CN110348175A - 一种光伏电站有效辐照计算方法和装置 - Google Patents
一种光伏电站有效辐照计算方法和装置 Download PDFInfo
- Publication number
- CN110348175A CN110348175A CN201910741046.1A CN201910741046A CN110348175A CN 110348175 A CN110348175 A CN 110348175A CN 201910741046 A CN201910741046 A CN 201910741046A CN 110348175 A CN110348175 A CN 110348175A
- Authority
- CN
- China
- Prior art keywords
- group string
- photovoltaic
- photovoltaic group
- plane
- string
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Photovoltaic Devices (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种光伏电站有效辐照计算方法和装置,方法通过对光伏组串进行相似度分组,选择发电量与斜面辐射总量之间的线性关系与预设波形曲线之间的相关性最高的光伏组串作为目标光伏组串,对所述目标光伏组串的输出的瞬时直流功率进行归一化处理,建立进行归一化处理后的所述目标光伏组串的瞬时直流功率与瞬时斜面辐射之间的模型关系;将所述目标光伏组串组中其它光伏组串对应的归一化处理后得到的瞬时直流功率代入所述模型关系,计算得到所述目标光伏组串组内的其它各个光伏组串的瞬时斜面辐射,实现了各个光伏组串的瞬时斜面辐射的精确计算,计算结果可靠性高。
Description
技术领域
本发明涉及光伏发电技术领域,具体涉及一种光伏电站有效辐照计算方法和装置。
背景技术
随着我国居民用电需求的不断增大,为了满足用户的用电需求,光伏发电设备已经在我国得到了广泛推广。
随着大量的光伏电站建设并投入运行使用,光伏电站的智能运维也日益受到重视,在对光伏电站进行智能运维时,需要依据光伏电站的运行数据对光伏电站的运行状态对光伏电站进行智能运维分析,在智能运维分析时,需要用到的关键因素可以包括电站设备的日常运行数据、电站当地的气象环境数据、光伏电站的辐照数据等,其中,所述日常运行数据可以通过对光伏电站的运行状态进行监控得到,所述气象环境数据可以通过所述光伏电站当地的气象预报得到,但是,光伏电站的辐照数据获取方式比较复杂,目前在实际的光伏电站中,一般都会安装辐照仪传感器采集电站的实时辐照数据,但由于成本或其他各种影响因素,一个光伏电站基本都是安装一台辐照仪传感器,该辐照仪传感器采集的实时辐照数据,用以代表整个电站所有光伏组件上获取的辐照信息。在地形复杂的山地电站,受各种条件限制,辐照仪传感器通常安装在一个易于安装维护的区域,很少安装在电站的“中心”位置。
但是,采用电站某一区域安装的辐照仪采集的辐照数据以代表整个电站的辐照信息的技术方案,主要存在两个缺点:1、通常一个辐照仪在光伏电站安装时,只能与电站大多数组件的安装倾角和朝向保持一致,但山地电站地形复杂,一个电站的组件可能有多个安装倾角和安装朝向,与辐照仪安装倾角、朝向不同的组件,其表面获取的有效辐照与辐照仪采集的辐照信息有一定偏差;2、大型山地电站的不同区域,辐照度存在一定差异,尤其是在非平稳天气中,由于云层变化造成辐照度变化剧烈,电站中离辐照仪较远的组串(方阵),获取到的辐照信息与辐照仪采集的辐照信息相差较大。从而在成了所述辐照仪采集的辐照数据的可靠性较低。
发明内容
有鉴于此,本发明实施例提供一种光伏电站有效辐照计算方法,以提高计算得到的光伏组串的瞬时斜面辐射的精度。
为实现上述目的,本发明实施例提供如下技术方案:
一种光伏电站有效辐照计算方法,包括:
对各个光伏组串进行相似度分组;
选择一组相似度一致的光伏组串,记为目标光伏组串组;
计算所述目标光伏组串组中各个光伏组串,单位时间段内的发电量与单位时间内的斜面辐射总量之间的线性关系;
计算所述线性关系与预设波形曲线之间的相关性,所述预设波形曲线用于表征单位时间段内的发电量与单位时间内的斜面辐射总量之间的理想线性关系;
选择相关性最高的光伏组串作为目标光伏组串;
对所述目标光伏组串组内的各个光伏组串在所述单位时间段内输出的瞬时直流功率进行归一化处理;
