CN108960526A - 一种基于区域等效的分布式光伏出力预测方法和*** - Google Patents

一种基于区域等效的分布式光伏出力预测方法和*** Download PDF

Info

Publication number
CN108960526A
CN108960526A CN201810820114.9A CN201810820114A CN108960526A CN 108960526 A CN108960526 A CN 108960526A CN 201810820114 A CN201810820114 A CN 201810820114A CN 108960526 A CN108960526 A CN 108960526A
Authority
CN
China
Prior art keywords
photovoltaic
power station
weather monitoring
region
monitoring device
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.)
Granted
Application number
CN201810820114.9A
Other languages
English (en)
Other versions
CN108960526B (zh
Inventor
张兴友
苏建军
杨明辉
袁帅
陈博
孙树敏
马杰
李俊恩
韩德顺
王小波
程艳
张用
李新梅
李广磊
王玥娇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
State Grid Shandong Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd, State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201810820114.9A priority Critical patent/CN108960526B/zh
Publication of CN108960526A publication Critical patent/CN108960526A/zh
Application granted granted Critical
Publication of CN108960526B publication Critical patent/CN108960526B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本申请公开了一种基于区域等效的分布式光伏出力预测方法和***，该方法包括：根据地理位置和太阳辐照特点，对区域内分布式光伏电站进行聚类分析，将区域内分布式光伏电站等效为多个虚拟集中式光伏电站；根据多个虚拟集中式光伏电站的功率，计算分布式光伏电站的总功率。该***包括等效模块和功率计算模块。通过本申请中的方法和***，能够结合分布式光伏电站的地理位置和太阳辐照特点，根据区域内气象监测设备的数据，更加合理地计算分布式光伏电站的发电功率，所采集的数据更加准确，而且对分布式光伏电站进行合理的分类等效，因此，本申请能够更加准确地对分布式光伏电站的出力状况进行合理预测。

