[发明专利]一种计算雾霾对光伏发电量定量影响的方法有效
申请号: | 202010056661.1 | 申请日: | 2020-01-18 |
公开(公告)号: | CN111259341B | 公开(公告)日: | 2022-07-12 |
发明(设计)人: | 吴秋轩;蒋咏梅;迟晓妮;石厅;罗艳斌;曾平良 | 申请(专利权)人: | 杭州电子科技大学 |
主分类号: | G06F17/18 | 分类号: | G06F17/18;G06Q10/06;G06Q50/06 |
代理公司: | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人: | 朱月芬 |
地址: | 310018 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 计算 对光 发电量 定量 影响 方法 | ||
1.一种计算雾霾对光伏发电量定量影响的方法,其特征在于,步骤如下:
步骤1、收集气象数据、空气质量数据、光伏发电数据,进行数据合理性完整性检验,完成数据过滤,数据季节归一化,建立晴空数据库;
通过建立数据过滤器去除晴天以外的数据,数据季节归一化采用最大-最小规范化对数据进行一种线性变化,能保持原始数据之间的联系,使得数据标准化后在分析中不会产生误导性的结果;
步骤2、使用改进的灰色斜率关联度分析建立光伏发电系统的系统特征序列和系统相关因素序列;改进的灰色斜率关联度计算方法如下:
设有:Xi=[xi(1),xi(2),...,xi(k)],i=2,3,…,m1是由m1个系统因素构成的行为序列,Yj=[yj(1),yj(2),...,yj(k)],j=2,3,…,m2是由m2个系统特征构成的行为序列,系统特征序列和系统因素序列都不是等值序列;在光伏发电系统中有PM2.5值为系统因素X1,PM10值为系统因素X2,环境温度为系统因素X3,光伏板温度为系统特征Y1,辐照度为系统特征Y2,光伏发量为系统特征Y3;
计算灰色斜率关联系数:
Δxi(k)=xi(k)-xi(k-1),k=2,3,…,n
Δyj(k)=yj(k)-yj(k-1),k=2,3,…,n
其中为关联度符号函数;为系统特征序列在k到k+1的斜率,为系统行为序列在k到k+1的斜率;γij(k)为Xi(k)与Yj(k)在k时刻的灰色斜率关联系数,
计算关联度:
γ0i称为X0和Xi的关联度,当-1≤γ0i<0时,X0与Xi为负关联,绝对值γ0i越大,负关联度越强;当0<γ0i≤1,X0与Xi为正关联,γ0i越大,正关联度越强;当γ0i=0时,X0与Xi为无关联;得到PM2.5值、PM10值和环境温度对光伏发电量的影响权重,对之后雾霾与光伏发电量影响模型提供依据;
步骤3、根据步骤2的关联度分析,太阳辐照度与光伏发电量的关联度为0.97,因此太阳辐照度是决定光伏发电量的最主要的因素,探究PM2.5与光伏发电量的关系就是探究PM2.5与辐照度的关系;PM2.5与辐照度的关联度为0.82,表明PM2.5对辐照度有较大的影响;基于已有方法,提出指数线性复合模型对PM2.5值和对应时刻辐照度进行拟合,提出模型为:
其中a,b,c为常数,X为PM2.5指数,E′为PM2.5值对应的相对辐照度,Ee为对应辐照度;使用步骤1建立的晴空数据库拟合PM2.5与辐照度关系模型,并分开拟合线性模型、指数模型以及指数线性复合模型;
步骤4、计算雾霾对光伏发电量的定量影响,通过分析PM2.5对辐照度的影响量,建立光伏发电系统模型,实现光电转换,得到PM2.5对光伏发电量的定量影响即雾霾导致光伏发电量的年损失量;
步骤4.1计算雾霾造成辐照度的损失量,使用步骤3中指数线性复合模型关系式计算的PM2.5导致辐射量的损失值;
步骤4.2建立光伏发电模型,结合实际光伏发电系统,建立对应的simulink光伏模型;光伏模型采用时刻辐照度与对应温度作为变量输入,使用历史数据对模型准确性的验证;
步骤4.3计算雾霾导致光伏发电量的年损失量,通过步骤4.2实现无雾霾时对应辐照度与光伏发电量的转换;对比实际辐照度与模型计算无雾霾辐照度,以及实际光伏发电量和模型发电量,获得雾霾导致光伏发电量的年损失量。
2.根据权利要求1所示的一种计算雾霾对光伏发电量定量影响的方法,其特征在于,步骤3具体步骤如下:
线性模型中使用最小二乘法求解拟合参数,其中差值最小的参数定义为最佳拟合结果;指数模型以及指数线性复合模型使用的是莱文贝格-马夸特方法求解拟合参数,获得数非线性最小化的数值解;调用拟合函数对步骤1中处理过的PM2.5和辐照度数据进行拟合,得到拟合曲线以及关系模型;
线性关系拟合:
E′=-0.0011PM2.5+0.994
R2=0.84
指数关系拟合:
E′=exp(-0.00124PM2.5)
R2=0.89
指数线性复合关系拟合:
E′=exp(-0.0012PM2.5)-(4.55E-5)PM2.5+0.0041
R2=0.91
其中R2为拟合优度,R2的值越接近1,说明PM2.5与辐照度的拟合程度越好;反之,R2的值越小,说明PM2.5与辐照度的拟合程度越差;
根据以上的拟合情况来看,太阳辐照度随着PM2.5浓度的增加整体呈现下降趋势,对比三种拟合模型的拟合优度,线性模型拟合优度为0.8,指数模型拟合优度为0.89,指数线性复合模型拟合优度为0.91;指数线性复合模型拟合优度最高,所以采用复合模型来描述PM2.5与辐照度Ee的关系,指数线性复合模型关系式为:
Ee=exp(-0.0012PM2.5+6.19±0.14)-0.0455PM2.5+4.1。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学,未经杭州电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010056661.1/1.html,转载请声明来源钻瓜专利网。