建立进行归一化处理的所述目标光伏组串的瞬时直流功率与瞬时斜面辐射之间的模型关系;
将所述目标光伏组串组中其它光伏组串对应的归一化处理后得到的瞬时直流功率代入所述模型关系,计算得到所述目标光伏组串组内的其它各个光伏组串的瞬时斜面辐射。
可选的,上述光伏电站有效辐照计算方法中,所述预设波形曲线为斯皮尔曼等级相关系数。
可选的,上述光伏电站有效辐照计算方法中,所述计算所述线性关系与预设波形曲线之间的相关性,包括:
计算所述单位时间段内的发电量与单位时间内的斜面辐射总量之间的线性关系与所述预设波形曲线之间的相似度,将所述相似度作为所述线性关系与预设波形曲线之间的相关性。
可选的,上述光伏电站有效辐照计算方法中,所述对各个光伏组串进行相似度分组,包括:
获取光伏组串的衡量特征参数;
基于所述衡量特征参数采用预设的聚类算法对各个所述光伏组串进行相似度分组。
可选的,上述光伏电站有效辐照计算方法中,所述选择相关性最高的光伏组串作为目标光伏组串,包括:
获取各个光伏组串的单位时间段内的发电量与单位时间内的斜面辐射总量之间的相关性中的最大值;
判断所述最大值是否大于目标阈值,如果大于,将所述最大值对应的光伏组串作为目标光伏组串。
可选的,上述光伏电站有效辐照计算方法中,当所述最大值小于目标阈值时,上述方法还包括:
获取相似度分析时与所述目标光伏组串组相似度最高的N个光伏组串组,记为辅助光伏组串组,所述N为大于1的正整数;
获取所述辅助光伏组串组对应的模型关系;
将所述目标光伏组串组中的各个光伏组串对应的归一化处理后的瞬时直流功率分别代入所述N个光伏组串组对应的模型关系,计算得到N组所述目标光伏组串组内的光伏组串的瞬时斜面辐射,对所述目标光伏组串组内各个光伏组串对应的N个瞬时斜面辐射进行均值运算,计算得到所述目标光伏组串组内各个光伏组串对应平均瞬时斜面辐射,记为有效瞬时斜面辐射。
可选的,上述光伏电站有效辐照计算方法中,所述获取所述目标光伏组串组中各个光伏组串的单位时间段内的发电量与单位时间内的斜面辐射总量之间的相关性之前,还包括:
获取所述光伏电站中每个光伏组串在目标时刻的状态参数;
基于每个所述光伏组串的状态参数计算得到每个光伏组串目标时刻的瞬时斜面辐射。
可选的,上述光伏电站有效辐照计算方法中,所述目标时刻包括单位时间段内的各个时刻;
所述对各个光伏组串进行相似度分组之前,还包括:
基于每个光伏组串单位时间段内各个时刻的瞬时斜面辐射计算得到每个光伏组串单位时间段内的斜面总辐射量;
由光伏电站的历史运行数据中获取各个光伏组串单位时间段内的发电量;
判断各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性是否满足预设条件;
统计斜面总辐射量与发电量之间的相关性不满足所述预设条件的光伏组件的数量,记为无效值;
判断所述无效值是否大于预设值,当所述无效值大于预设值时,继续执行。
可选的,上述光伏电站有效辐照计算方法中,判断各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性是否满足预设条件,具体为:
判断各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的线性关系是否满足预设波形曲线;
当所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的线性关系与所述预设波形曲线的相似度大于预设值时,则表明所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性满足预设条件,否则,不满足所述预设条件。
一种光伏电站有效辐照计算装置,包括:
分组单元,用于对各个光伏组串进行相似度分组;
相关性计算单元,用于选择一组相似度一致的光伏组串,记为目标光伏组串组;计算所述目标光伏组串组中各个光伏组串,单位时间段内的发电量与单位时间内的斜面辐射总量之间的线性关系;计算所述线性关系与预设波形曲线之间的相关性;
归一化处理单元,用于对所述目标光伏组串组内的各个光伏组串在所述单位时间段内输出的瞬时直流功率进行归一化处理;
模型关系建立单元,用于选择相关性最高的光伏组串作为目标光伏组串,通过机器学习回归算法建立进行归一化处理的所述目标光伏组串的瞬时直流功率与瞬时斜面辐射之间的模型关系;
有效辐射量计算单元,用于将所述目标光伏组串组中其它光伏组串对应的归一化处理后得到的瞬时直流功率代入所述模型关系,计算得到所述目标光伏组串组内的其它各个光伏组串的瞬时斜面辐射。
