【技术实现步骤摘要】
本专利技术涉及光伏电站的发电功率预测领域，特别涉及用于预测分析光伏电站一天的稳定发电时段的算法。
技术介绍
1、光伏电站是把太阳能转化为电能的新能源电站，它依赖于太阳的照射光强的输入，在日升和日落间提供电能。光伏电站需按照电网企业的相关要求提供光伏电站基础数据以及满足质量、精度要求的预测和实时运行数据。《gb/t 40607-2021调度侧风电或光伏功率预测系统技术要求》对光伏电站的发电功率预测性能指标有明确的要求。目前的光伏电站功率预测技术主要是利用大量的数据，结合深度学习模型的方案进行预测，其中一个关键处理任务是分析电站每日的稳定发电时段，包括其稳定发电的起始和终止时间。由于日出和日落时太阳辐射的波动对多晶硅制成的太阳能电板有显著影响，可能导致其在发电和不发电状态间频繁切换，从而使得日出和日落时段的发电数据呈现出较大的随机性。为了降低这种随机性对电网的冲击和潜在破坏，需要将这部分波动数据剔除，从而确保电网的稳定运行。
技术实现思路
1、本专利技术的目的是提供一种用于预测分析光伏电站一天的稳定发电时段的方法，从而保证电网的稳定运行。
2、为了实现以上目的，本专利技术通过以下技术方案实现：
3、一种用于预测分析光伏电站稳定发电时间段的方法，包括以下步骤：
4、步骤1、获取气象日出时间tup_1(i)和气象日落时间tdown_1(i)，其中i代表第i天；
5、步骤2、利用逆变器的历史数据，分析所述逆变器对应的历史日出时间tup_2(i，
6、步骤3、对所述历史日出时间tup_2(i，j)和所述历史日落时间tdown_2(i，j)进行滤波以获得最终日出时间tup_3(i，j)和最终日落时间tdown_3(i，j)；
7、所述滤波用于消除单个所述逆变器出现故障和所述光伏电站整体通信故障所带来的影响；
8、步骤4、根据所述最终日出时间tup_3(i，j)和所述最终日落时间tdown_3(i，j)，利用arima模型，预测得到第k天的预测日出时间tup_4(k)和预测日落时间tdown_4(k)，其中，表示第k天，k≥i。
9、进一步的，所述步骤1包括：
10、步骤1-1、根据所述光伏电站的经度获取所述光伏电站所在的时区
11、步骤1-2、根据所述光伏电站的纬度、当前时间太阳倾角计算出昼长；
12、步骤1-3、根据所述时区和所述经度计算出所述光伏电站所在位置的正午时间；
13、步骤1-4、根据所述正午时间减去一半所述昼长得到所述气象日出时间tup_1(i)，正午时间加上一半所述昼长得到所述气象日落时间tdown_1(i)。
14、进一步的，所述步骤2包括：
15、步骤2-1、获取所述光伏电站中所有所述逆变器的交流输出的历史数据；
16、步骤2-2、以所述逆变器的交流有功输出为输入，在历史数据中统计每个所述逆变器在第i天前nm天范围中、不是阴天和雨天的、9点～17点的交流有功输出的平均值pavgp(i，j)和方差pvarp(i，j)，其中，阴天和雨天根据历史气象数据获得，其中nm为正整数常数；
17、步骤2-3、在所述历史数据中寻找所述逆变器对应的每天的所述历史日出时间tup_2(i，j)和所述历史日落时间tdown_2(i，j)；
18、在历史数据中，以所述气象日出时间tup_1(i)为出发点，以所述气象日落时间tdown_1(i)为终点，对每个逆变器的交流输出p(i，j,n)进行遍历分析，其中，n是第n个采样点；
19、若三个连续采样点p(i，j，n)、p(i，j，n+1)、p(i，j，n+2)首次满足：p(i，j，n)∈(pavgp(i，j)±3*pvarp(i，j))，则所述历史日出时间tup_2(i，j)为p(i，j，n)所在的时间，即tup_2(i，j)＝(tup_1(i)+5分钟*n)；
20、若三个连续采样点p(i，j，n)、p(i，j，n+1)、p(i，j，n+2)最后一次满足：p(i，j，n)∈(pavgp(i，j)±3*pvarp(i，j))，则所述历史日落时间tdown_2(i，j)为p(i，j，n+2)所在的时间，即tup_2(i，j)＝(tup_1(i)+5分钟*n)。
