[发明专利]光伏电池组件温度的分步预测方法

说明书

技术领域

本发明涉及光伏发电技术领域，具体涉及一种光伏电池组件温度的 分步预测方法，更具体地涉及一种基于BP神经网络算法的光伏电池组 件温度的分步预测方法。

背景技术

光伏发电功率受到诸多因素的影响，例如太阳辐照度、环境温度、 气压、相对湿度、风速、风向等气象影响因子以及安装位置、安装角度、 综合效率、组件类型等影响因子。上述影响因子在光伏电站建成时已经 确定，功率的变化主要是随着不断变化的气象影响因子而变化。其中， 根据光伏电池的伏安特性曲线，当光伏电池的工作温度升高时会引起短 路电流的升高和开路电压的降低：组件温度每升高1℃，开路电压降低 2～2.6mV，短路电流略有升高，综合来看，光伏电池组件温度每升高1℃， 输出功率损失0.35％～0.45％。可见，光伏电池组件温度是影响光伏发电 功率的重要因素之一。但是在目前的研究中，光伏电池组件温度却常被 等效为环境温度来进行计算和预测，这制约了光伏发电功率预测结果的 准确性。为得到更加准确的光伏发电功率预测结果，需要更加准确的对 光伏发电组件温度的预测方法。

发明内容

有鉴于此，本发明提出一种光伏电池组件温度的分步预测方法，以 更加准确地预测光伏电池组件温度。

本发明的光伏电池组件温度的分步预测方法包括：

S100、获取预测日的预测天气类型；

S200、根据所述预测天气类型选取对应的多个气象影响因子预测模 型，每个所述气象影响因子预测模型对应于预测天气类型下的一种气象 影响因子；

S300、将至少两种历史气象影响因子数据分别输入到预测天气类型 对应的气象影响因子预测模型中，分别对预测日的至少两种气象影响因 子进行预测，获取预测日的至少两种气象影响因子的预测值，与光伏电 池组件温度的历史数据一同组成光伏电池组件温度预测模型的输入序列。 其中，所述历史气象影响因子数据为满足预定条件的预测天气类型下最 近至少一天内每隔预定时间间隔获取的气象影响因子数据；所述光伏电 池组件温度预测模型的输入序列为在预测日预定时间的所述至少两种气 象影响因子的预测值以及组件温度自身历史数据组成的序列；

S400、根据所述预测天气类型选取对应的组件温度预测模型；

S500、以所述至少两种气象影响因子的预测值和组件温度历史数据 为输入，根据所述组件温度预测模型预测所述光伏电池组件在预定时间 的组件温度预测值。

优选地，所述步骤S300包括：

S310、对每个历史气象影响因子序列进行归一化处理；

S320、根据归一化的历史气象影响因子序列和对应的气象影响因子 预测模型获取对应类型的气象影响因子的归一化的预测序列。

优选地，所述步骤S500包括：

S510、以所述至少两种气象影响因子在预定时间的归一化预测值以 及光伏电池组件温度的历史数据的归一化值为输入，根据预测天气类型 对应的组件温度预测模型获取归一化的光伏电池组件温度预测值；

S520、对归一化的光伏电池组件温度预测值进行反归一化处理，获 取光伏电池组件温度预测值。

优选地，所述气象影响因子预测模型训练样本以预测天气类型下归 一化后气象影响因子历史数据为样本，基于BP神经网络算法训练获得。

优选地，所述光伏组件温度预测模型训练样本以预测天气类型下同 一时刻归一化气象影响因子数据和同一时刻归一化后组件温度历史数据 的组合为输入，以此时刻对应归一化后的组件温度值为输出，基于BP 神经网络算法训练获得。

优选地，所述气象影响因子包括太阳辐照度、环境温度、风速、相 对湿度、风向和气压中的一种或多种。

优选地，所述气象影响因子历史数据为满足预定条件的预测天气类 型下的最近至少一天内每隔预定时间间隔获取的气象影响因子数据；所 述组件温度历史数据为满足预定条件的预测天气类型下的最近至少一天 内每隔预定时间间隔的组件温度数据。