可选的,上述光伏电站有效辐照计算装置中,所述预设波形曲线为斯皮尔曼等级相关系数。
可选的,上述光伏电站有效辐照计算装置中,所述相关性计算单元在计算所述线性关系与预设波形曲线之间的相关性时,具体用于;
计算所述单位时间段内的发电量与单位时间内的斜面辐射总量之间的线性关系与所述预设波形曲线之间的相似度,将所述相似度作为所述线性关系与预设波形曲线之间的相关性。
可选的,上述光伏电站有效辐照计算装置中,所述分组单元对各个光伏组串进行相似度分组时,具体用于:
获取光伏组串的衡量特征参数;
基于所述衡量特征参数采用预设的聚类算法对各个所述光伏组串进行相似度分组。
可选的,上述光伏电站有效辐照计算装置中,所述模型关系建立单元在所述选择相关性最高的光伏组串作为目标光伏组串时,具体用于:
获取各个光伏组串的单位时间段内的发电量与单位时间内的斜面辐射总量之间的相关性中的最大值;
判断所述最大值是否大于目标阈值,如果大于,将所述最大值对应的光伏组串作为目标光伏组串。
可选的,上述光伏电站有效辐照计算装置中,当所述最大值小于目标阈值时,所述模型关系建立单元还用于:
获取相似度分析时与所述目标光伏组串组相似度最高的N个光伏组串组,记为辅助光伏组串组,所述N为大于1的正整数;
获取所述辅助光伏组串组对应的模型关系;
将所述目标光伏组串组中的各个光伏组串对应的归一化处理后的瞬时直流功率分别代入所述N个光伏组串组对应的模型关系,计算得到N组所述目标光伏组串组内的光伏组串的瞬时斜面辐射,对所述目标光伏组串组内各个光伏组串对应的N个瞬时斜面辐射进行均值运算,计算得到所述目标光伏组串组内各个光伏组串对应平均瞬时斜面辐射,记为有效瞬时斜面辐射。
可选的,上述光伏电站有效辐照计算装置中,还包括:
瞬时辐射计算单元,用于获取所述光伏电站中每个光伏组串在目标时刻的状态参数;
基于每个所述光伏组串的状态参数计算得到每个光伏组串目标时刻的瞬时斜面辐射。
可选的,上述光伏电站有效辐照计算装置中,还包括:
有效性判断单元,用于基于每个光伏组串单位时间段内各个时刻的瞬时斜面辐射计算得到每个光伏组串单位时间段内的斜面总辐射量;
由光伏电站的历史运行数据中获取各个光伏组串单位时间段内的发电量;
判断各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性是否满足预设条件;
统计斜面总辐射量与发电量之间的相关性不满足所述预设条件的光伏组件的数量,记为无效值;
判断所述无效值是否大于预设值,当所述无效值大于预设值时,向所述分组单元输出触发信号。
可选的,上述光伏电站有效辐照计算装置中,还包括:
所述有效性判断单元在判断各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性是否满足预设条件时,具体用于:
判断各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的线性关系是否满足预设波形曲线;
当所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的线性关系与所述预设波形曲线的相似度大于预设值时,则表明所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性满足预设条件,否则,不满足所述预设条件。
基于上述技术方案,本发明实施例提供的上述方案,通过对光伏组串进行相似度分组,选择发电量与斜面辐射总量之间的线性关系与预设波形曲线之间的相关性最高的光伏组串作为目标光伏组串,对所述目标光伏组串的输出的瞬时直流功率进行归一化处理,建立进行归一化处理后的所述目标光伏组串的瞬时直流功率与瞬时斜面辐射之间的模型关系;将所述目标光伏组串组中其它光伏组串对应的归一化处理后得到的瞬时直流功率代入所述模型关系,计算得到所述目标光伏组串组内的其它各个光伏组串的瞬时斜面辐射,实现了各个光伏组串的瞬时斜面辐射的精确计算,计算结果可靠性高。
附图说明
为了更清楚地说明本发明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,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的一种光伏电站有效辐照计算方法的流程示意图;
图2为本申请施例公开的一种用于判断计算得到的瞬时斜面辐射可靠性的方法的流程示意图;
图3为本申请实施例公开的一种对光伏组串进行聚类分组以后,计算每组中的各个光伏组串的有效瞬时斜面辐射的方法的流程示意图;