21、进一步的，所述步骤3包括
22、步骤3-1、计算所述历史日出时间tup_2(i，j)的平均值和方差tup_2_var(i，j)，计算所述历史日落时间tdown_2(i，j)的tdown_2(i，j)的平均值和方差tdown_2_var(i，j)；
23、并对每个tup_2(i，j)进行分析，按照如下公式，剔除掉那些不在3个方差范围内的逆变器的值，
24、
25、对剩下的tup_2(i，j)计算平均值，作为第i天的最终日出时间tup_3(i，j)；
26、步骤3-2、对每个tdown_2(i，j)进行分析，按照如下公式，剔除掉那些不在3个方差范围内的逆变器的值，
27、
28、对剩下的tdown_2(i，j)计算平均值，作为第i天的最终日出时间tdown_3(i，j)。
29、进一步的，还包括步骤5、部署和使用；
30、根据tup_4(k)和tdown_4(k)，结合光伏电站中自带的自动化气象站、以及天气预报的气象数据，判断光伏电站发电是否是稳定输出，若发电输出不稳定，将进一步分析是天气因素还是系统故障造成不稳定。
31、进一步的，所述步骤5包括：
32、步骤5-1、对每个逆变器对应的tup_4(k)和tdown_4(k)的数据，若连续三个时间采集点满足：
33、
34、则说明可能出现天气原因或者是故障原因。
35、步骤5-2、若所述三个时间采集点中的天气预报显示为阴天、雨天，则将此情况归因于阴雨天原因。
36、步骤5-3若所述三个时间采集点中，场站内自动化气象站的辐照值变化异常，即变化大于前10天内非阴天、非雨天的同时间点辐照度平均值的t2％，则归因为云朵缓慢飘过的原因。
37、步骤5-4、若所述三个时间采集点不属于上述情况，则判定为系统故障并触发报警。
38、进一步的，nm＝10。
39、进一步的t％为10％
40、与现有技术相比，本专利技术具有如下优点：
41、1、本专利技术的算法能够全自动地寻找到光伏电站出力时间稳定开始和结束的时间点，从而有效减少了中间不稳定交流输出的时间部分，降低了能源浪费。
42、2、本专利技术的算法通过对中间数据的初步辅助分析，该算法可以帮助人们自动判断光伏电站是处于稳定工作状态，还是受到天气原因或故障的影响。
43、3、本专利技术的算法在提高光伏电站出力本文档来自技高网...
【技术保护点】
1.一种用于预测分析光伏电站稳定发电时间段的方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述步骤1包括：
3.如权利要求1所述的方法，其特征在于，所述步骤2包括：
4.如权利要求1所述的方法，其特征在于，所述步骤3包括
5.如权利要求1所述的方法，其特征在于，还包括步骤5、部署和使用：根据Tup_4(k)和Tdown_4(k)，结合光伏电站中自带的自动化气象站、以及天气预报的气象数据，判断光伏电站发电是否是稳定输出，若发电输出不稳定，则进一步分析是天气因素还是系统故障造成不稳定。
6.如权利要求5所述的方法，其特征在于，所述步骤5包括：
7.如权利要求3所述的方法，其特征在于，NM＝10。
8.如权利要求6所述的方法，其特征在于，T％为10％。
【技术特征摘要】
1.一种用于预测分析光伏电站稳定发电时间段的方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述步骤1包括：
3.如权利要求1所述的方法，其特征在于，所述步骤2包括：
4.如权利要求1所述的方法，其特征在于，所述步骤3包括
5.如权利要求1所述的方法，其特征在于，还包括步骤5、部署和使用：根据tup_4(k)...
【专利技术属性】
技术研发人员：邵嘉翼，林波，缪正英，
申请(专利权)人：泰富江苏共享网络科技有限公司，
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。