[发明专利]基于相似日分析的光伏电站发电量预测方法及预测系统

权利要求书

1.一种基于相似日分析的光伏电站发电量的预测方法，其特征在于，包括 如下步骤：

步骤S1，收集光伏电站所在地的与日期相对应的历史环境信息、历史发电 量数据；

步骤S2，对预知的环境因素及历史环境信息中确定的各历史环境因素分别 进行数值化处理；

步骤S3，根据数值化处理后的数据及历史发电量数据建立相似日处理模型； 以及

步骤S4，通过相似日处理模型进行发电量预测。

2.根据权利要求1所述的预测方法，其特征在于，

所述预知的环境因素及各历史环境因素均包括为光伏电站所对应的辐照量 指数、天气类型指数、环境温度指数和空气质量指数；其中

所述天气类型指数，其根据不同天气状况对辐照量指数的影响程度模糊分 为数值1～7；

所述空气质量指数，其选用PM2.5指数。

3.根据权利要求2所述的预测方法，其特征在于，所述步骤S3中根据数 值化处理后的数据及历史发电量数据建立相似日处理模型的方法包括如下步 骤：

步骤S31，对历史环境因素中相应指数的数值进行多元回归分析，并确定上 述各指数分别对历史发电量数据的影响程度；

步骤S32，根据预知的环境因数对历史环境信息进行筛选，以获取若干天的 相似日天数，及将该相似日天数所对应的历史发电量数据，作为所述相似日处 理模型。

4.根据权利要求3所述的预测方法，其特征在于，所述步骤S31中对历史 环境因素中相应指数的数值进行多元回归分析，即

通过多元回归分析确定各影响因子，

取X1表示辐照量指数，其影响因子为系数K1；

X2表示天气类型指数，其影响因子为系数K2；

X3表示环境温度指数，其影响因子为系数K3；

X4表示PM2.5指数，其影响因子为系数K4。

5.根据权利要求4所述的预测方法，其特征在于，所述步骤S31中确定上 述各指数分别对历史发电量数据的影响程度，即通过各影响因子得出对光伏电 站发电量的影响程度，其方法包括：

对各影响因子的绝对值进行排序，以确定各环境因素对历史发电量数据的 影响程度；

针对发电量的影响程度由高到低排序分别是辐照量指数>天气类型指数>环 境温度指数>空气质量指数；即

将各影响因子绝对值排序为|K1|>|K2|>|K3|>|K4|。

6.根据权利要求5所述的预测方法，其特征在于，所述步骤S32中根据预 知的环境因数对历史环境信息进行筛选，以获取若干天的相似日天数的方法包 括：

由预知的环境因素确定各影响因素的预知信息，并根据预知的环境因素对 历史环境信息逐一筛选；即

先筛选影响程度大的因素，即辐照量指数，再依次筛选天气类型指数、环 境温度指数、空气质量指数，并调节各筛选范围，以筛选出相应相似日天数， 设定从第1天到第n天的相似日对应的历史发电量数据分别E1、E2、E3……En。

7.根据权利要求6所述的预测方法，其特征在于，所述步骤S4中通过相 似日处理模型进行发电量预测的方法包括：

上述相似日发电量数据作平均处理，以作为对应预知时间发电量E的预测 均值，即E＝(E1+E2+E3+……+En)/n。

8.一种基于相似日分析的光伏电站发电量的预测系统，其特征在于，包括：

数据采集模块，收集光伏电站所在地的与日期相对应的历史环境信息、历 史发电量数据；

与数据采集模块相连的数值化模块，其适于对预知的环境因素及历史环境 信息中确定的各历史环境因素分别进行数值化处理；

与数值化模块相连的模型建立模块，其适于根据数值化处理后的数据及历 史发电量数据建立相似日处理模型；以及

与模型建立模块相连的输出模块，其适于通过相似日处理模型进行发电量 预测。