图4为本申请实施例公开的一种通过其他组的光伏组串计算目标光伏组串中的各个光伏组串的有效瞬时斜面辐射的方法的流程示意图;
图5为本申请实施例公开的一种光伏电站有效辐照计算装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
针对于现有技术中采用所述辐照仪采集的辐照数据的可靠性较低的问题,本申请公开了一种光伏电站有效辐照计算方法,该方法应用于辐照仪中,参见图1,该方法可以包括:
步骤S101:获取光伏电站的历史运行数据;
所采集的光伏电站的历史运行数据的时长可以依据用户需求自行设定,例如,时长可以是一年或者是半年,所述历史运行数据所包含的数据类型可以依据用户需求自行设定,例如,在本申请实施例公开的技术方案中,所述历史运行数据可以包括:历史数据所涵盖的时间长度内每个单位时间段内每个光伏组串(方阵)的各个时刻的瞬时直流功率,每个光伏组串单位时间段内的发电量,光伏组串的故障信息,变电站中的辐照仪采集的单位时间段内各个时刻的水平面瞬时总辐照、水平面瞬时直接辐照,光伏电站的历史气象、环境数据等。其中,所述单位时间可以以日为单位,例如,时间长度内每个单位时间内每个光伏组串(方阵)的各个时刻的瞬时直流功率指的是每日每个单位时间内每个光伏组串(方阵)的各个时刻的瞬时直流功率。
步骤S102:获取所述光伏电站中每个光伏组串的安装倾角;
所述光伏组串的安装倾角在所述光伏组串安装时就已经确定了,其为一个固定值,这些数据可以预先存储于预设的列表中,当需要用到所述安装倾角时,直接调取即可。
步骤S103:基于所述安装倾角、目标时刻的水平面直接辐射、目标时刻的水平面总辐射以及光伏组串的反射系数,计算得到每个光伏组串目标时刻的瞬时斜面辐射;
本方案中,所述目标时刻指的是所需要计算的时刻,其是所述某个单位时间段内的一个瞬时时刻,其中,所述目标时刻的水平面直接辐射以及目标时刻的水平面总辐射由所述辐照仪对当前的光照数据进行采集得到,所述光伏组串的反射系数为一个预设值,其根据所述光伏组串的配置参数而定,每种类型的光伏组件均有一对应的反射系数。其中,所述水平面直接辐射指的是光伏电站安装位置处的水平面的直接辐射,所述水平面总辐射指的是光伏电站安装位置处的水平面的总辐射。
在本申请上述实施例公开的技术方案中,在计算所述光伏组串的瞬时斜面辐射时,将各个光伏组串的安装倾角、各个时刻的水平面直接辐射、目水平面总辐射以及光伏组串的反射系数作为计算所述光伏组串的瞬时斜面辐射的考量因素,实现了针对各个光伏组串的瞬时斜面辐射的精准计算,提高了计算得到的所述光伏组串的瞬时斜面辐射的精度。
本申请还公开了一种基于所述安装倾角、目标时刻的水平面直接辐射、目标时刻的水平面总辐射以及光伏组串的反射系数,计算得到每个光伏组串的目标时刻的瞬时斜面辐射的具体方案,具体的,所述光伏组串的目标时刻的瞬时斜面辐射的计算方式具体为:
获取目标时刻水平面直接辐射、目标时刻水平面总辐射以及光伏组串的反射系数;
将所述安装倾角、目标时刻的水平面直接辐射、目标时刻的水平面总辐射以及光伏组串的反射系数代入公式计算得到所述光伏组串目标时刻的瞬时斜面辐射;
其中,所述It光伏组串目标时刻的瞬时斜面辐射,所述Ib为目标时刻的水平面直接辐射,Ih为目标时刻的水平面总辐射,Id为目标时刻的水平面散射,Id=Ih-Ib,θi为目标时刻太阳对所述光伏组串的斜面的光线入射角(目标时刻太阳输出的光线与地平面的入射角以及太阳输出的光线与光伏组串之间倾角可采用现有方案计算得到),所述β为所述光伏组串的安装倾角,ρ为与所述光伏组串相匹配的预设反射系数。
进一步的,本申请实施例公开的技术方案中,在基于上述方法计算得到单位时间段内每个目标时刻的光伏组串对应的瞬时斜面辐射得基础上,将这些目标时刻的瞬时斜面辐射累加,即可得到所述单位时间段内所述光伏组串的斜面总辐射量,具体的,上述方案中,所述目标时刻包括单位时间段内的各个时刻;
上述方案中所述步骤S103,具体为:
基于所述安装倾角、单位时间段内的各个时刻的水平面直接辐射、单位时间段内的各个时刻的水平面总辐射以及光伏组串的反射系数,计算得到每个光伏组串单位时间段内的各个时刻的瞬时斜面辐射;
在本申请实施例公开的技术方案中,受天气以及所述光伏组串的环境位置影响,采用上述方法计算得到的瞬时斜面辐射仍可以存在一些误差,为了能够使得用户及时了解所述瞬时斜面辐射的可靠性,参见图2,本申请上述实施例公开的技术方案中,在计算得到每个光伏组串单位时间段内的各个时刻的瞬时斜面辐射以后,上述方法还可以包括:
步骤S201:基于每个光伏组串单位时间段内各个时刻的瞬时斜面辐射计算得到每个光伏组串单位时间段内的斜面总辐射量;
