[发明专利]用于确定由光伏设备输出的功率的方法和装置

说明书

技术领域

本发明涉及用于确定由光伏设备输出的功率的方法和装置。

背景技术

可更新能量在能量网络中越来越重要对预报所需要的和可供使用的馈入功率提出了新的要求，以便能由此尽可能最佳地控制该网。该挑战反映在也允许分散地控制能量流动的所谓“智能电网”的概念中。

由Zimmermann H.G.、NeuneierR.、Grothmann R.在Modeling and Forecasting Financial Data,Techniques of Nonlinear Dynamics中的文章Modeling of Dynamical Systems by Error Correction Neural Networks(编辑Soofi,A.和Cao,L.，Kluwer Academic出版社，2002，第237-263页)已知所谓的纠错神经元网络(Error Corrction Neural Network,ECNN)。

为了能均衡在能量网络的下级网络部分中的负载流的控制而无需在此利用来自上级网络部分的能量，需要事先知道预测的馈入功率。因而，功率平衡和/或驱动装置负荷可以通过可控消耗器、蓄能器或能量生成装置(例如热力耦合设备(KWK设备))来均衡，但为此需要一定时间的预运转，以便能考虑其动态情况(延时响应特性)并且最终保证该可控消耗器、蓄能器或能量生成装置及时准备好工作。

这特别在所提到的可更新能量的情况下是成问题的，因为所提供的功率可能短时剧烈变化。

发明内容

本发明的任务在于避免上述的缺点并且尤其说明一种解决方案，其使得能够有效控制网络部分，即使该网络部分具有基于可更新能量的能源。

该任务根据独立权利要求的特征来解决。还由从属权利要求得到本发明的改进方案。

为了解决该任务，说明一种用于确定由光伏设备输出的功率的方法，

-基于至少一个相邻的光伏设备的至少一个遮蔽信息。

相邻的光伏设备也可以是提供关于太阳辐射遮蔽的数据的(地点)相邻的测量区。

因此，可以通过如下方式进行对光伏设备遮蔽的有效和短时的预报，即相对于至少另一个光伏设备的地理布置被考虑进来。通过确定遮蔽、例如浮云运动的动态特定，可以预测出遮蔽方位和速度。在考虑该光伏设备和相邻的光伏设备之间距离的情况下，可以确定出在遮蔽抵达之前的时间。相应地，可以根据遮蔽的类型和规模来及时激活可控消耗器、蓄能器或能量生成装置。

这种方案具备高精确性，因为以高的时间分辨率和精度生成并考虑了气候状况。因此，也可以预报对于光伏设备的遮蔽，而对于这样的遮蔽，全球可供使用的气候信息及其时间上的预报持续时间太粗略且不准确。

一个改进方案是该遮蔽信息包括以下信息，所述信息基于减小的亮度并且尤其基于由云运动引起的遮蔽。

因此，遮蔽例如基于太阳辐射被云和其它气候作用影时遮蔽。

另一个改进方案是：

-提供多个相邻光伏设备的多个遮蔽信息，

-基于这些遮蔽信息来确定关于即将来临的遮蔽的时间和地点预报，

-根据即将来临的遮蔽来确定该光伏设备的预期输出功率。

因此，可以根据该光伏设备的预期输出功率来提前确定附加地需要其它能源，以补偿即将来临的遮蔽和与之相关的光伏设备功率损失。

一个改进方案尤其是，根据该光伏设备的预期输出功率来激活其它能源。

一个改进方案还在于，其它能源包括以下能源中的至少一个：

-可控消耗器，

-蓄能器，

-能量生成装置。

另外一个改进方案是，多个相邻的光伏设备在空间上至少部分包围该光伏设备。

因而这些相邻的光伏设备可以布置在该光伏设备周围。这些光伏设备优选不重叠。

在一个附加的改进方案范围内，基于这些遮蔽信息根据预报模型来确定关于即将来临的遮蔽的时间和地点预报。

预报模型例如是用于识别和预测开放动态系统的非线性状态空间模型，该系统一方面由内部动态特性(设备特性)且另一方面由外部影响因素(例如天气情况和相邻设备状况)来驱使。该模型能以时间展开的回归神经原网络的形式来表述。开放动态特性的状态和输出公式优选作为神经原网络的参数化函数的形式来描述。这些参数通过优化算法匹配于观测数据以获得尽可能高的预测品质。可选地，神经原网络包含纠错机制，其对动态特性的干扰做出反应并至少部分均衡所述干扰。神经原网络尤其具有以下优点，即可以对非线性影响进行映像。