Description

一种基于区域等效的分布式光伏出力预测方法和***
技术领域
本申请涉及光伏发电技术领域，特别是涉及一种基于区域等效的分布式光伏出力预测方法和***。
背景技术
随着光伏发电技术的发展，光伏电站越来越多。目前常见的光伏电站主要包括两种形式：集中式光伏电站和分布式光伏电站。为考察光伏电站的发电容量，需要对光伏电站的功率进行预测，也就是对光伏电站进行出力预测。针对集中式光伏电站，目前已经有了比较成熟的功率预测方法及相应的技术储备；对于分布式光伏电站，由于其容量小、分布广等特点，目前并没有比较成熟的功率预测方法。因此，研究分布式光伏并网项目的功率预测技术，是一个非常重要的问题。
目前，对分布式光伏进行功率预测的方法，通常是，在相互独立的光伏并网项目处分别安装计量专用的双向电表，通过双向电表采集分布式光伏项目的功率，然后根据长期所采集的历史数据，预测未来一段时间的功率数据。
然而，目前对分布式光伏进行功率预测的方法中，由于所采集的数据只能是历史数据，根据历史数据预测未来一段时间的分布式光伏发电功率，其预测的准确性不够高。另外，目前的预测方法中，分别采集各分布式光伏并网项目的功率，然后进行汇总，计算太繁琐，也不利于提高预测的准确性。
发明内容
本申请提供了一种基于区域等效的分布式光伏出力预测方法和***，以解决现有技术中对分布式光伏所进行的功率预测准确性不够高的问题。
为了解决上述技术问题，本申请实施例公开了如下技术方案：
一种基于区域等效的分布式光伏出力预测方法，所述方法包括：
根据地理位置和太阳辐照特点，对区域内分布式光伏电站进行聚类分析，将区域内分布式光伏电站等效为多个虚拟集中式光伏电站，所述区域内包括有多个气象监测设备以及多个分布式光伏电站；
根据多个虚拟集中式光伏电站的功率，计算分布式光伏电站的总功率。
可选地，所述根据地理位置和太阳辐照特点，对区域内分布式光伏电站进行聚类分析，将区域内分布式光伏电站等效为虚拟集中式光伏电站，包括：
利用公式计算区域内分布式光伏电站与距离最近的气象监测设备的平均距离，其中，m为气象监测设备的数量，(xm,i,ym,i)为任一气象监测设备的坐标，k为分布式光伏电站的数量，(xk,i,yk,i)为任一分布式光伏电站的坐标，dij为分布式光伏电站j与距离最近的气象监测设备的平均距离；
分别以各气象监测设备为中心，将与气象监测设备地理距离小于或等于dij的分布式光伏电站归为一类，且一个分布式式光伏设备匹配一个气象监测设备。
可选地，所述气象监测设备包括：区域内的气象监测站，和/或设置于集中式光伏电站上的气象监测装置。
可选地，所述根据地理位置和太阳辐照特点，对区域内分布式光伏电站进行聚类分析，将区域内分布式光伏电站等效为虚拟集中式光伏电站，包括：
利用公式计算区域内分布式光伏电站与距离最近的气象监测设备的平均距离，其中，n为集中式光伏电站的数量，(xn,i,yn,i)为任一集中式光伏电站的坐标，m为气象监测站的数量，(xm,i,ym,i)为任一气象监测站的坐标，k为分布式光伏电站的数量，(xk,i,yk,i)为任一分布式光伏电站的坐标，dij为分布式光伏电站j与距离最近的气象监测设备的平均距离；
分别以各气象监测设备为中心，将与气象监测设备地理距离小于或等于dij的分布式光伏电站归为一类，且一个分布式式光伏设备匹配一个气象监测设备。
可选地，所述方法还包括：将无法按照平均距离dij等效的分布式光伏电站，等效至距离其最近的气象监测设备为中心的类中，其中，所述无法按照平均距离dij等效的分布式光伏电站，包括：与区域内任一气象监测设备的地理距离均大于dij的分布式光伏电站，以及，与区域内两个及以上的气象监测设备的地理距离均小于或等于dij的分布式光伏电站。
可选地，所述根据多个虚拟集中式光伏电站的功率，计算分布式光伏电站的总功率，包括：
根据各虚拟集中式光伏电站的电池板温度和太阳辐射值，以及预测时刻t的太阳辐照度和温度值，利用公式计算得出各虚拟集中式光伏电站的功率，其中，ΔT＝T-Tref，ΔS＝S-Sref，光伏电池板标准温度Tref取值为25℃，太阳辐射参考值Sref取值为1000W/m2，T为预测时刻光伏电池板表面温度，S为预测时刻太阳辐射值，Pm为理想情况下光伏电池板最大输出功率，补偿系数a、b、c取值分别为0.0025℃-1、0.0005W/m2、0.00288℃-1；
对各虚拟集中式光伏电站的功率求和，计算得出区域内分布式光伏电站的总功率。
可选地，根据各虚拟集中式光伏电站的电池板温度和太阳辐射值，以及预测时刻t的太阳辐照度和温度值，利用公式计算得出各虚拟集中式光伏电站的功率之后，所述方法还包括：
