[发明专利]一种分布式光伏自用电比例预测的实现方法及系统

权利要求书

1.一种分布式光伏自用电比例预测的实现方法，其特征在于，所述分布式光伏自用电比例预测的实现方法包括以下步骤：

第一步，收集代表气象观测站多年逐小时时段总辐射观测数据并修正至代表年；收集气象观测站至少一整年逐时段气温测量数据；收集或实测拟接入用户历年月度电费单、典型日用电曲线；

第二步，结合光伏系统装机容量、组件温度特性设计参数计算光伏系统全逐小时发电量；根据收集或实测的典型日用电曲线，统计月、日负荷率、节假日负荷系数；

第三步，基于典型日内用电监测与负荷系数，开展接入用户短期负荷预测并生成逐小时曲线；

第四步，结合光伏出力与负荷曲线计算自用电比例。

2.如权利要求1所述的分布式光伏自用电比例预测的实现方法，其特征在于，第一步中，利用拟接入用户不同户号的计量电表，采集所有计量电表历年月度电费单、典型日用电曲线，对采集的数据进行预处理、辨识并剔除坏数据，生成所有计量电表历年月度电费单、典型日用电曲线。

3.如权利要求1所述的分布式光伏自用电比例预测的实现方法，其特征在于，第二步中，根据信息采集及对用户生产运营倒班情况的统计，初步得到月负荷率为0.78，日负荷率为0.69，节假日负荷约占工作日的40％。

4.如权利要求1所述的分布式光伏自用电比例预测的实现方法，其特征在于，第二步中，所述光伏系统全逐小时发电量的计算方法为：

(1)根据光伏系统所在地理位置和时间计算水平面理论太阳辐射强度；

(2)获取光伏系统的历史发电量、光伏系统装机容量、组件温度特性以及光伏系统所在位置的气象要素历史运行数据；所述气象要素包含光伏电站所在位置的环境温度、光伏组件的背板温度和实际辐照强度；

(3)将获取的数据样本[T C S]作为神经网络的输入向量，将[0 0 P]作为神经网络的输出向量，建立基于神经网络的光伏系统发电量的计算模型；其中T为光伏组件的背板温度或环境温度，C为实际辐照强度，S为水平面理论太阳辐射强度，P为光伏电站发电量；

(4)输入任意时刻的气象要素数据，结合光伏系统装机容量、组件温度特性设计参数，通过所述计算模型计算得到该时刻光伏系统的发电量。

5.如权利要求4所述的分布式光伏自用电比例预测的实现方法，其特征在于，所述水平面理论太阳辐射强度的计算方法为：

1)根据大气衰减系数以及太阳高度角计算得到太阳直接辐射强度；所述太阳直接辐射强度的计算公式为：S_bh＝S₀×τ_b×sin h；

2)根据大气衰减系数、太阳高度角以及散射系数计算得到太阳散射辐射强度；所述太阳散射辐射强度的计算公式为：

其中，S_bh为太阳直接辐射强度，S₀为入射到水平面上的太阳直接辐射强度，τ_b为直接辐射衰减系数，h为太阳高度角；S_dh为太阳散射辐射强度，E_dh为入射到水平面上的太阳散射辐射强度，τ_d为散射辐射衰减系数，k₂为大气质量系数；

3)将所述太阳直接辐射强度与所述太阳散射辐射强度进行加法运算，即得所述水平面理论太阳辐射强度。

6.如权利要求1所述的分布式光伏自用电比例预测的实现方法，其特征在于，第四步中，所述光伏发电出力近似服从Beta分布，根据气象特征确定分布参数后，生成全年逐小时出力曲线；根据统计的用户影响因子和采集装置中的用电监测日趋势曲线，生成全年逐小时的用电负荷曲线。

7.如权利要求1所述的分布式光伏自用电比例预测的实现方法，其特征在于，第四步中，所述光伏的负荷曲线的自用电比例K为：

其中，G_n为第n小时光伏出力；P_n为第n小时负荷；8760＝365×24，即全年的小时数。