一种全周期光伏发电预测方法技术

技术编号：40582265 阅读：4 留言：0更新日期：2024-03-06 17:25

本发明专利技术公开一种全周期光伏发电预测方法，基于光伏发电系统获取影响光伏发电系统电能转化率的气象因素和设备电气参数作为模型的输入量，建立电能转化率预测模型和电能转化率关系模型，根据预测时长进行判断选用电能转化率预测模型或电能转化率关系模型，预测相应时间后的系统发电能力，实现系统全周期光伏发电能力预测。本发明专利技术可以同时实现短期预测、中长期预测；并且考虑了光伏发电系统长期运行导致的效率变化对发电能力的影响，使预测结果更为客观准确；且方法实施简单，不需要大量的训练数据。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及新能源应用，具体为一种全周期光伏发电预测方法。

技术介绍

1、我国电厂配置通常为火力发电机组，各地对用电用户也采取了阶梯性电价政策，超出一定限额，企业用电越多，电价越高；现阶段以光伏发电为代表的绿色新能源发电逐渐成为用电选择，但是，光伏发电系统受天气影响较大，会影响用电单位的用电计划，因此需要研究合适的光伏发电预测方法。

2、光伏发电预测是指预测未来可以产生的电能，然后合理安排调度方案，对光伏发电系统进行发电量预测，有助于光伏发电系统的优化经济运行和电网的安全可靠运行。

3、光伏发电系统的电能转化率是评判一个光伏发电系统性能好坏的重要指标，影响光伏发电系统电能转化率的因素包括光伏电站的装机容量、辐照度和系统效率；光伏组件与能量传输设备不会在理想状况下工作，在运行中会造成损耗，并伴随系统使用时间的增加，导致系统效率下降，系统效率下降导致相同气象条件下电能转化率下降。

4、在光伏发电系统中，光伏组件相当于能量来源端，而其他设备如：逆变器、汇流箱、变压器、交直流电缆等相当于能量转换及传输端，以上构成一套光伏发电设备组；在能量转换及传输过程中必定会产生损耗，但这部分损耗的因素很大程度上取决于设备的电气参数，因此，电能转化率预测模型中，需要考虑各个设备的电气参数影响。

5、光伏发电预测从预测的时间尺度可以分为：短期预测和中长期预测。

6、但现有的光伏发电预测存在一定的问题：

7、（1）短期预测只考虑了气象因素，未考虑光伏发电系统长期运行导致的效率变化；</p>

8、（2）中长期预测需要大量的训练数据，预测成本高，难度大。

技术实现思路

1、鉴于上述缺点与不足，本专利技术提出了一种全周期光伏发电预测方法，该方法可以同时实现短期预测、中长期预测，同时考虑了光伏发电系统长期运行导致的效率变化，且不需要大量的训练数据。

2、为了达到上述目的，本专利技术采用的主要技术方案为：

3、一种全周期光伏发电预测方法，基于光伏发电系统获取影响光伏发电系统电能转化率的气象因素和设备电气参数作为模型的输入量，建立电能转化率预测模型和电能转化率关系模型，根据预测时长进行判断选用电能转化率预测模型或电能转化率关系模型，预测相应时间后的系统发电能力，实现系统全周期光伏发电能力预测。

4、所述影响光伏发电系统电能转化率的气象因素包括辐照度、环境温度、湿度、风速、风向、降雨量和pm2.5浓度；所述设备电气参数包括光伏组件参数、逆变器参数、汇流箱参数、变压器参数、交直流电缆损耗参数。

5、所述电能转化率预测模型和电能转化率关系模型的第一输入数据均为气象因素，第二输入数据均为设备电气参数，输出数据均为电能转化率。

6、所述电能转化率预测模型建模流程包括步骤：

7、101）以1分钟为周期，基于光伏发电系统采集影响光伏发电系统电能转化率的气象因素、设备电气参数和电能转化率的数据，采集时间大于30天；

8、102）设定建模周期为n分钟，且n为30的整数倍；

9、103）采用支持向量回归模型法，以n分钟为周期建立输入与输出的关系模型，即每n分钟生成一个输入与输出的关系模型；

10、104）将各个影响光伏发电系统电能转化率的气象因素分组，取各气象因素的最小值与最大值作为每个气象因素分组的范围最小值与最大值，将每个气象因素分组以步长为数值分布区间的1%生产各气象因素值，即每个气象因素分为100组；

11、105）将不同气象因素的不同取值进行遍历，得到多个气象因素的新组合，以组合值为输入分别调用步骤103）得到的关系模型，得到每个气象因素新组合在一个建模周期n分钟的电能转化率；

12、106）计算在步骤105）得到的在一个建模周期n分钟的每个气象因素新组合的电能转化率的平均值，取该平均值作为光伏发电系统在第n分钟的电能转化率，将每n分钟各组合的电能转化率的均值按照时间顺序排列，得到电能转化率均值的序列；

13、107）设定能量转化率方差的阈值，计算106)步骤中得到的电能转化率均值序列的方差，若方差小于阈值，则n=n+30，执行步骤103），若方差大于或等于阈值，则执行步骤108），记录n的数值；