根据分布式光伏电站的年利用小时数，利用公式计算区域内各虚拟集中式光伏电站的修正功率，其中，Pm_f′为任一虚拟集中式光伏电站的修正功率，Td为分布式光伏电站年均等效利用小时数，Ts为集中式光伏电站年均等效利用小时数。
一种基于区域等效的分布式光伏出力预测***，所述***包括：
等效模块，用于根据地理位置和太阳辐照特点，对区域内分布式光伏电站进行聚类分析，将区域内分布式光伏电站等效为多个虚拟集中式光伏电站，所述区域内包括有多个气象监测设备以及多个分布式光伏项目；
功率计算模块，用于根据多个虚拟集中式光伏电站的功率，计算分布式光伏电站的总功率。
可选地，所述等效模块包括：
最小距离计算单元，用于利用公式计算区域内分布式光伏电站与距离最近的气象监测设备的平均距离，其中，m为气象监测设备的数量，(xm,i,ym,i)为任一气象监测设备的坐标，k为分布式光伏电站的数量，(xk,i,yk,i)为任一分布式光伏电站的坐标，dij为分布式光伏电站j与距离最近的气象监测设备的平均距离；
聚类单元，用于分别以各气象监测设备为中心，将与气象监测设备地理距离小于或等于dij的分布式光伏电站归为一类，且一个分布式式光伏设备匹配一个气象监测设备。
可选地，所述***还包括有修正模块，用于根据分布式光伏电站的年利用小时数，利用公式计算区域内各虚拟集中式光伏电站的修正功率，其中，Pm_f′为任一虚拟集中式光伏电站的修正功率，Td为分布式光伏电站年均等效利用小时数，Ts为集中式光伏电站年均等效利用小时数。
本申请的实施例提供的技术方案可以包括以下有益效果：
本申请提供一种基于区域等效的分布式光伏出力预测方法，该方法通过对区域内分布式光伏电站进行聚类分析，将区域内分布式光伏电站等效为多个虚拟集中式光伏电站，然后根据多个虚拟集中式光伏电站的功率，计算得出分布式光伏电站的总功率。本申请采用聚类等效的方法计算分布式光伏电站的功率，能够结合分布式光伏电站的地理位置和太阳辐照特点，根据区域内气象监测设备的数据，更加合理地计算分布式光伏电站的发电功率，所采集的数据更加准确，而且对分布式光伏电站进行合理的分类等效，因此，本申请能够更加准确地对分布式光伏电站的出力状况进行合理预测。本申请还进一步利用分布式光伏电站的年利用小时数，对分布式光伏电站的功率进行修正，从而得到更加符合实际数据的修正功率，从而进一步提高对分布式光伏电站的出力状况预测的准确性。
本申请还提供一种基于区域等效的分布式光伏出力预测***，该***主要包括等效模块和功率计算模块。通过等效模块对区域内分布式光伏电站进行聚类分析，将区域内分布式光伏电站等效为多个虚拟集中式光伏电站；然后通过功率计算模块，根据多个虚拟集中式光伏电站的功率，计算得出分布式光伏电站的总功率。本申请通过等效模块计算区域内分布式光伏电站与距离最近的气象监测设备的平均距离，根据该平均距离对区域内的分布式光伏电站进行聚类等效，能够实现合理地预测分布式光伏电站的出力。本申请的预测***中还设置有修正模块，修正模块的设置，能够有效降低场地对分布式光伏电站的干扰，从而进一步提高对分布式光伏电站的出力状况预测的准确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
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为本申请实施例所提供的一种基于区域等效的分布式光伏出力预测方法的流程示意图；
图2为本申请实施例中气象监测站、集中式光伏电站以及分布式光伏电站的地理分布位置示意图；
图3为本申请实施例所提供的一种基于区域等效的分布式光伏出力预测***的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
为了更好地理解本申请，下面结合附图来详细解释本申请的实施方式。
实施例一
参见图1，图1为本申请实施例所提供的一种基于区域等效的分布式光伏出力预测方法的流程示意图。由图1可知，本申请中进行分布式光伏出力预测的方法，主要包括如下过程：
S1：根据地理位置和太阳辐照特点，对区域内分布式光伏电站进行聚类分析，将区域内分布式光伏电站等效为多个虚拟集中式光伏电站。其中，区域内包括有多个气象监测设备以及多个分布式光伏电站。
具体地，步骤S1又包括如下过程：