在本方案中,可以根据计算得到的光伏组串单位时间段内各个时刻的斜面瞬时辐射,累计得到单位时间段(例如,每日)内每个光伏组串(方阵)上的斜面总辐射量;
步骤S202:由光伏电站的历史运行数据中获取各个光伏组串单位时间段内的发电量;
所述单位时间段内的发电量,包括所述单位时间段内各个时刻的光伏组串的发电量;
步骤S203:判断各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性是否满足预设条件;
由于在不同的辐射范围内,光伏组件的转换效率会有一定差异,即,所述光伏组串时间段内的斜面总辐射量不同,其对应的光伏组串所输出的发电量不同,在标准状况下两者之间的关系成预设波形曲线,该预设波形曲线用于表征单位时间段内的发电量与单位时间内的斜面辐射总量之间的理想线性关系,具体的,例如,该预设波形曲线可以为斯皮尔曼等级相关系数(spearman相关系数),可以通过所述斯皮尔曼等级相关系数来衡量计算得到的所述瞬时斜面辐射是否满足预设条件,具体的,若所述斜面总辐射量与所述发电量之间的相关性之间的跟随关系所构成的曲线的变化趋势与呈斯皮尔曼等级相关系数的变化趋势一致,或者是与所述斯皮尔曼等级相关系数的变化趋势的相似度超过预设值,则表明计算得到的所述斜面总辐射量可靠,其满足预设条件。
如果,总辐射量与发电量之间的线性关系与所述斯皮尔曼等级相关系数之间存在明显差异(两者相似度低于所述预设值),则表明计算得到的所述斜面总辐射量不可靠,所有计算得到的各个光伏组串的斜面总辐射量中不可靠的斜面总辐射量达到一定值或者是一定比例时,则表明在该光伏电站安装的辐照仪采集的斜面总辐射量,并不能完全代表整个电站的所有光伏组串(方阵)的有效斜面总辐射量的情况,如果不可靠的斜面总辐射量小于该一定值时,则表明在该光伏电站安装的辐照仪采集的斜面总辐射量,可以代表整个电站的所有光伏组串(方阵)的有效斜面总辐射量的情况。
本步骤具体可以为:计算各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的线性关系与斯皮尔曼等级相关系数的相似度;当所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的线性关系与所述斯皮尔曼等级相关系数的相似度大于预设值时,则表明所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性满足预设条件,否则,不满足所述预设条件。
步骤S205:统计斜面总辐射量与发电量之间的相关性不满足所述预设条件的光伏组件的数量,记为无效值;
步骤S206:判断所述无效值是否大于预设值,并输出判断结果。
上述方案中,在计算每个光伏组串的斜面总辐射量的有效性以后,或者是在计算计算每个光伏组串的斜面总辐射量的有效性的过程中,判断所述无效值的数量是否大于预设值,当判断所述无效值大于预设值时,并给出计算得到的斜面总辐射量不可靠的判断结果(斜面总辐射量不可靠也就表明计算得到的所述瞬时斜面辐射不可靠)时,本申请还提供一种能够有效计算瞬时斜面辐射的方法,具体的,参见图3,当所述无效值大于预设值时,执行以下动作:
步骤S301:对各个光伏组串进行相似度分组;
在本申请实施例公开的方法时,首先,对光伏电站内的各个光伏组串进行相似度分析,并依据相似度分析结果对各个光伏组串进行分组,以使得,其中,在对各个光伏组串进行相似度分析时,可以依据各个光伏组串的衡量特征参数进行相似度分析,将衡量特征参数一致的光伏组串作为分为一组,其中,所述衡量特征参数可以包括光伏祖传的历史运行直流功率数据特征和故障信息特征,在获取光伏组串(方阵)的衡量特征参数时,可以预先剔除存在故障影响或临时阴影遮挡的发电数据,获取光伏电站各光伏组串(方阵)单位时间段内的瞬时直流功率、计算单位时间段内各光伏组串(方阵)瞬时直流功率的各个时段的变异系数,当所述单位时段以日为单位时,所述变异系数包括上午时段变异系数和下午时段变异系数,还需要获取日偏度、日峰度、日峰均比、上午时段梯度汇总值、下午时段梯度汇总值、上午时段峰值数、下午时段峰值数等特征指标,若光伏组串(方阵)的光伏组件发电数据直接汇总到逆变器侧,则还需要加入逆变器的交流瞬时功率与直流瞬时功率的比值指标,共同组成衡量各组串(方阵)相似性的指标特征参数。
步骤S302:选择一组相似度一致的光伏组串,记为目标光伏组串组;
在本申请实施例公开的技术方案中,在计算各个光伏组串的瞬时斜面辐射时,可以以组为单位进行计算,该“组”指的是相似度一直的光伏组串构成的光伏组串组,在本方案中,将当前计算瞬时斜面辐射时的光伏组串组记为目标光伏组串组;
