CN107944649A - 一种光伏电站辐照度的预测方法 - Google Patents
一种光伏电站辐照度的预测方法 Download PDFInfo
- Publication number
- CN107944649A CN107944649A CN201810023481.6A CN201810023481A CN107944649A CN 107944649 A CN107944649 A CN 107944649A CN 201810023481 A CN201810023481 A CN 201810023481A CN 107944649 A CN107944649 A CN 107944649A
- Authority
- CN
- China
- Prior art keywords
- mtd
- mrow
- msub
- cloud
- mtr
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000011159 matrix material Substances 0.000 claims abstract description 104
- 230000033001 locomotion Effects 0.000 claims abstract description 15
- 230000015572 biosynthetic process Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 3
- 238000010248 power generation Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种光伏电站辐照度的预测方法,包括:将观测区域划分为m*n个网格,并建立云对应的位置矩阵,获取一定时间段内云位置的历史矩阵,处理历史矩阵,预测某时刻的云位置矩阵。基于某时刻的云位置和云对辐照度的影响,建立n*m网格云的影响矩阵。根据云位置矩阵和影响矩阵,获得某时刻云对辐照度的影响系数,基于影响系数,计算某时刻的辐照度。与现有技术采用海量的历史数据进行辐照度预测相比,本申请提供的辐照度预测方法,通过对云的监测掌握其移动规律,预测其在某时刻的位置状态,进而计算出该时刻该区域的辐照度,具有更高的准确性,尤其是对短期及超短期地表辐照度的预测更加的灵敏准确,有利于提高对光伏发电功率预测的准确性。
Description
技术领域
本发明涉及光伏发电技术领域,尤其涉及一种光伏电站辐照度的预测方法。
背景技术
众所周知,光伏发电属于波动性和间歇性的电源,随着越来越多的大型光伏电站实行并网运行,其输出功率的波动性和间歇性对电网的影响越来越大,对光伏电站发电功率的预测技术的需求也越来越迫切。间接预测方式是较为合理可行的一种功率预测方法,该方法首先需要对地表辐照度进行预测,后根据光伏电站处理模型得到光伏电站发电功率。
其中,对地表辐照度进行预测使用的方法,主要是以海量的辐照度历史数据和气象数据作为基础,利用统计、神经网络等方法对辐照度进行预测。如一种光伏电站辐照度预测方法,通过获取光伏电站所在地区的历史辐照度数据,获得辐照度的原始数据。将天气类型相同的原始数据组成数据子集,并将其作为样本数据。建立光伏电站所在地的辐照度预测模型,从样本数据中选取训练样本集并代入到辐照度预测模型,进而得出待预测时间段内天气的辐照度。
然而,由于辐照度历史数据的滞后性,以及天气模型数据的时空特征较为粗糙,得到的预测结果尤其是超短期、短期辐照度的预测结果准确性较低,不利于发电功率的预测,不利于电网对光伏发电的优化调度及消纳光伏发电量。
发明内容
本申请提供了一种光伏电站辐照度的预测方法,以解决现有技术使用历史数据及气象数据对辐照度进行预测,对短期及超短期辐照度的预测结果准确性较低,不利于准确预测光伏发电功率的问题。
一种光伏电站辐照度的预测方法,包括:
将观测区域划分为m*n个网格,并建立云对应的位置矩阵;
获取一定时间段内云位置的历史矩阵;
处理所述历史矩阵,预测某时刻的云位置矩阵;
基于所述某时刻的云位置和云对辐照度的影响,建立n*m网格云的影响矩阵;
根据所述云位置矩阵和所述影响矩阵,获得所述某时刻云对辐照度的影响系数;
基于所述影响系数,计算所述某时刻的辐照度。
可选的,所述历史矩阵包括所述时间段内等时间间隔的历史云位置矩阵;
所述处理所述历史矩阵,预测某时刻的云位置矩阵包括:
根据所述历史云位置矩阵,获得云区的移动轨迹,所述云区是指在所述历史云位置矩阵中连续有云的区域;
基于所述移动轨迹,计算云区的移动速度及云区面积的变化速度;
根据所述移动速度和所述变化速度,预测某时刻的云位置矩阵。
可选的,所述根据所述云位置矩阵和所述影响矩阵,获得所述某时刻云对辐照度的影响系数包括:
将所述云位置矩阵与所述影响矩阵相乘,得到方阵;
根据所述方阵,计算云层对辐照度的影响系数。
可选的,所述云区的移动速度包括云区在行向量方向的速度和云区在列向量方向的速度;
所述计算云区面积的变化速度包括:
根据以下公式计算云区面积的变化速度:
其中,vm为云区面积的变化速度,Δm为云区在历史云位置矩阵中t时间内连续有云的区域增加或减少的网格数。
可选的,所述影响矩阵包括:
Qij=aij*bij,其中aij为遮挡系数,表示第j行i列网格有云时的遮挡程度,取值范围为0-1,bij为透射系数,表示第j行i列网格有云时其厚度对阳光透射的影响,取值范围为0-1。
可选的,所述某时刻的云位置矩阵包括:
其中,p′ij为第i行j列网格区域,所述某时刻网格对应矩阵的位置有云,其元素赋值为1,对应矩阵的位置没有云,其元素赋值为0。
所述将所述云位置矩阵与所述影响矩阵相乘,得到方阵包括:
所述根据所述方阵,计算云对辐照度的影响系数包括:
根据以下公式计算所述影响系数:
其中,K为云对辐照度的影响系数,n为观测区域划分网格的列数,m为观测区域划分网格的行数。
可选的,所述基于所述影响系数,计算所述某时刻的辐照度包括:
根据如下公式计算所述某时刻的辐照度:
ET=E0*K
其中,ET为某时刻的辐照度,E0为晴空时观测区域的辐照度。
本申请提供的技术方案包括以下有益技术效果:
本申请提供一种光伏电站辐照度的预测方法,与现有技术采用海量的辐照度历史数据和气象数据进行辐照度预测相比,本申请提供的辐照度预测方法,通过对云的监测掌握其移动规律,预测其在某时刻的位置状态,进而计算出该时刻该区域的辐照度,具有更高的准确性,尤其是对短期及超短期地表辐照度的预测更加的灵敏准确,有利于提高对光伏电站发电功率预测的准确性。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种光伏电站辐照度的预测方法流程图;
图2为本申请实施例提供的一种处理历史矩阵预测某时刻的云位置矩阵的方法流程图;
图3为本申请实施例提供的一种根据云位置矩阵和影响矩阵获得某时刻云对辐照度的影响系数的方法流程图。
具体实施方式
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种光伏电站辐照度预测方法的流程图,参见图1,该方法包括以下步骤:
S101:将观测区域划分为m*n个网格,并建立云对应的位置矩阵。
对光伏电站区域天空云层状态进行观测,具体的,观测使用的仪器设备本申请中不做限制,在本实施例中,采用天空成像仪来实现对光伏电站区域天空的云层状态进行观测,并进行快速的采集图像,从而为该区域短期或超短期内的地表辐照度预测提供基础。
建立的m*n云对应的位置矩阵如下:
其中,Pij表示第i行j列网格,根据处理后的天空成像仪拍摄的图像,若网格对应矩阵P的位置有云,其元素赋值为1,若没有云,其元素赋值为0。
S102:获取一定时间段内云位置的历史矩阵。
全天空成像仪可定时拍摄光伏电站区域天空的图像,经过上述的网格处理后,可以得到一定时间段内云位置的历史矩阵。
S103:处理历史矩阵,预测某时刻的云位置矩阵。
本实施例中,应用该方法预测T时刻时地表的辐照度。由S102可知,该历史矩阵是一定时间段内云位置的矩阵,所以根据矩阵可以得到在该时间段内云位置的移动情况,具体的,如该历史矩阵包括有经过20秒后云位置的矩阵,则可根据20秒前后云位置的变化,掌握云的移动情况。根据云的移动情况可计算出云的移动速度,基于位移等于速度与时间的乘积,即可预测在之后的T时刻时,天空中云的位置状态,经过上述的网格处理后,即可得到T时刻的云位置的矩阵。
S104:基于某时刻的云位置和云对辐照度的影响,建立n*m网格云的影响矩阵。
根据预测的T时刻云的位置,以及该位置云对辐照度的影响,通过n*m网格处理,建立云对辐照度的影响矩阵。需要说明的是,该影响矩阵Qij表示第j行第i列位置云的影响矩阵。
S105:根据云位置矩阵和影响矩阵,获得某时刻云对辐照度的影响系数。
处理云位置矩阵和影响矩阵,应用矩阵特有的运算原则,可获得该T时刻云对辐照度的影响系数。
S106:基于影响系数,计算某时刻的辐照度。
根据某时刻云对地表辐照度的影响系数,根据公式可计算出T时刻的辐照度。
在对光伏电站辐照度进行预测时,首先将观测区域进行m*n划分处理,并建立对应的云的位置矩阵,获取一定时间段内该区域云位置的历史矩阵,对历史矩阵进行处理,得到云的移动速度,进而预测出之后的T时刻云的位置矩阵。根据该时刻云的位置以及云对辐照度的影响,建立n*m网格云的影响矩阵。根据位置矩阵和影响矩阵的运算,可获得T时刻云对辐照度的影响系数,根据影响系数,利用公式可计算出T时刻的辐照度。
可选的,该历史矩阵包括该时间段内等时间间隔的历史云位置矩阵,即天空成像仪按照一定的时间,连续快速的对光伏电站天空区域获取图像。
图2为本申请实施例提供的一种可选的处理历史矩阵预测某时刻的云位置矩阵方法的流程图,参见图2,该方法包括以下步骤:
S201:根据历史云位置矩阵,获得云区的移动轨迹,云区是指在历史云位置矩阵中连续有云的区域。
根据云区的移动轨迹进行计算,具有更高的准确度,有利于提高对某时刻的云位置矩阵预测的准确性。
S202:基于移动轨迹,计算云区的移动速度及云区面积的变化速度。
根据一定时间内云区的移动轨迹,可计算出该云区的移动速度。根据一定时间内云区在矩阵网格中的移动,可计算出云区面积的变化速度。
S203:根据移动速度和变化速度,预测某时刻的云位置矩阵。
与仅通过某一时间前后云区的移动状况,计算云区移动速度,进而预测T时刻的云位置矩阵相比,通过云区的移动速度和云区面积的变化速度,预测某时刻的云位置矩阵具有更高的准确性。
图3为本申请实施例提供的一种根据云位置矩阵和影响矩阵获得某时刻云对辐照度的影响系数的方法流程图,参见图3,该方法包括以下步骤:
S301:将云位置矩阵与影响矩阵相乘,得到方阵。
将T时刻m*n网格云位置矩阵与n*m网格云的影响矩阵相乘,可得到m*m的方阵。
S302:根据方阵,计算云层对辐照度的影响系数。
利用矩阵特有的乘法原则,得到的方阵中对角元素就是某一行网格的辐照度影响的叠加,根据该辐照度影响可计算出云层对辐照度的影响系数。
可选的,云区的移动速度包括云区在行向量方向的速度和云区在列向量方向的速度。
将云区的速度分为行向量方向的速度和列向量方向的速度,更加的准确,有利于提高某时刻云位置矩阵的准确度。
计算云区面积的变化速度包括,根据以下公式计算云区面积的变化速度:
其中,vm为云区面积的变化速度,Δm为云区在历史云位置矩阵中t时间内连续有云的区域增加或减少的网格数。
可选的,影响矩阵包括:
Qij=aij*bij,其中aij为遮挡系数,表示第j行i列网格有云时的遮挡程度,取值范围为0-1,bij为透射系数,表示第j行i列网格有云时其厚度对阳光透射的影响,取值范围为0-1。
需要说明的是,当aij的值为0时表示该网格有云时对光伏阵列区域辐照度没有影响,值为1时表示该网格有云时对光伏阵列区域辐照度有完全的影响,中间的取值表示该网格有云时对光伏阵列区域有不分影响。bij的取值与云的厚度成正比,云层越厚其取值越大,云层越薄其取值越小。
可选的,某时刻的云位置矩阵包括:
其中,pij为第i行j列网格区域,所述T时刻网格对应矩阵的位置有云,其元素赋值为1,对应矩阵的位置没有云,其元素赋值为0。
将云位置矩阵与影响矩阵相乘,得到方阵包括:
根据矩阵的乘法原则,得到的方阵R中对角的元素表示某一行网格的辐照度影响的叠加,如r22表示第二行所有网格和其对应的遮挡系数和透射系数相乘后的和。故而将方阵的对角元素进行平均处理可得到光伏电站区域云的辐照度影响系数。