S11：利用公式计算区域内分布式光伏电站与距离最近的气象监测设备的平均距离。其中，m为气象监测设备的数量，(xm,i,ym,i)为任一气象监测设备的坐标，k为分布式光伏电站的数量，(xk,i,yk,i)为任一分布式光伏电站的坐标，dij为分布式光伏电站j与距离最近的气象监测设备的平均距离。
本实施例中对分布式光伏电站进行出力预测需要根据地理位置和太阳辐照情况，因此需要借助于气象监测设备。根据分布式光伏电站与区域内气象监测设备的距离，对分布式光伏电站进行聚类分析，从而将分布式光伏电站等效为多个虚拟集中式光伏电站。
进行聚类等效前，首先需要计算分布式光伏电站与距离最近的气象监测设备的平均距离。本实施例中利用公式进行计算。
进一步地，气象监测设备包括：区域内的气象监测站，和/或设置于集中式光伏电站上的气象监测装置。也就是说，气象监测设备包括三种情况：
A.气象监测设备为区域内的气象监测站，此时，利用公式计算分布式光伏电站与距离最近的气象监测设备的平均距离。其中，m为区域内气象监测站的数量，(xm,i,ym,i)为任一气象监测站的坐标，k为分布式光伏电站的数量，(xk,i,yk,i)为任一分布式光伏电站的坐标，dij为分布式光伏电站j与距离最近的气象监测站的平均距离。
B.气象监测设备为设置于集中式光伏电站上的气象监测装置，此时，利用公式计算分布式光伏电站与距离最近的气象监测设备的平均距离。其中，m为区域内气象监测装置的数量，(xm,i,ym,i)为任一气象监测装置的坐标，k为分布式光伏电站的数量，(xk,i,yk,i)为任一分布式光伏电站的坐标，dij为分布式光伏电站j与距离最近的气象监测装置的平均距离。
C.气象监测设备包括区域内的气象监测站和设置于集中式光伏电站上的气象监测装置。此时，利用公式计算区域内分布式光伏电站与距离最近的气象监测设备的平均距离。其中，n为设置于集中式光伏电站上的气象监测装置的数量，由于一个集中式光伏电站上通常只设置一个气象监测装置即可满足监测需求，因此，本实施例中设置于集中式光伏电站上的气象监测装置的数量也就是集中式光伏电站的数量，(xn,i,yn,i)为任一集中式光伏电站的坐标，m为气象监测站的数量，(xm,i,ym,i)为任一气象监测站的坐标，k为分布式光伏电站的数量，(xk,i,yk,i)为任一分布式光伏电站的坐标，dij为分布式光伏电站j与距离最近的气象监测设备的平均距离。
S12：分别以各气象监测设备为中心，将与气象监测设备地理距离小于或等于dij的分布式光伏电站归为一类，且一个分布式式光伏设备匹配一个气象监测设备。
经过以上步骤S11，计算得出区域内分布式光伏电站与距离最近的气象监测设备的平均距离之后，分别以各气象监测设备为中心，以该平均距离为半径，将与气象监测设备地理距离小于或等于dij的分布式光伏电站归为一类。需要注意的是，本实施例中一个分布式式光伏设备匹配一个气象监测设备，也就是说，一个分布式光伏设备只能归于一个气象监测设备为中心的类中。
进一步地，本实施例中的预测方法还包括步骤S13：将无法按照平均距离dij等效的分布式光伏电站，等效至距离其最近的气象监测设备为中心的类中。
其中，无法按照平均距离dij等效的分布式光伏电站包括：与区域内任一气象监测设备的地理距离均大于dij的分布式光伏电站，以及，与区域内两个及以上的气象监测设备的地理距离均小于或等于dij的分布式光伏电站。
由于分布式光伏电站的地理位置比较分散，实时本申请时，可能会存在以下两种情况的分布式光伏电站：
(1)与区域内任一气象监测设备的地理距离均大于dij的分布式光伏电站，此时，为了实现聚类等效，需要将该分布式光伏电站等效至距离其最近的一个气象监测设备为中心的类中。
(2)与区域内两个及以上的气象监测设备的地理距离均小于或等于dij的分布式光伏电站，此时，为了实现聚类等效，也需要将分布式光伏电站等效至距离其最近的一个气象监测设备为中心的类中。
通过以上步骤S13，能够更加全面地涵盖分布式光伏电站的各种分布状态，有利于进一步提高对分布式光伏电站出力预测的准确性。
将分布式光伏电站等效为多个虚拟集中式光伏电站之后，执行步骤S2：根据多个虚拟集中式光伏电站的功率，计算分布式光伏电站的总功率。
具体地，步骤S2又包括如下过程：
S21：根据各虚拟集中式光伏电站的电池板温度和太阳辐射值，以及预测时刻t的太阳辐照度和温度值，利用公式计算得出各虚拟集中式光伏电站的功率。其中，ΔT＝T-Tref，ΔS＝S-Sref，光伏电池板标准温度Tref取值为25℃，太阳辐射参考值Sref取值为1000W/m2，T为预测时刻光伏电池板表面温度，S为预测时刻太阳辐射值，Pm为理想情况下光伏电池板最大输出功率，补偿系数a、b、c取值分别为0.0025℃-1、0.0005W/m2、0.00288℃-1。
