伏电站的运行效率具有重要意义。
[0003]光伏组件上的灰尘堆积已经严重影响了光伏组件的正常发电；但是光伏组件上的灰尘对光伏组件的发电影响分析和预测，是一个多维耦合的复杂问题。是一个相关影响因素诸多，相互关联函数不明显，计算过程复杂的问题。
[0004]在光伏发电过程中，为了进一步提升光伏电站的运行效率，需要更实时、更精细地把控复杂的能源供求关系。在能源的需求侧，准确的电力负荷预测是一项重要内容，传统的近期负荷预测方法为时间序列法。
[0005]时间序列法是指按照一定的时间间隔对电力负荷进行采样，从而获取光伏电站的历史负荷数据，建立数学模型，以确定负荷随时间变化的数学表达式，可对未来某个特定时间点或时间段的负荷进行预测。研究人员使用了时间序列法来预测电站的未来电力负荷，该方案采用了温特线性和季节指数平滑法，包括3个基础公式和1个预测方程；时间序列法具有数据少、计算速度快、能反映负荷变化的连续性的优点。但该方法的缺点是对脏数据的处理要求高，原始时间序列要有平稳性，对天气因素不敏感，难以解决节假日、天气变化较大时近期负荷预测误差较大的问题。

技术实现思路

[0006]本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于全年情景树和双立体魔方的光伏发电预测方法及系统，用于解决不同气象条件下难以快速计算光伏组件光伏组件不同状态发电量的技术问题。
[0007]本专利技术采用以下技术方案：
[0008]基于全年情景树和双立体魔方的光伏发电预测方法，包括以下步骤：
[0009]S1、根据光伏组件的辐照度与发电量确定光伏组件的转换特性；
[0010]S2、使用一年的气象和灰尘关系构建全年灰尘情景树，根据全年灰尘情景树和遮挡率定位魔方得到当日的灰尘量；
[0011]S3、根据步骤S2得到的当日的单位灰尘量确定光伏组件表面的遮挡率；
[0012]S4、根据步骤S3得到的光伏组件表面遮挡率，结合光伏组件的温度，基于发电效率影响因子魔方确定光伏组件表面灰尘对发电效率影响因子；
[0013]S5、根据步骤S1得到的光伏组件转换特性和步骤S4得到的发电效率影响因子，通过第N天的预测辐照度F(N)得到第二天的发电量，完成光伏发电预测。
[0014]具体的，步骤S1中，光伏组件的转换特性如下：
[0015]P＝F*S*α*β
T
[0016]其中，P为发电功率，F为光伏组件表面单位面积上接收到的辐照量，S为光伏组件的表面面积；α为干净的新的光伏组件辐照量转换为功率的因子；β
T
为随使用时间增长，光伏组件的转换效率降低的因子，T为光伏组件使用的年龄。
[0017]具体的，步骤S2中，全年灰尘情景树包括16种，其中的灰尘关系包括起始灰尘量ω
i
、空气指数AQI
j
、风速WD
k
和雨量R
l
，i＝1,2,3,4，j＝1,2,3，k＝1,2,3，l＝1,2,3,4，然后基于全年灰尘情景树，在每一种情景树下通过第一个魔方确定光伏板的遮挡率。
[0018]进一步的，起始灰尘量ω
i
具体如下：
[0019]ω1<0.6g/m2，ω2为0.6～3g/m2，ω3为3～5g/m2，ω4为5<ωg/m2；
[0020]空气指数AQI
j
具体如下：
[0021]AQI1为0～50，AQI2为51～150，AQI3为151～500；
[0022]风速WD
k
具体如下：
[0023]WD1为小于2级风；WD2为3～4级风；WD3为大于5级；
[0024]雨量R
l
具体如下：
[0025]R1为无雨或毛毛雨，R2为0.1～4.9mm，R3为5～24.9mm；R4为>50mm。
[0026]具体的，步骤S3中，光伏组件表面的遮挡率τ(N)为：
[0027]τ(N)＝e
‑
A*ω(N)
[0028]其中，A为光伏组件的灰尘重量和遮挡率关系的常数，ω(N)为光伏组件表面单位面积的灰尘量。
[0029]具体的，步骤S4中，第N天光伏组件表面灰尘对发电效率影响因子γ(N)为：
[0030]γ(N)＝g
p
(τ(N),t(N))
[0031]其中，g
p
(τ(N),t(N))为每一种情景树下的函数，p＝1，2，
…
，6。