故而根据方阵,计算云对辐照度的影响系数包括,根据以下公式计算影响系数:
其中,K为云对辐照度的影响系数,n为观测区域划分网格的列数,m为观测区域划分网格的行数。
可选的,基于影响系数,计算某时刻的辐照度包括,根据如下公式计算某时刻的辐照度:
ET=E0*K
其中,ET为T时刻的辐照度,E0为晴空时观测区域的辐照度。
将计算得到T时刻的辐照度带入光伏电站的光伏模型中,便可以计算得到T时刻后的光伏电站的发电功率。
本申请提供一种光伏电站辐照度的预测方法,与现有技术采用海量的辐照度历史数据和气象数据进行辐照度预测相比,本申请提供的辐照度预测方法,通过对云的监测掌握其移动规律,预测其在某时刻的位置状态,进而计算出该时刻该区域的辐照度,具有更高的准确性,尤其是对短期及超短期地表辐照度的预测更加的灵敏准确,有利于提高对光伏电站发电功率预测的准确性。
需要说明的是,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的内容,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (7)
1.一种光伏电站辐照度的预测方法,其特征在于,包括:
将观测区域划分为m*n个网格,并建立云对应的位置矩阵;
获取一定时间段内云位置的历史矩阵;
处理所述历史矩阵,预测某时刻的云位置矩阵;
基于所述某时刻的云位置和云对辐照度的影响,建立n*m网格云的影响矩阵;
根据所述云位置矩阵和所述影响矩阵,获得所述某时刻云对辐照度的影响系数;
基于所述影响系数,计算所述某时刻的辐照度。
2.根据权利要求1所述的方法,其特征在于,所述历史矩阵包括所述时间段内等时间间隔的历史云位置矩阵;
所述处理所述历史矩阵,预测某时刻的云位置矩阵包括:
根据所述历史云位置矩阵,获得云区的移动轨迹,所述云区是指在所述历史云位置矩阵中连续有云的区域;
基于所述移动轨迹,计算云区的移动速度及云区面积的变化速度;
根据所述移动速度和所述变化速度,预测某时刻的云位置矩阵。
3.根据权利要求1所述的方法,其特征在于,所述根据所述云位置矩阵和所述影响矩阵,获得所述某时刻云对辐照度的影响系数包括:
将所述云位置矩阵与所述影响矩阵相乘,得到方阵;
根据所述方阵,计算云层对辐照度的影响系数。
4.根据权利要求2所述的方法,其特征在于,所述云区的移动速度包括云区在行向量方向的速度和云区在列向量方向的速度;
所述计算云区面积的变化速度包括:
根据以下公式计算云区面积的变化速度:
<mrow>
<msub>
<mi>v</mi>
<mi>m</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&Delta;</mi>
<mi>m</mi>
</mrow>
<mi>t</mi>
</mfrac>
</mrow>
其中,vm为云区面积的变化速度,Δm为云区在历史云位置矩阵中t时间内连续有云的区域增加或减少的网格数。
5.根据权利要求3所述的方法,其特征在于,所述影响矩阵包括:
<mrow>
<mi>Q</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>11</mn>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mn>11</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>12</mn>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mn>12</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>21</mn>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mn>21</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>22</mn>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mn>22</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mi>n</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>n</mi>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mi>n</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>n</mi>
<mn>2</mn>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
Qij=aij*bij,其中aij为遮挡系数,表示第j行i列网格有云时的遮挡程度,取值范围为0-1,bij为透射系数,表示第j行i列网格有云时其厚度对阳光透射的影响,取值范围为0-1。
6.根据权利要求5所述的方法,其特征在于,所述某时刻的云位置矩阵包括:
<mrow>
<msup>
<mi>P</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msubsup>
<mi>p</mi>
<mn>11</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
<mtd>
<msubsup>
<mi>p</mi>
<mn>12</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msubsup>
<mi>p</mi>
<mrow>
<mn>1</mn>
<mi>n</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mtd>
</mtr>
<mtr>
<mtd>
<msubsup>
<mi>p</mi>
<mn>21</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