S23：对各虚拟集中式光伏电站的功率求和，计算得出区域内分布式光伏电站的总功率。
也就是利用公式计算区域内分布式光伏电站的总功率。
为进一步提高出力预测的准确性，步骤S21之后还包括步骤S22：根据分布式光伏电站的年利用小时数，利用公式计算区域内各虚拟集中式光伏电站的修正功率。其中，Pm_f为任一虚拟集中式光伏电站的功率，Pm_f′为任一虚拟集中式光伏电站的修正功率，Td为分布式光伏电站年均等效利用小时数，Ts为集中式光伏电站年均等效利用小时数。
利用步骤S22计算出各虚拟集中式光伏电站的修正功率之后，执行步骤S23，从而计算得出区域内分布式光伏电站的总功率。也就是利用公式根据修正功率计算区域内分布式光伏电站的总功率。
其中，Td的获取方法包括：获取区域内分布式光伏年均发电量；根据区域内分布式光伏年均发电量，利用公式：分布式光伏电站年均等效利用小时数＝分布式光伏年均发电量/机组铭牌容量，计算得出Td。
Ts的获取方法包括：获取区域内集中式光伏电站年均发电量；根据区域内集中式光伏电站年均发电量，利用公式：集中式光伏电站年均等效利用小时数＝集中式光伏年均发电量/机组铭牌容量，计算得出Ts。
下面以某地区分布式光伏电站为例，详细阐述本申请的实现过程：
假设某地区有1个气象监测站，3个集中式光伏电站，5个分布式光伏电站。该地区气象监测站、集中式光伏电站和分布式光伏电站的地理分布位置可以参见图2，图2为本申请实施例中气象监测站、集中式光伏电站以及分布式光伏电站的地理分布位置示意图。其中，5个分布式光伏电站的装机容量如表1所示，表1中的项目即为分布式光伏电站。
表1分布式光伏电站装机容量表
(1)首先利用公式
可计算分布式光伏发电项目到气象监测设备的平均距离dij。
(2)以气象监测设备为圆心，以平均距离dij为半径作圆，则每个圆内所包围的分布式光伏电站可等效为一个虚拟的集中式光伏电站，对于无法按照平均距离dij等效的分布式光伏电站，则将其等效到距离最近的气象监测站。在本案例中可等效为3个虚拟集中式光伏电站，其等效装机容量及组成如表2所示：
表2虚拟集中式光伏电站组成
编号 额定功率 组成
虚拟光伏电站1 0.8MW 分布式光伏电站2
虚拟光伏电站2 2.7MW 分布式光伏电站1，分布式光伏电站3
虚拟光伏电站3 3MW 分布式光伏电站4，分布式光伏电站5
(3)以各个气象监测站采集气象数据为依据，利用公式ΔT＝T-Tref，ΔS＝S-Sref，可计算得出各个虚拟集中式光伏电站的预测出力。
(4)分布式光伏等效利用小时数一般为900小时，利用公式可得打折后的光伏功率预测结果。
(5利用公式可得该地区分布式光伏电站的出力总和。
实施例二
在图1和图2所示实施例的基础之上参见图3，图3为本申请实施例所提供的一种基于区域等效的分布式光伏出力预测***的结构示意图。由图3可知，本实施例中预测***主要包括等效模块和功率计算模块两个部分。其中，等效模块用于根据地理位置和太阳辐照特点，对区域内分布式光伏电站进行聚类分析，将区域内分布式光伏电站等效为多个虚拟集中式光伏电站，区域内包括有多个气象监测设备以及多个分布式光伏项目；功率计算模块用于根据多个虚拟集中式光伏电站的功率，计算分布式光伏电站的总功率。
进一步地，本实施例中等效模块又包括最小距离计算单元和聚类单元。其中，最小距离计算单元用于利用公式计算区域内分布式光伏电站与距离最近的气象监测设备的平均距离，m为气象监测设备的数量，(xm,i,ym,i)为任一气象监测设备的坐标，k为分布式光伏电站的数量，(xk,i,yk,i)为任一分布式光伏电站的坐标，dij为分布式光伏电站j与距离最近的气象监测设备的平均距离。聚类单元用于分别以各气象监测设备为中心，将与气象监测设备地理距离小于或等于dij的分布式光伏电站归为一类，且一个分布式式光伏设备匹配一个气象监测设备。
进一步地，本申请中的预测***还包括有修正模块，用于根据分布式光伏电站的年利用小时数，利用公式计算区域内各虚拟集中式光伏电站的修正功率，其中，Pm_f′为任一虚拟集中式光伏电站的修正功率，Td为分布式光伏电站年均等效利用小时数，Ts为集中式光伏电站年均等效利用小时数。
本实施例中基于区域等效的分布式光伏出力预测***的工作原理和工作方法，在图1和图2所示的实施例中已经详细阐述，两个实施例之间可以互相参照，在此不再赘述。
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。

