[发明专利]一种基于因子分析的并网光伏电站日发电量预测方法

说明书

技术领域

本发明涉及一种电站发电量预测方法，尤其是涉及一种基于因子分析的并网光伏电站日发电量预测方法。

背景技术

太阳能光伏发电是一种转换效率高、使用寿命长、可提供大量电力的一种太阳能利用方式，且太阳能的技术开发潜力是六种可再生能源中最高的，是目前全球能量需求的10000倍以上。而在实际的开发和利用中，近十年太阳能光伏(PV)技术发展迅速，截止2012年底全球累计光伏装机容量已达102吉瓦(GW)，已成为全球可再生能源中继水电、风电之后最重要的来源。我国太阳能太阳能资源丰富，据测算，理论储量达每年17000亿吨标准煤，年平均日辐射量在4kWh/m²以上，与美国相近，比欧洲、日本优越，加上国内强劲的电力需求拉动了光伏的发展。然而，光伏发电系统的输出在很大程度上取决于天气和气候条件，存在间歇性和不稳定性，随着光伏产业的迅猛发展及入网规模的指数增长，对电力系统的经济、安全和可靠运行带来的压力与日俱增，因此，准确的光伏发电量(或功率)预测显得越来越重要，并网光伏发电量的准确预测对光伏电站和电力系统的运行和调度具有重要的意义。

目前关于并网光伏发电量预测的主要方法有：

1)统计方法，如图1所示，H为水平面上太阳总辐射，T为气温，R为相对湿度，P为气压，W为风速，Em为光伏发电量。统计方法基于历史气象资料和同期历史光伏发电量资料，采用统计学方法(如多元回归、神经网络等相关算法)进行分析建模，但并未考虑区分各种影响因子的性质以及众多因子间存在的多重共线性或耦合关系，从而影响方程的预测能力，且众多输入因子也不利于建模。

2)物理试验方法。物理试验方法要基于不同气象环境影响因素下光伏电池或模块性能的大量对比试验，提出了不同的光伏模块或组件电气物理模型或效率模型。然而以往的研究大多数集中在实验室条件下光伏电池入射的总辐射和电池板温，需要准确地测量如入射总辐射和电池板温，光伏电池输出的电流-电压(I/V)特性曲线等，获得这些数据的代价较大，甚至无法在实际中获得，并不能真正代表户外光伏电站实际运行条件；其次，需要引入一个额外的并网逆变器效率模型或并网逆变器输出模型，用来预测光伏并网发电系统最后的交流输出；同时根据这种方法会有很多中间环节，每一个转换阶段可能会引入系统误差。

鉴于以上原因，传统的光伏发电量预测方法难以满足光伏电站和电力系统实用、简单以及预测能力的要求。

中国专利201110119239.7公开了一种光伏发电量预测方法，该发明将光伏电站的历史发电量数据进行筛选分类，并对气象数据再加工得到光伏电站的总幅射量，然后将天气类型、温度、湿度、季节、总辐射量经归一化后作为预测模型的输入，经神经网络计算，预测出12小时或4小时光伏电站发电量，但该方法因未考虑区分各种影响因子的性质以及众多因子间存在的多重共线性或耦合关系而影响模型预测准确性，神经网络计算复杂，预测时间短。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种能够满足光伏电站和电力系统实用、简单以及预测能力要求的基于因子分析的并网光伏电站日发电量预测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于因子分析的并网光伏电站日发电量预测方法，包括以下步骤：

步骤S1：获取历史常规气象观测值、气温日较差Td、日清晰度指数Kt和光伏电站数据库中的历史光伏发电量数据Em，并进行变量相关分析和标准化处理；

步骤S2：对标准化后的历史常规气象观测值、气温日较差Td、日清晰度指数Kt进行因子分析，并采用极大方差法进行因子轴旋转，提取旋转后的2个公因子，并获得旋转后每个公因子的载荷矩阵；

步骤S3：建立光伏电量预测模型为：

Ee*=af1+bf1]]>