<mtd>
<msubsup>
<mi>p</mi>
<mn>22</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msubsup>
<mi>p</mi>
<mrow>
<mn>2</mn>
<mi>n</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<msubsup>
<mi>p</mi>
<mrow>
<mi>m</mi>
<mn>1</mn>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mtd>
<mtd>
<msubsup>
<mi>p</mi>
<mrow>
<mi>m</mi>
<mn>2</mn>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msubsup>
<mi>p</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,p′ij为第i行j列网格区域,所述某时刻网格对应矩阵的位置有云,其元素赋值为1,对应矩阵的位置没有云,其元素赋值为0;
所述将所述云位置矩阵与所述影响矩阵相乘,得到方阵包括:
<mrow>
<mi>R</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msubsup>
<mi>p</mi>
<mn>11</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
<mtd>
<msubsup>
<mi>p</mi>
<mn>12</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msubsup>
<mi>p</mi>
<mrow>
<mn>1</mn>
<mi>n</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mtd>
</mtr>
<mtr>
<mtd>
<msubsup>
<mi>p</mi>
<mn>21</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
<mtd>
<msubsup>
<mi>p</mi>
<mn>22</mn>
<mo>&prime;</mo>
</msubsup>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msubsup>
<mi>p</mi>
<mrow>
<mn>2</mn>
<mi>n</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<msubsup>
<mi>p</mi>
<mrow>
<mi>m</mi>
<mn>1</mn>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mtd>
<mtd>
<msubsup>
<mi>p</mi>
<mrow>
<mi>m</mi>
<mn>2</mn>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msubsup>
<mi>p</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>11</mn>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mn>11</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>12</mn>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mn>12</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>21</mn>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mn>21</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>22</mn>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mn>22</mn>
</msub>
</mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mi>n</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>n</mi>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mi>n</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>n</mi>
<mn>2</mn>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>*</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>r</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>r</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>m</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>m</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>m</mi>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
所述根据所述方阵,计算云对辐照度的影响系数包括:
根据以下公式计算所述影响系数:
<mrow>
<mi>K</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mfrac>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>i</mi>
</mrow>
</msub>
<mi>n</mi>
</mfrac>
</mrow>
<mi>m</mi>
</mfrac>
</mrow>
其中,K为云层对辐照度的影响系数,n为观测区域划分网格的列数,m为观测区域划分网格的行数。
7.根据权利要求1所述的方法,其特征在于,所述基于所述影响系数,计算所述某时刻的辐照度包括:
根据如下公式计算所述某时刻的辐照度:
ET=E0*K
其中,ET为某时刻的辐照度,E0为晴空时观测区域的辐照度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810023481.6A CN107944649A (zh) | 2018-01-10 | 2018-01-10 | 一种光伏电站辐照度的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810023481.6A CN107944649A (zh) | 2018-01-10 | 2018-01-10 | 一种光伏电站辐照度的预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107944649A true CN107944649A (zh) | 2018-04-20 |
Family
ID=61938461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810023481.6A Pending CN107944649A (zh) | 2018-01-10 | 2018-01-10 | 一种光伏电站辐照度的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107944649A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829572A (zh) * | 2019-01-14 | 2019-05-31 | 国网江苏省电力有限公司苏州供电分公司 | 雷电气候下的光伏发电功率预测方法 |
CN112907117A (zh) * | 2021-03-18 | 2021-06-04 | 阳光电源股份有限公司 | 光伏发电站的辐照度测算方法、测算装置及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353952A (zh) * | 2013-05-31 | 2013-10-16 | 国家电网公司 | 一种基于地基云图的光伏功率预测方法 |
CN103971167A (zh) * | 2013-01-31 | 2014-08-06 | 国际商业机器公司 | 预测光伏发电设备的发电功率的方法和*** |
CN104766347A (zh) * | 2015-04-29 | 2015-07-08 | 上海电气集团股份有限公司 | 一种基于地基云图的云团移动预测方法 |
CN104778728A (zh) * | 2015-05-04 | 2015-07-15 | 华北电力大学(保定) | 一种基于相位相关原理的天空图像云团运动速度计算方法 |
US20160349407A1 (en) * | 2011-07-25 | 2016-12-01 | Clean Power Research, L.L.C. | System For Correlating Satellite Imagery Through Bounded Area Variance For Use In Photovoltaic Fleet Output Estimation |
CN107180227A (zh) * | 2017-05-02 | 2017-09-19 | 西北工业大学 | 基于dtmgm+灰色模型的云预测和预报方法 |
-
2018
- 2018-01-10 CN CN201810023481.6A patent/CN107944649A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160349407A1 (en) * | 2011-07-25 | 2016-12-01 | Clean Power Research, L.L.C. | System For Correlating Satellite Imagery Through Bounded Area Variance For Use In Photovoltaic Fleet Output Estimation |
CN103971167A (zh) * | 2013-01-31 | 2014-08-06 | 国际商业机器公司 | 预测光伏发电设备的发电功率的方法和*** |
CN103353952A (zh) * | 2013-05-31 | 2013-10-16 | 国家电网公司 | 一种基于地基云图的光伏功率预测方法 |
CN104766347A (zh) * | 2015-04-29 | 2015-07-08 | 上海电气集团股份有限公司 | 一种基于地基云图的云团移动预测方法 |
CN104778728A (zh) * | 2015-05-04 | 2015-07-15 | 华北电力大学(保定) | 一种基于相位相关原理的天空图像云团运动速度计算方法 |
CN107180227A (zh) * | 2017-05-02 | 2017-09-19 | 西北工业大学 | 基于dtmgm+灰色模型的云预测和预报方法 |
Non-Patent Citations (2)
Title |
---|