Claims (10)

1.一种基于区域等效的分布式光伏出力预测方法，其特征在于，所述方法包括：
根据地理位置和太阳辐照特点，对区域内分布式光伏电站进行聚类分析，将区域内分布式光伏电站等效为多个虚拟集中式光伏电站，所述区域内包括有多个气象监测设备以及多个分布式光伏电站；
根据多个虚拟集中式光伏电站的功率，计算分布式光伏电站的总功率。
2.根据权利要求1所述的一种基于区域等效的分布式光伏出力预测方法，其特征在于，所述根据地理位置和太阳辐照特点，对区域内分布式光伏电站进行聚类分析，将区域内分布式光伏电站等效为虚拟集中式光伏电站，包括：
利用公式计算区域内分布式光伏电站与距离最近的气象监测设备的平均距离，其中，m为气象监测设备的数量，(xm,i,ym,i)为任一气象监测设备的坐标，k为分布式光伏电站的数量，(xk,i,yk,i)为任一分布式光伏电站的坐标，dij为分布式光伏电站j与距离最近的气象监测设备的平均距离；
分别以各气象监测设备为中心，将与气象监测设备地理距离小于或等于dij的分布式光伏电站归为一类，且一个分布式式光伏设备匹配一个气象监测设备。
3.根据权利要求1所述的一种基于区域等效的分布式光伏出力预测方法，其特征在于，所述气象监测设备包括：区域内的气象监测站，和/或设置于集中式光伏电站上的气象监测装置。
4.根据权利要求3所述的一种基于区域等效的分布式光伏出力预测方法，其特征在于，所述根据地理位置和太阳辐照特点，对区域内分布式光伏电站进行聚类分析，将区域内分布式光伏电站等效为虚拟集中式光伏电站，包括：
利用公式计算区域内分布式光伏电站与距离最近的气象监测设备的平均距离，其中，n为集中式光伏电站的数量，(xn,i,yn,i)为任一集中式光伏电站的坐标，m为气象监测站的数量，(xm,i,ym,i)为任一气象监测站的坐标，k为分布式光伏电站的数量，(xk,i,yk,i)为任一分布式光伏电站的坐标，dij为分布式光伏电站j与距离最近的气象监测设备的平均距离；
分别以各气象监测设备为中心，将与气象监测设备地理距离小于或等于dij的分布式光伏电站归为一类，且一个分布式式光伏设备匹配一个气象监测设备。
5.根据权利要求2或4所述的一种基于区域等效的分布式光伏出力预测方法，其特征在于，所述方法还包括：将无法按照平均距离dij等效的分布式光伏电站，等效至距离其最近的气象监测设备为中心的类中，其中，所述无法按照平均距离dij等效的分布式光伏电站，包括：与区域内任一气象监测设备的地理距离均大于dij的分布式光伏电站，以及，与区域内两个及以上的气象监测设备的地理距离均小于或等于dij的分布式光伏电站。
6.根据权利要求1所述的一种基于区域等效的分布式光伏出力预测方法，其特征在于，所述根据多个虚拟集中式光伏电站的功率，计算分布式光伏电站的总功率，包括：
根据各虚拟集中式光伏电站的电池板温度和太阳辐射值，以及预测时刻t的太阳辐照度和温度值，利用公式计算得出各虚拟集中式光伏电站的功率，其中，ΔT＝T-Tref，ΔS＝S-Sref，光伏电池板标准温度Tref取值为25℃，太阳辐射参考值Sref取值为1000W/m2，T为预测时刻光伏电池板表面温度，S为预测时刻太阳辐射值，Pm为理想情况下光伏电池板最大输出功率，补偿系数a、b、c取值分别为0.0025℃-1、0.0005W/m2、0.00288℃-1；
对各虚拟集中式光伏电站的功率求和，计算得出区域内分布式光伏电站的总功率。
7.根据权利要求6所述的一种基于区域等效的分布式光伏出力预测方法，其特征在于，根据各虚拟集中式光伏电站的电池板温度和太阳辐射值，以及预测时刻t的太阳辐照度和温度值，利用公式计算得出各虚拟集中式光伏电站的功率之后，所述方法还包括：
根据分布式光伏电站的年利用小时数，利用公式计算区域内各虚拟集中式光伏电站的修正功率，其中，Pm_f′为任一虚拟集中式光伏电站的修正功率，Td为分布式光伏电站年均等效利用小时数，Ts为集中式光伏电站年均等效利用小时数。
8.一种基于区域等效的分布式光伏出力预测***，其特征在于，所述***包括：
等效模块，用于根据地理位置和太阳辐照特点，对区域内分布式光伏电站进行聚类分析，将区域内分布式光伏电站等效为多个虚拟集中式光伏电站，所述区域内包括有多个气象监测设备以及多个分布式光伏项目；
功率计算模块，用于根据多个虚拟集中式光伏电站的功率，计算分布式光伏电站的总功率。
9.根据权利要求8所述的一种基于区域等效的分布式光伏出力预测***，其特征在于，所述等效模块包括：
最小距离计算单元，用于利用公式计算区域内分布式光伏电站与距离最近的气象监测设备的平均距离，其中，m为气象监测设备的数量，(xm,i,ym,i)为任一气象监测设备的坐标，k为分布式光伏电站的数量，(xk,i,yk,i)为任一分布式光伏电站的坐标，dij为分布式光伏电站j与距离最近的气象监测设备的平均距离；
聚类单元，用于分别以各气象监测设备为中心，将与气象监测设备地理距离小于或等于dij的分布式光伏电站归为一类，且一个分布式式光伏设备匹配一个气象监测设备。
10.根据权利要求8或9所述的一种基于区域等效的分布式光伏出力预测***，其特征在于，所述***还包括有修正模块，用于根据分布式光伏电站的年利用小时数，利用公式计算区域内各虚拟集中式光伏电站的修正功率，其中，Pm_f′为任一虚拟集中式光伏电站的修正功率，Td为分布式光伏电站年均等效利用小时数，Ts为集中式光伏电站年均等效利用小时数。
CN201810820114.9A 2018-07-24 2018-07-24 一种基于区域等效的分布式光伏出力预测方法和*** Active CN108960526B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810820114.9A CN108960526B (zh) 2018-07-24 2018-07-24 一种基于区域等效的分布式光伏出力预测方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810820114.9A CN108960526B (zh) 2018-07-24 2018-07-24 一种基于区域等效的分布式光伏出力预测方法和***