[0032]进一步的，光伏组件表面遮挡率τ(N)
m
，m＝1,2,3，具体分以下情况：
[0033]τ(N)1大于90％，τ(N)2为70％～90％，τ(N)3小于70％；温度为t(N)
n
，n＝1，2，t(N)1大于45
°
，t(N)2小于等于45
°
。
[0034]具体的，步骤S5中，发电量P(N)为：
[0035]P(N)＝F(N)*S*α*β
T
*γ(N)
[0036]其中，F(N)为第N天的光伏组件表面的辐照度，S为光伏组件的面积，α为标准光照情况下的转换因子，β
T
为光伏组件第T年的衰减因子，γ(N)为第N天光伏组件表面灰尘对于发电效率的影响因子。
[0037]进一步的，第N天的灰尘量ω(N)为：
[0038]ω(N)＝ω
i
(N
‑
1)+f
q
[AQI
j
(N)，WD
k
,(N)，R
l
(N)][0039]其中，q＝1,2,
…
，36，ω
i
(N
‑
1)为第N
‑
1天的灰尘重量，AQI
j
(N)为第N天空气指数，Wd
k
(N)为第N天风速，R
l
(N)为第N天雨量。
[0040]第二方面，本专利技术实施例提供了一种基于全年情景树和双立体魔方的光伏发电预测系统，包括：
[0041]特性模块，根据光伏组件的辐照度与发电量确定光伏组件的转换特性；
[0042]划分模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于全年情景树和双立体魔方的光伏发电预测方法，其特征在于，包括以下步骤：S1、根据光伏组件的辐照度与发电量确定光伏组件的转换特性；S2、使用一年的气象和灰尘关系构建全年灰尘情景树，根据全年灰尘情景树和遮挡率定位魔方得到当日的灰尘量；S3、根据步骤S2得到的当日的单位灰尘量确定光伏组件表面的遮挡率；S4、根据步骤S3得到的光伏组件表面遮挡率，结合光伏组件的温度，基于发电效率影响因子魔方确定光伏组件表面灰尘对发电效率影响因子；S5、根据步骤S1得到的光伏组件转换特性和步骤S4得到的发电效率影响因子，通过第N天的预测辐照度F(N)得到第二天的发电量，完成光伏发电预测。2.根据权利要求1所述的基于全年情景树和双立体魔方的光伏发电预测方法，其特征在于，步骤S1中，光伏组件的转换特性如下：P＝F*S*α*β
T
其中，P为发电功率，F为光伏组件表面单位面积上接收到的辐照量，S为光伏组件的表面面积；α为干净的新的光伏组件辐照量转换为功率的因子；β
T
为随使用时间增长，光伏组件的转换效率降低的因子，T为光伏组件使用的年龄。3.根据权利要求1所述的基于全年情景树和双立体魔方的光伏发电预测方法，其特征在于，步骤S2中，全年灰尘情景树包括16种，其中的灰尘关系包括起始灰尘量ω
i
、空气指数AQI
j
、风速WD
k
和雨量R
l
，i＝1，2，3，4，j＝1，2，3，k＝1，2，3，l＝1，2，3，4，然后基于全年灰尘情景树，在每一种情景树下通过第一个魔方确定光伏板的遮挡率。4.根据权利要求3所述的基于全年情景树和双立体魔方的光伏发电预测方法，其特征在于，起始灰尘量ω
i
具体如下：ω1<0.6g/m2，ω2为0.6～3g/m2，ω3为3～5g/m2，ω4为5<ωg/m2；空气指数AQI
j
具体如下：AQI1为0～50，AQI2为51～150，AQI3为151～500；风速WD
k
具体如下：WD1为小于2级风；WD2为3～4级风；WD3为大于5级；雨量R
l
具体如下：R1为无雨或毛毛雨，R2为0.1～4.9mm，R3为5～24.9mm；R4为＞50mm。5.根据权利要求1所述的基于全年情景树和双立体魔方的光伏发电预测方法，其特征在于，步骤S3中，光伏组件表面的遮挡率τ(N)为：τ(N)＝e
‑
A*ω(N)
其中，A为光伏组件的灰尘重量和遮挡率关系的常数，ω(N)为光伏组件表面单位面积的灰尘量。6.根据权利要求1所述的基于全年情景树和双立体魔方的光伏发电预测...

【专利技术属性】
技术研发人员：李杰，王晓磊，裴永锋，常苏，李维虎，董国伟，杨博，赵磊，吴琼，
申请(专利权)人：华能山东发电有限公司西安热工研究院有限公司，
类型：发明
国别省市：