RUB´EN INZUNZA.ET AL: "Behavior of a Photovoltaic Inverter Under Sudden Increase in Irradiance due to Reflection in Clouds", 《4TH INTERNATIONAL CONFERENCE ON RENEWABLE ENERGY RESEARCH AND APPLICATION》 * |
丁明等: "考虑云层影响的大型光伏发电***辐照强度", 《中国电机工程学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829572A (zh) * | 2019-01-14 | 2019-05-31 | 国网江苏省电力有限公司苏州供电分公司 | 雷电气候下的光伏发电功率预测方法 |
CN109829572B (zh) * | 2019-01-14 | 2021-03-12 | 国网江苏省电力有限公司苏州供电分公司 | 雷电气候下的光伏发电功率预测方法 |
CN112907117A (zh) * | 2021-03-18 | 2021-06-04 | 阳光电源股份有限公司 | 光伏发电站的辐照度测算方法、测算装置及可读存储介质 |
CN112907117B (zh) * | 2021-03-18 | 2024-01-26 | 合肥零碳技术有限公司 | 光伏发电站的辐照度测算方法、测算装置及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220043182A1 (en) | Spatial autocorrelation machine learning-based downscaling method and system of satellite precipitation data | |
Langland et al. | Estimation of observation impact using the NRL atmospheric variational data assimilation adjoint system | |
Engelbrecht et al. | Multi-scale climate modelling over Southern Africa using a variable-resolution global model | |
Dong et al. | Satellite image analysis and a hybrid ESSS/ANN model to forecast solar irradiance in the tropics | |
CN109344865B (zh) | 一种多数据源的数据融合方法 | |
Şenkal et al. | Estimation of solar radiation over Turkey using artificial neural network and satellite data | |
Bosch et al. | Daily solar irradiation estimation over a mountainous area using artificial neural networks | |
CN104408203A (zh) | 一种预测移动对象轨迹终点的方法 | |
CN103500365B (zh) | 光伏发电功率预测方法和*** | |
Li et al. | The impact of observation nudging on simulated meteorology and ozone concentrations during DISCOVER-AQ 2013 Texas campaign | |
CN110232471B (zh) | 一种降水传感网节点布局优化方法及装置 | |
CN105956709B (zh) | 一种基于gui的模块化支持向量机潮汐预测方法 | |
CN105988146A (zh) | 一种星载微波辐射计的应用数据处理方法 | |
Achour et al. | Hybrid model for estimating monthly global solar radiation for the Southern of Algeria:(Case study: Tamanrasset, Algeria) | |
CN105512760A (zh) | 基于神经网络的光伏电站发电量的计算方法及*** | |
CN104517035B (zh) | 一种平面阵列天线有源散射方向图预测方法 | |
CN106803128A (zh) | 光伏发电的预测方法和装置 | |
CN106779130A (zh) | 一种基于全天空云图的光伏电站辐射预测方法 | |
Saxena et al. | A review study of weather forecasting using artificial neural network approach | |
CN104598765A (zh) | 一种基于弹性自适应神经网络的建筑物能耗预测方法 | |
Mohanty | ANFIS based prediction of monthly average global solar radiation over Bhubaneswar (State of Odisha) | |
CN107944649A (zh) | 一种光伏电站辐照度的预测方法 | |
Rao et al. | Estimation of daily global solar radiation using temperature, relative humidity and seasons with ANN for Indian stations | |
Singh et al. | Deep learning for improved global precipitation in numerical weather prediction systems | |
CN117374956A (zh) | 一种针对综合能源站光伏发电的短期预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180420 |