[发明专利]光伏电站超短时功率预测装置

摘要

本发明公开了一种光伏发电超短时功率预测装置，预测装置包括气象数据接收装置，用于接收光伏电站未来的预测气象数据；电站监测装置，用于实时测量光伏电站的实时气象数据及光伏电站实时功率；历史发电服务器，用于记录和统计光伏电站的历史发电量和对应的实时气象数据；实测气象变化系统，用于分析实时气象数据的变化信息；功率预测系统，用于将气象数据接收装置和历史发电服务器的数据信息进行处理得到功率预测值；功率预测纠正系统，用于对光伏电站的功率预测值进行修正。本发明将气象各要素的实时变化信息纳入功率预测纠正系统，根据预测日的实时气象变换规律来纠正光伏电站预测功率，可以提高光伏电站超短时功率预测的准确度。

主权项

光伏电站超短时功率预测装置，其特征在于，包括气象数据接收装置、电站监测装置、历史发电服务器、实测气象变化系统、功率预测系统、以及功率预测纠正系统；所述气象数据接收装置作为气象台接收光伏电站未来的预测气象数据，并对接收到的大尺度的预测气象数据通过统计与动力相结合的方法降尺度，得到精细化的预测气象数据；所述电站监测装置用于实时测量光伏电站的实时气象数据以及光伏电站实时功率，并送往历史发电服务器，所述电站监测装置监测的数据包括温度、湿度、风速、光照强度、以及光伏电站实时功率，所述电站监测装置监测光伏电站的实时气象数据和光伏电站实时功率的分辨率为15分钟；所述历史发电服务器接收所述电站监测装置传送来的光伏电站的实时气象数据以及光伏电站实时功率，历史发电服务器用于记录和统计光伏电站的历史发电量以及与历史发电量对应的光伏电站的实时气象数据，历史发电服务器记录和统计的数据包括光伏电站实时功率、温度、湿度、风速、以及光照强度，历史发电服务器记录和统计上述数据的分辨率为15分钟；所述气象数据接收装置接收的预测气象数据送入历史发电服务器内；所述历史发电服务器对上述数据按照4种日类型进行分类，4种日类型包括A、B、C、D四种，其中A类日类型为晴、晴间多云、多云间晴天气，B类日类型阴、阴间多云、多云、多云间阴、雾天气，C类日类型为雨夹雪、小雨、冻雨、小到中雨、阵雪、小雪、小到中雪阵雨、雷阵雨、雷阵雨伴有冰雹天气，D类日类型为特大暴雨、中雪、大雪、暴雪、大暴雨到特大暴雨、中雨、大雨、暴雨、大暴雨、中到大雪、大到暴雪、沙尘暴、中到大雨、大到暴雨、雷雨到大暴雨天气；在此基础上，历史发电服务器统计出同历史周期一个月、同日类型的温度修正系数Kt_N、湿度修正系数Ks_N、风速修正系数Kf_N、以及光照强度修正系数Kg_N；其实现方法为，步骤一，历史发电服务器中，对光伏电站历史数据按月建立4种日类型集合，4种日类型如前所述；其具体实施方法为：以同周期历史气象参数及光伏发电功率为主要参数依据，按月建立数据集合，每月同日类型的光伏电站的气象变化和发电功率具有相似性；步骤二，历史发电服务器中，每数据集合选取每周6个工作日的光伏电站历史数据，共建立每月24组工作日数据，其中每组工作日的光伏电站历史数据至少包括温度T、湿度S、风速F、光照强度G、光伏电站实测功率P_c、以及功率预测系统的光伏电站预测功率P_y，光伏电站历史数据的采集分辨率为15分钟；步骤三，历史发电服务器中，按月计算每数据集合连续两采集点的温度修正系数Kt_N、湿度修正系数Ks_N、风速修正系数Kf_N、以及光照强度修正系数Kg_N；第N个采集点的光伏电站实测功率与预测功率差值ΔP_N为：${\mathrm{\ΔP}}_N={\mathrm{\ΔT}}_{N,M}\·{\mathrm{Kt}}_{N,M}+{\mathrm{\ΔS}}_{N_{,M}}\·{\mathrm{Ks}}_{N,M}+{\mathrm{\ΔF}}_{N,M}\·{\mathrm{Kf}}_{N,M}+{\mathrm{\ΔG}}_{N,M}\·{\mathrm{Kg}}_{N,M};$其中，ΔT_N为工作日第N个采集点的温度变化值，ΔS_N为工作日第N个采集点的湿度变化值，ΔF_N为工作日第N个采集点的风速变化值，ΔG_N为工作日第N个采集点的光照强度变化值；ΔP_N＝P_c,N‑P_y,N，其中P_c,N为工作日第N个采集点的光伏电站实测功率，P_y,N为工作日第N个采集点的光伏电站预测功率；对于光伏电站的历史发电数据，上述ΔP_N的算式存在4个未知数，即Kt_N,M、Ks_N,M、Kf_N,M、Kg_N，需要4组数据可以求出Kt_N,M、Ks_N,M、Kf_N,M、Kg_N，但在数据集合中对应每种日类型存在6组工作日数据，故可以得到种解，具体来说,对于温