步骤S303:计算所述目标光伏组串组中各个光伏组串,单位时间段内的发电量与单位时间内的斜面辐射总量之间的线性关系;
其中,计算所述发电量与斜面辐射总量之间的线性关系可以指的是构建所述光伏组串的发电量与斜面辐射总量之间的关系曲线,将该关系曲线作为两者的线性关系;
步骤S304:计算所述线性关系与预设波形曲线之间的相关性,所述预设波形曲线用于表征单位时间段内的发电量与单位时间内的斜面辐射总量之间的理想线性关系;
具体的,在这里,所述相关性指的是两者的相似度,具体方案可以参见上文介绍的方法中的具体介绍。
步骤S305:选择相关性最高的光伏组串作为目标光伏组串;
具体的,本步骤中,选择与所述预设波形曲线相似度最高的线性关系所对应的光伏组串作为目标光伏组串;
步骤S306:对所述目标光伏组串组内的各个光伏组串在所述单位时间段内输出的瞬时直流功率进行归一化处理;
具体的,归一化处理过程包括:
采用公式对所述目标光伏组串组内的各个光伏组串在所述单位时间段内输出的瞬时直流功率进行归一化处理;
其中,所述j用于表示所述目标光伏组串组内的光伏组串,所述t用于所述目标光伏组串组内的光伏组串的类型,所述njt用于表征所述目标光伏组中的光伏组串的数量,其中,所述目标光伏组中的所有的光伏组串的类型均为t;所述prjt用于表征类型为t的第j个光伏组串的额定功率,所述pj为第j个光伏组串的实际瞬时直流功率,所述Qj为归一化处理后得到的第j个光伏组串的瞬时直流功率。
步骤S307:建立进行归一化处理的所述目标光伏组串的瞬时直流功率与瞬时斜面辐射之间的模型关系;
在本步骤中,具体可以通过机器学习回归算法建立归一化处理后得到的、目标光伏组串得的瞬时直流功率Qj与计算得到的目标光伏组串的瞬时辐照之间的模型关系:Pi=fi(Gi),其中,其中Pi为所述目标光伏组串归一化后的瞬时直流功率,Gi为计算得到的目标光伏组串的瞬时辐照,所述i指代的是目标光伏组串。
具体的,在获取模型关系:Pi=fi(Gi)时,可以基于机器自学习算法对所述Pi=fi(Gi)进行迭代更新,直至所述模型关系Pi=fi(Gi)能够满足要求为止;
步骤S308:将所述目标光伏组串组中其它光伏组串对应的归一化处理后得到的瞬时直流功率代入所述模型关系,计算得到所述目标光伏组串组内的其它各个光伏组串的瞬时斜面辐射,将各个光伏组串的瞬时斜面辐射作为各个光伏组串组的有效瞬时斜面辐射;
具体的,对所述Pi=fi(Gi)进行变形,得到Gj=fi -1(Pj),其中,所述Pj为归一化后计算得到的第j个光伏组串的瞬时直流功率,所述Gj为第j个光伏组串的有效斜面辐射,所述i用于表示所述目标光伏组串,将所述目标光伏组串组中其它光伏组串对应的归一化处理后得到的瞬时直流功率代入Gj=fi -1(Pj)即可计算得到所述目标光伏组串组内的其它各个光伏组串的瞬时斜面辐射。
考虑到每日的辐照度主要受天气类型变化的影响,且不同的天气类型下,直射辐照、散射辐照、反射辐照等也具有明显不同的分布比例,因此根据电站的实测辐照数据、气象数据、环境数据等,对电站当地的天气类型通过K-means聚类算法进行划分,分为将天气类型区分为平稳高辐照度、平稳低辐照度、非平稳高辐照度、非平稳低辐照度等四种类型天气,当然还可以包括其他类型。本申请上述实施例公开的技术方案中,还可以建立所述模型关系与天气类型之间的关系,即,上述方案中,在建立所述模型关系时,所用到的目标光伏组串组中各个光伏组串的斜面辐射总量和发电量,应是在目标天气类型下,单位时间段内各个光伏组串对应的斜面辐射总量和发电量,此时,所建立的模型关系与所述目标天气类型相关联,当后续计算该目标天气类型下,各个所述目标光伏组串组内的各个光伏组串的有效瞬时斜面辐射时,直接将各个光伏组串对应瞬时直流功率带入该模型关系即可。
进一步的,考虑到在某种情况下某一组内的所有的光伏组串的单位时间段内的发电量与单位时间内的斜面辐射总量之间的相关性均不可靠,即所有光伏组串的发电量与斜面辐射总量之间的线性关系与所述预设预设波形曲线的相似度小于预设值,此时则需要采用与该组相似度最高的其他N个组来辅助计算该组内各个光伏组串的瞬时斜面辐射;具体的,参见图4,上述方法中所述选择相关性最高的光伏组串作为目标光伏组串,包括:
步骤S401:获取各个光伏组串的单位时间段内的发电量与单位时间内的斜面辐射总量之间的相关性中的最大值;
步骤S402:判断所述最大值是否大于目标阈值,如果大于,继续执行步骤S305;
