【技术实现步骤摘要】
本申请涉及一种针对综合能源站光伏发电的短期预测方法，属于光伏发电领域。
技术介绍
1、光伏微电网是一组由分布式光伏、储能装置、本地负荷组成的小型局域电网。智能微电网在新能源普及方面具有巨大潜力。由于光伏做为清洁、环保能源具有不可控和间歇性的特点，智能微电网可以通过预测和优化技术，更安全、可靠的使用光伏能源，实现稳定的能源供应。
2、新能源光伏加油站、油库、尤其是综合能源为主运营的站是典型的微电网应用场景。研究光伏发电预测对油站运营具有重要的作用，可以帮助油站更好地管理和利用光伏发电资源，优化运营效率和经济效益。
3、近年来，光伏发电使用较为广泛，光伏发电预测多以大数据人工智能算法实现。这种方法的光伏发电预测一是依赖历史数据，使用大数据机器学习、深度学习模型进行预测。二是其主要应用场景为大型光伏发电站，选址条件是气象条件和周边环境非常适宜光伏发电，如周边环境少有遮挡，空气环境稳定。但由于微电网应用场景中加油站多建在城市和公路边，而且光伏规模较小、环境差异较大、油库环境环境有污染、设施简单、缺乏历史数据，且数据维度和量少等原因，导致此场景下的光伏发电少有研究，现有的光伏发电预测也不适应新能源站、油库环境等数据样本太少且环境较差的微电网应用环境。
技术实现思路
1、本申请针对新能源光伏加油站、油库等微电网应用场景，建立了可快速应用的针对综合能源站光伏发电的短期预测方法，在无历史数据的情况下，快速实现光伏发电量的预测。
2、为实现上述目的，本申请第一方面
3、构建光伏发电预测物理模型，其中，所述光伏发电预测物理模型包括光伏系统、晴空辐照度模型、气象数据特征模型、本地气象辐照度模型、环境遮挡辐照度模型和模拟光伏发电模型；
4、根据经度、纬度和时间，通过所述晴空辐照度模型得到太阳的辐照度数值模拟；
5、根据气象预报数据和环境参数，通过所述气象数据特征模型、所述本地气象辐照度模型和所述环境遮挡辐照度模型对所述辐照度数值模拟进行优化修正；
6、获取光伏系统的安装参数，结合优化修正的辐照度数值模拟，通过模拟光伏发电模型计算并输出预测发电量；
7、根据所述预测发电量，通过贝叶斯岭回归和bp神经网络预测最终的光伏发电量。
8、在一种实施方式中，所述通过所述晴空辐照度模型得到太阳的辐照度数值模拟包括：
9、根据经度、纬度和时间，使用太阳定位算法获得太阳定位数值模拟，其中，所述太阳定位数值模拟包括太阳的天顶角、方位角和高度角；
10、根据所述太阳定位数值模拟，使用ineichen模型计算得到太阳的辐照度数值模拟，其中，所述辐照度数值模拟包括直接辐射、散射辐射和总水平辐射。
11、在一种实施方式中，所述通过所述气象数据特征模型、所述本地气象辐照度模型和所述环境遮挡辐照度模型对所述辐照度数值模拟进行优化修正包括：
12、通过所述气象数据特征模型对所述气象预报数据进行优化，其中，所述气象预报数据为24小时格点天气预报，包括云量、温度、风速、相对湿度、当前小时累计降水量和大气压强；
13、根据优化的气象预报数据，通过本地气象辐照度模型对所述辐照度数值模拟进行晴天分段线性优化；
14、根据环境参数，通过环境遮挡辐照度模型对所述辐照度数值模拟进行遮挡分段线性优化。
15、在一种实施方式中，所述通过所述气象数据特征模型对所述气象预报数据进行优化包括：
16、根据云量，针对24小时格点天气预报逐时预报的特点，在中间半小时线性插值得到平滑数据，结合除云量外的气象预报数据得到优化后的云量。
17、在一种实施方式中，所述通过本地气象辐照度模型对所述辐照度数值模拟进行晴天分段线性优化包括：
18、以云量小于或等于25％时的预测发电量值与实际发电量值为样本，通过分段线性函数和贝叶斯调参方法统计分段残差变化率均值，通过分段残差变化率均值得到晴天分段线性优化的辐照度数值模拟。
19、在一种实施方式中，所述通过环境遮挡辐照度模型对所述辐照度数值模拟进行遮挡分段线性优化包括：
20、根据环境参数分别获取遮挡物与光伏场地远端、光伏场地中心点和光伏场地近端的夹角，并通过平面几何方法分别计算与各夹角对应的高度角作为太阳的远端高度角、中心高度角和近端高度角；
21、在远端高度角、中心高度角和近端高度角对应辐照度进行分段减少，同时结合贝叶斯调参方法得到遮挡分段线性优化的辐照度数值模拟。