度修正系数Kt_N，具有Kt_N,B个解，B是1到15的数，对于湿度修正系数Ks_N，具有Ks_N,B个解，B是1到15的数，对于风速修正系数Kf_N，具有Kf_N,B个解，B是1到15的数，对于光照强度修正系数Kg_N，具有Kg_N,B个解，B是1到15的数；于是，某日类型下的第N采集点的温度修正系数Kt_N为：${\mathrm{Kt}}_N=\frac{\underset{B=1}{\overset{15}{\Σ}}{\mathrm{Kt}}_{N,B}}{15};$某日类型下的第N采集点的湿度修正系数Ks_N为：${\mathrm{Ks}}_N=\frac{\underset{B=1}{\overset{15}{\Σ}}{\mathrm{Ks}}_{N,B}}{15};$某日类型下的第N采集点的风速修正系数Kf_N为：${\mathrm{Kf}}_N=\frac{\underset{B=1}{\overset{15}{\Σ}}{\mathrm{Kf}}_{N,B}}{15};$某日类型下的第N采集点的光照强度修正系数Kg_N为：${\mathrm{Kg}}_N=\frac{\underset{B=1}{\overset{15}{\Σ}}{\mathrm{Kg}}_{N,B}}{15};$上述温度修正系数Kt_N为温度上升1单位对光伏电站功率的影响值，湿度修正系数Ks_N为湿度上升1单位对光伏电站功率的影响值，风速修正系数Kf_N为风速上升1单位对光伏电站功率的影响值，光照强度修正系数Kg_N为光照强度上升1单位对光伏电站功率的影响值，上述温度修正系数Kt_N、湿度修正系数Ks_N、风速修正系数Kf_N、以及光照强度修正系数Kg_N为归一化系数；所述实测气象变化系统接收所述电站监测装置传送来的光伏电站的实时气象数据，进而分析实时气象数据的变化信息，实测气象变化系统是对光伏电站超短时功率预测纠正的重要依据，所述实测气象变化系统将所述电站监测装置采集到的前两个采集点的温度T、湿度S、风速F、光照强度G进行数据比较分析，计算出前两个采集点之间的温度变化值ΔTN、湿度变化值ΔS_N、风速变化值ΔF_N、以及光照强度变化值ΔG_N；其实现方法为，步骤四，实测气象变化系统中，计算每个工作日连续两采集点之间的温度变化值ΔT_N、湿度变化值ΔS_N、风速变化值ΔF_N、光照强度变化值ΔG_N；其实现方法为：ΔT_N＝T_N‑1‑T_N‑2；ΔS_N＝S_N‑1‑S_N‑2；ΔF_N＝F_N‑1‑F_N‑2；ΔG_N＝G_N‑1‑G_N‑2；N点是未来的时间点，N‑1和N‑2是已经发生的时间点，我们这里用前面两个时间点的温度、湿度、风速、光照强度的变化规律来衡量未来时间点的变化规律；其中，ΔT_N为工作日第N个采集点的温度变化值，ΔS_N为工作日第N个采集点的湿度变化值，ΔF_N为工作日第N个采集点的风速变化值，ΔG_N为工作日第N个采集点的光照强度变化值，N为工作日的第N个采集点；所述功率预测系统接收所述气象数据接收装置传送来的精细化的预测气象数据以及历史发电服务器传送来的光伏发电实时功率和对应的光伏电站的实时气象数据，功率预测系统以所述气象数据接收装置和所述历史发电服务器传送来的数据信息为参数通过建立预测模型进行处理得到光伏电站预测功率，所述功率预测系统得到的光伏电站预测功率输入所述历史发电服务器内；所述功率预测纠正系统将所述功率预测系统得到的光伏电站预测功率结合所述实测气象变化系统计算出的温度变化值ΔT_N、湿度变化值ΔS_N、风速变化值ΔF_N、光照强度变化值ΔG_N、以及历史发电服务器统计出的温度修正系数Kt_N、湿度修正系数Ks_N、风速修正系数Kf_N、光照强度修正系数Kg_N，对光伏电站的功率预测值进行修正，得到光伏电站的超短时功率预测修正值，以提高光伏电站超短时功率预测的准确度；其实现方法为，步骤五，功率预测纠正系统中，对光伏电站预测功率进行修正，其方法为：P_X,N＝P_y,N+ΔT_N·Kt_N+ΔS_N·Ks_N+ΔF_N·Kf_N+ΔG_N·Kg_N其中，P_X,N为工作日第N个采集点的光伏电站预测功率修正值，P_y,N为工作日第N个采集点的光伏电站预测功率，P_y,N通过所述功率预测系统得到，ΔT_N、Kt_N、ΔS_N、Ks_N、ΔF_N、Kf_N、ΔG_N、Kg_N同上；上述光伏电站超短时功率预测装置的求解某月某种日类型的超短时功率预测修正方法，按其同样方法可以应用于某月其它3种日类型的超短时功率预测修正方法，也同理可以应用于其它月的4种不同日类型超短时功率预测修正方法。