Publications (2)

Publication Number Publication Date
CN108960526A true CN108960526A (zh) 2018-12-07
CN108960526B CN108960526B (zh) 2019-11-05

Family

ID=64464643

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810820114.9A Active CN108960526B (zh) 2018-07-24 2018-07-24 一种基于区域等效的分布式光伏出力预测方法和***

Country Status (1)

Country Link
CN (1) CN108960526B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111754026A (zh) * 2020-05-28 2020-10-09 国网冀北电力有限公司 光伏电站群功率预测方法、装置、计算机设备及存储介质
CN111784030A (zh) * 2020-06-12 2020-10-16 国网冀北电力有限公司电力科学研究院 一种基于空间相关性的分布式光伏功率预测方法及装置
CN112328851A (zh) * 2020-11-10 2021-02-05 国能日新科技股份有限公司 分布式电源监测方法、装置及电子设备
CN112508279A (zh) * 2020-12-10 2021-03-16 国网山东省电力公司电力科学研究院 基于空间相关性的区域分布式光伏预测方法及***
CN112615366A (zh) * 2020-12-08 2021-04-06 国网湖南省电力有限公司 光伏功率突变预测方法及***
CN112686472A (zh) * 2021-01-22 2021-04-20 国网河南省电力公司许昌供电公司 一种分布式光伏等效电站的功率预测方法
WO2021238505A1 (zh) * 2020-05-27 2021-12-02 华北电力大学 基于联邦学习的区域光伏功率概率预测方法及协同调控***
CN116191423A (zh) * 2023-04-11 2023-05-30 中南大学 一种光伏发电***的电力收集***及方法
CN117294247A (zh) * 2023-08-24 2023-12-26 深圳创维光伏技术服务有限公司 低效电站诊断方法、装置、计算机设备及存储介质
CN117613909A (zh) * 2024-01-24 2024-02-27 国能日新科技股份有限公司 分布式光伏区域气象建模方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106779253A (zh) * 2017-02-17 2017-05-31 广东电网有限责任公司电力科学研究院 一种计及光伏的配电网短期负荷预测方法及装置
CN108280545A (zh) * 2018-01-19 2018-07-13 上海电力学院 一种基于k均值聚类神经网络的光伏功率预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106779253A (zh) * 2017-02-17 2017-05-31 广东电网有限责任公司电力科学研究院 一种计及光伏的配电网短期负荷预测方法及装置
CN108280545A (zh) * 2018-01-19 2018-07-13 上海电力学院 一种基于k均值聚类神经网络的光伏功率预测方法