22、在一种实施方式中，所述通过贝叶斯岭回归和bp神经网络预测最终的光伏发电量之后还包括：
23、构建深度学习cnn模型，其中，所述深度学习cnn模型采用改进lenet-5网络结构，所述改进lenet-5网络结构包含输入层、卷积层、池化层、全连接层和输出层；
24、当通过所述贝叶斯岭回归和所述bp神经网络的方式预测光伏发电量超过预设周期后，以预设周期内的预测数据作为输入，通过所述深度学习cnn模型预测最终的光伏发电量，其中，所述预设周期大于或等于一年。
25、在一种实施方式中，基于pvlib开源项目设计得到所述光伏系统、所述晴空辐照度模型和所述模拟光伏发电模型。
26、本申请第二方面提供了一种电子设备，包括：存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述第一方面或者上述第一方面的任一实施方式中的步骤。
27、本申请第三方面提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现上述第一方面或者上述第一方面的任一实施方式中的步骤。
28、由上可见，本申请提供了一种针对综合能源站光伏发电的短期预测方法，通过构建光伏发电预测物理模型进行数值模拟，可以在能源站上线初期无实际运行数据阶段直接使用，不需要历史数据，适用于新、老环境；同时，考虑当地气象、污染以及周围环境遮挡等因素对太阳辐射能的影响，创新增加气象数据特征模型、本地气象辐照度模型、环境遮挡辐照度模型，使太阳的辐照度数值模拟具有个性化特点，满足本地化需求，更适用于新能源站、油库等非专用太阳能发电站微电网环境，提升光伏发电数值模拟本地物理模型的准确度；并在此光伏发电预测物理模型的基础上，与气象预报数据结合，在小样本的条件下，使用适应能力较为宽泛的、返回能力较好的贝叶斯岭回归和bp神经网络算法，降低由于样本少而过拟合的情况，提高预测准确度，建立了可快速应用针对综合能源站光伏发电的短期预测方法，在无历史数据的情况下，快速实现光伏发电量的预测能力。
本文档来自技高网...【技术保护点】
1.一种针对综合能源站光伏发电的短期预测方法，其特征在于，包括：
2.如权利要求1所述的短期预测方法，其特征在于，所述通过所述晴空辐照度模型得到太阳的辐照度数值模拟包括：
3.如权利要求1或2所述的短期预测方法，其特征在于，所述通过所述气象数据特征模型、所述本地气象辐照度模型和所述环境遮挡辐照度模型对所述辐照度数值模拟进行优化修正包括：
4.如权利要求3所述的短期预测方法，其特征在于，所述通过所述气象数据特征模型对所述气象预报数据进行优化包括：
5.如权利要求3所述的短期预测方法，其特征在于，所述通过本地气象辐照度模型对所述辐照度数值模拟进行晴天分段线性优化包括：
6.如权利要求3所述的短期预测方法，其特征在于，所述通过环境遮挡辐照度模型对所述辐照度数值模拟进行遮挡分段线性优化包括：
7.如权利要求1或2所述的短期预测方法，其特征在于，所述通过贝叶斯岭回归和BP神经网络预测最终的光伏发电量之后还包括：
8.如权利要求1或2所述的短期预测方法，其特征在于，基于pvlib开源项目设计得到所述光伏系统、
9.一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。
...【技术特征摘要】
1.一种针对综合能源站光伏发电的短期预测方法，其特征在于，包括：
2.如权利要求1所述的短期预测方法，其特征在于，所述通过所述晴空辐照度模型得到太阳的辐照度数值模拟包括：
3.如权利要求1或2所述的短期预测方法，其特征在于，所述通过所述气象数据特征模型、所述本地气象辐照度模型和所述环境遮挡辐照度模型对所述辐照度数值模拟进行优化修正包括：
4.如权利要求3所述的短期预测方法，其特征在于，所述通过所述气象数据特征模型对所述气象预报数据进行优化包括：
5.如权利要求3所述的短期预测方法，其特征在于，所述通过本地气象辐照度模型对所述辐照度数值模拟进行晴天分段线性优化包括：
6.如权利要求3所述的短期预测方法，其特征在于，所述通过环境遮挡辐...
【专利技术属性】
技术研发人员：肖永威，刘博，
申请(专利权)人：哈尔滨天源石化工程设计有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。