14、108）以电能转化率均值的序列为输入，采用prophet的建模方法，建立电能转化率预测模型。

15、所述电能转化率关系模型建模流程包括步骤：

16、201）基于电能转化率预测模型的建模周期n的数值，提取当前时刻n分钟前的第一输入数据和第二输入数据，采用支持向量回归模型法，建立输入数据和输出数据的关系模型，即为电能转化率关系模型。

17、所述系统全周期光伏发电能力预测包括步骤：

18、301）若预测时长大于或等于n分钟，即为中长期预测；获取预存到光伏发电系统内的气象数据，计算历史5年内相同月份的各气象因素的加权平均值，以该加权平均值和设备电气参数为输入，调用所述电能转化率预测模型，得到预测时刻的电能转化率的预测值；

19、302）若预测时长小于n分钟，即为短期预测；获取预测时长的气象因素预测数据，以气象预测数据和设备电气参数为输入，调用所述电能转化率关系模型，得到预测时刻的电能转化率的预测值；

20、303）获取光伏电站的装机容量，即系统发电能力=电能转化率的预测值*光伏电站的装机容量；

21、301）中，所述历史5年内相同月份的各气象因素的加权平均值具体为：历史第5年的气象因素的加权系数为0.1，历史第4年的气象因素的加权系数为0.15，历史第3年的气象因素的加权系数为0.2，历史第2年的气象因素的加权系数为0.25，历史第1年的气象因素的加权系数为0.3；

22、302）中，所述获取预测时长的气象因素预测数据的数据来源为实时天气预报系统。

23、所述光伏发电系统有多套光伏发电设备组组成，若光伏发电设备组的配置参数不同，则配置参数相同的为同一类设备组，不同类设备组进行分别建模。

24、本专利技术具有以下有益效果及优点：

25、1、本专利技术方法可以同时实现短期预测、中长期预测；

26、2、本专利技术方法考虑了光伏发电系统长期运行导致的效率变化对发电能力的影响，使预测结果更为客观准确；且方法实施简单，不需要大量的训练数据。

本文档来自技高网...

【技术保护点】

1.一种全周期光伏发电预测方法，其特征在于：基于光伏发电系统获取影响光伏发电系统电能转化率的气象因素和设备电气参数作为模型的输入量，建立电能转化率预测模型和电能转化率关系模型，根据预测时长进行判断选用电能转化率预测模型或电能转化率关系模型，预测相应时间后的系统发电能力，实现系统全周期光伏发电能力预测。

2.根据权利要求1所述的一种全周期光伏发电预测方法，其特征在于：所述影响光伏发电系统电能转化率的气象因素包括辐照度、环境温度、湿度、风速、风向、降雨量和PM2.5浓度；所述设备电气参数包括光伏组件参数、逆变器参数、汇流箱参数、变压器参数、交直流电缆损耗参数。

3.根据权利要求1所述的一种全周期光伏发电预测方法，其特征在于：所述电能转化率预测模型和电能转化率关系模型的第一输入数据均为气象因素，第二输入数据均为设备电气参数，输出数据均为电能转化率。

4.根据权利要求3所述的一种全周期光伏发电预测方法，其特征在于：所述电能转化率预测模型建模流程包括步骤：

5.根据权利要求3所述的一种全周期光伏发电预测方法，其特征在于：所述电能转化率关系模型建模流程包括步骤：

6.根据权利要求1所述的一种全周期光伏发电预测方法，其特征在于：所述系统全周期光伏发电能力预测包括步骤：

7.根据权利要求7所述的一种全周期光伏发电预测方法，其特征在于，301）中，所述历史5年内相同月份的各气象因素的加权平均值具体为：历史第5年的气象因素的加权系数为0.1，历史第4年的气象因素的加权系数为0.15，历史第3年的气象因素的加权系数为0.2，历史第2年的气象因素的加权系数为0.25，历史第1年的气象因素的加权系数为0.3。

8.根据权利要求7所述的一种全周期光伏发电预测方法，其特征在于，302）中，所述获取预测时长的气象因素预测数据的数据来源为实时天气预报系统。

9.根据权利要求1所述的一种全周期光伏发电预测方法，其特征在于：所述光伏发电系统有多套光伏发电设备组组成，若光伏发电设备组的配置参数不同，则配置参数相同的为同一类设备组，不同类设备组进行分别建模。

...

【技术特征摘要】

2.根据权利要求1所述的一种全周期光伏发电预测方法，其特征在于：所述影响光伏发电系统电能转化率的气象因素包括辐照度、环境温度、湿度、风速、风向、降雨量和pm2.5浓度；所述设备电气参数包括光伏组件参数、逆变器参数、汇流箱参数、变压器参数、交直流电缆损耗参数。

4.根据权利要求3所述的一种全周期光伏发电预测方法，其特征在于：所述电能转化率预测模型建模流程包括步骤：

5.根据权利要...

【专利技术属性】
技术研发人员：刘志元，刘春昊，沈洋，杨博，
申请(专利权)人：沈阳铝镁设计研究院有限公司，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人