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021238505A1 (zh) * 2020-05-27 2021-12-02 华北电力大学 基于联邦学习的区域光伏功率概率预测方法及协同调控***
CN111754026B (zh) * 2020-05-28 2024-03-15 国网冀北电力有限公司 光伏电站群功率预测方法、装置、计算机设备及存储介质
CN111754026A (zh) * 2020-05-28 2020-10-09 国网冀北电力有限公司 光伏电站群功率预测方法、装置、计算机设备及存储介质
CN111784030B (zh) * 2020-06-12 2023-10-24 国网冀北电力有限公司电力科学研究院 一种基于空间相关性的分布式光伏功率预测方法及装置
CN111784030A (zh) * 2020-06-12 2020-10-16 国网冀北电力有限公司电力科学研究院 一种基于空间相关性的分布式光伏功率预测方法及装置
CN112328851A (zh) * 2020-11-10 2021-02-05 国能日新科技股份有限公司 分布式电源监测方法、装置及电子设备
CN112328851B (zh) * 2020-11-10 2023-11-03 国能日新科技股份有限公司 分布式电源监测方法、装置及电子设备
CN112615366A (zh) * 2020-12-08 2021-04-06 国网湖南省电力有限公司 光伏功率突变预测方法及***
CN112508279B (zh) * 2020-12-10 2023-04-07 国网山东省电力公司电力科学研究院 基于空间相关性的区域分布式光伏预测方法及***
CN112508279A (zh) * 2020-12-10 2021-03-16 国网山东省电力公司电力科学研究院 基于空间相关性的区域分布式光伏预测方法及***
CN112686472B (zh) * 2021-01-22 2022-09-20 国网河南省电力公司许昌供电公司 一种分布式光伏等效电站的功率预测方法
CN112686472A (zh) * 2021-01-22 2021-04-20 国网河南省电力公司许昌供电公司 一种分布式光伏等效电站的功率预测方法
CN116191423A (zh) * 2023-04-11 2023-05-30 中南大学 一种光伏发电***的电力收集***及方法
CN116191423B (zh) * 2023-04-11 2023-10-10 中南大学 一种光伏发电***的电力收集***及方法
CN117294247A (zh) * 2023-08-24 2023-12-26 深圳创维光伏技术服务有限公司 低效电站诊断方法、装置、计算机设备及存储介质
CN117613909A (zh) * 2024-01-24 2024-02-27 国能日新科技股份有限公司 分布式光伏区域气象建模方法及装置
CN117613909B (zh) * 2024-01-24 2024-04-12 国能日新科技股份有限公司 分布式光伏区域气象建模方法及装置

Also Published As

Publication number Publication date
CN108960526B (zh) 2019-11-05

Similar Documents

Publication Publication Date Title
CN108960526B (zh) 一种基于区域等效的分布式光伏出力预测方法和***
CN109494723B (zh) 一种微电网***及其控制与发电量预测方法
CN102427244B (zh) 大规模光伏风电信息接入***
CN102522917B (zh) 光伏电站发电输出功率预测方法
CN104361406B (zh) 一种光伏电站可利用太阳能发电量预测方法
CN112510703B (zh) 一种考虑煤耗曲线修正的多能源接入电网优化调度方法
CN208335256U (zh) 一种基于分布式光伏电站设计的预测发电量计算***
CN102244483A (zh) 基于气象信息的光伏发电有功功率在线评估方法
CN105335560A (zh) 光伏发电功率波动性及其自动发电控制备用需求计算方法
CN102168647A (zh) 基于气象信息的风光联合发电***有功功率在线评估方法
CN105205549A (zh) 一种基于机会约束规划的光储***跟踪日前计划调度方法
Okinda et al. Modeling, simulation and optimal sizing of a hybrid wind, solar PV power system in Northern Kenya
CN103258118A (zh) 一种预测光伏电池组件温度的方法
CN111178609A (zh) 一种基于归一化拟合的区域光伏月发电量预测方法
CN114696352A (zh) 一种新能源配电网中电池储能***的运行控制方法
CN113489003A (zh) 一种考虑风光水一体化互补运行的源网协调规划方法
Abdulmula et al. Micropower system optimization for the telecommunication towers based on various renewable energy sources
CN105046349A (zh) 一种计及尾流效应的风电功率预测方法
CN103337989B (zh) 一种基于净空模型的光伏电站最大输出功率预测方法
CN103441515A (zh) 一种无功补偿装置
CN117638923A (zh) 配网分布式光伏高精度预测及就地消纳方法
CN116667333A (zh) 一种新能源发电和用电功率预测***及方法
CN114626604B (zh) 一种基于基准站感知的分布式光伏观测方法及***
CN112491049B (zh) 一种考虑在线煤耗曲线的多能源接入电网优化调度方法
CN115378004A (zh) 一种含分布式储能***的分布式能源集群配置方法和***

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
GR01 Patent grant
GR01 Patent grant