其中,所述相关性可以指的是光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的线性关系与所述预设波形曲线的相似度,所述目标阈值可以依据用户需求自行设置,例如,其可以设置为0.8或其他数值;
步骤S403:如果小于,获取相似度分析时与所述目标光伏组串组相似度最高的N个光伏组串组,记为辅助光伏组串组,所述N为大于1的正整数;
步骤S404:获取所述辅助光伏组串组对应的模型关系;
所述辅助光伏组串组对应的模型关系可以采用上述图3对应的实施例公开的计算方法得到;
步骤S405:将所述目标光伏组串组中的各个光伏组串对应的归一化处理后的瞬时直流功率分别代入所述N个光伏组串组对应的模型关系,计算得到N组所述目标光伏组串组内的光伏组串的瞬时斜面辐射;
步骤S406:对所述目标光伏组串组内各个光伏组串对应的N个瞬时斜面辐射进行均值运算,计算得到所述目标光伏组串组内各个光伏组串对应平均瞬时斜面辐射,记为有效瞬时斜面辐射。
此外,由于光伏设备故障和老化、光伏组件衰减和老化等问题,相似光伏组串(方阵)的分组需每年利用新数据进行更新,即,每隔预设时间对所述光伏电站内的各个光伏组串进行一次相似度分组;本申请上述实施例公开的技术方案中,还可以依据用户输出的触发信号对所述模型关系进行迭代更新。
本实施例中提供了一种光伏电站有效辐照计算装置,装置中的各个单元的具体工作内容,请参见上述方法实施例的内容,下面对本发明实施例提供的光伏电站有效辐照计算装置进行描述,下文描述的光伏电站有效辐照计算装置与上文描述的光伏电站有效辐照计算方法可相互对应参照。
参见图5,所述光伏电站有效辐照计算装置,包括:
运行数据采集单元100,用于获取光伏电站的历史运行数据;
光伏组串安装参数采集单元200,用于获取所述光伏电站中每个光伏组串的安装倾角;
斜面辐射计算单元300,用于基于所述安装倾角、目标时刻的水平面直接辐射、目标时刻的水平面总辐射以及光伏组串的反射系数,计算得到每个光伏组串目标时刻的瞬时斜面辐射,其中,所述水平面直接辐射指的是光伏电站安装位置处的水平面的直接辐射,所述水平面总辐射指的是光伏电站安装位置处的水平面的总辐射。
与上述方法相对应,所述斜面辐射计算单元300,具体用于:
获取目标时刻水平面直接辐射、目标时刻水平面总辐射以及光伏组串的反射系数;
将所述安装倾角、目标时刻的水平面直接辐射、目标时刻的水平面总辐射以及光伏组串的反射系数代入公式计算得到所述光伏组串目标时刻的瞬时斜面辐射;
其中,所述It光伏组串目标时刻的瞬时斜面辐射,所述Ib为目标时刻的水平面直接辐射,Ih为目标时刻的水平面总辐射,Id为目标时刻的水平面散射,Id=Ih-Ib,θi为目标时刻太阳对所述光伏组串的斜面的光线入射角,所述β为安装倾角,ρ为预设反射系数。
与上述方法相对应,所述目标时刻包括单位时间段内的各个时刻;
所述斜面辐射计算单元300,具体用于:
基于所述安装倾角、单位时间段内的各个时刻的水平面直接辐射、单位时间段内的各个时刻的水平面总辐射以及光伏组串的反射系数,计算得到每个光伏组串单位时间段内的各个时刻的瞬时斜面辐射;
装置还包括:
判断单元,用于:
基于每个光伏组串单位时间段内各个时刻的瞬时斜面辐射计算得到每个光伏组串单位时间段内的斜面总辐射量;
由光伏电站的历史运行数据中获取各个光伏组串单位时间段内的发电量;
判断各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性是否满足预设条件;
统计斜面总辐射量与发电量之间的相关性不满足所述预设条件的光伏组件的数量,记为无效值;
判断所述无效值是否大于预设值,并输出判断结果。
与上述方法相对应,所述判断单元在判断各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性是否满足预设条件时,具体用于执行以下动作:
计算各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的线性关系与斯皮尔曼等级相关系数的相似度;当所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的线性关系与所述斯皮尔曼等级相关系数的相似度大于预设值时,则表明所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性满足预设条件,否则,不满足所述预设条件。
与上述方法相对应,还包括:
有效瞬时斜面辐射计算单元,用于:
当所述无效值大于预设值时,对各个光伏组串进行相似度分组,在相似度分组时,可以先获取到的光伏组串的衡量特征参数,再基于所述衡量特征参数采用预设的聚类算法对各个所述光伏组串进行相似度分组;
选择一组相似度一致的光伏组串,记为目标光伏组串组;
计算所述目标光伏组串组中各个光伏组串,单位时间段内的发电量与单位时间内的斜面辐射总量之间的线性关系;
计算所述线性关系与预设波形曲线之间的相关性,所述预设波形曲线用于表征单位时间段内的发电量与单位时间内的斜面辐射总量之间的理想线性关系;
选择相关性最高的光伏组串作为目标光伏组串;
对所述目标光伏组串组内的各个光伏组串在所述单位时间段内输出的瞬时直流功率进行归一化处理;
通过机器学习回归算法建立进行归一化处理的所述目标光伏组串的瞬时直流功率与瞬时斜面辐射之间的模型关系;
将所述目标光伏组串组中其它光伏组串对应的归一化处理后得到的瞬时直流功率代入所述模型关系,计算得到所述目标光伏组串组内的其它各个光伏组串的瞬时斜面辐射,将各个光伏组串的瞬时斜面辐射作为各个光伏组串组的有效瞬时斜面辐射。
与上述方法相对应,所述有效瞬时斜面辐射计算单元在选择相关性最高的光伏组串作为目标光伏组串时,具体用于:
获取各个光伏组串的单位时间段内的发电量与单位时间内的斜面辐射总量之间的相关性中的最大值;
判断所述最大值是否大于目标阈值,如果大于,继续执行;
如果小于,所述有效瞬时斜面辐射计算单元还用于:
获取相似度分析时与所述目标光伏组串组相似度最高的N个光伏组串组,记为辅助光伏组串组,所述N为大于1的正整数;
获取所述辅助光伏组串组对应的模型关系;
将所述目标光伏组串组中的各个光伏组串对应的归一化处理后的瞬时直流功率分别代入所述N个光伏组串组对应的模型关系,计算得到N组所述目标光伏组串组内的光伏组串的瞬时斜面辐射,对所述目标光伏组串组内各个光伏组串对应的N个瞬时斜面辐射进行均值运算,计算得到所述目标光伏组串组内各个光伏组串对应平均瞬时斜面辐射,记为有效瞬时斜面辐射。
与上述方法相对应,所述模型关系为Gj=fi -1(Pj),其中,所述Pj为归一化后计算得到的第j个光伏组串的瞬时直流功率,所述Gj为第j个光伏组串的有效斜面辐射,所述i用于表示所述目标光伏组串。
与上述方法相对应,所述有效瞬时斜面辐射计算单元对所述目标光伏组串组内的各个光伏组串在所述单位时间段内输出的瞬时直流功率进行归一化处理时,具体用于:
采用公式对所述目标光伏组串组内的各个光伏组串在所述单位时间段内输出的瞬时直流功率进行归一化处理;
其中,所述j用于表示所述目标光伏组串组内的光伏组串,所述t用于所述目标光伏组串组内的光伏组串的类型,所述njt用于表征所述目标光伏组中的光伏组串的数量;所述prjt用于表征类型为t的第j个光伏组串的额定功率,所述pj为第j个光伏组串的实际瞬时直流功率,所述Qj为归一化处理后的瞬时直流功率。
为了描述的方便,描述以上***时以功能分为各种模块分别描述。当然,在实施本发明时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***或***实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的***及***实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
还需要说明的是,在本文中,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过程、方法、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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业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发明的精神或范围的情况下,在其它实施例中实现。因此,本发明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 (18)
1.一种光伏电站有效辐照计算方法,其特征在于,包括:
对各个光伏组串进行相似度分组;
选择一组相似度一致的光伏组串,记为目标光伏组串组;
计算所述目标光伏组串组中各个光伏组串,单位时间段内的发电量与单位时间内的斜面辐射总量之间的线性关系;
计算所述线性关系与预设波形曲线之间的相关性,所述预设波形曲线用于表征单位时间段内的发电量与单位时间内的斜面辐射总量之间的理想线性关系;
选择相关性最高的光伏组串作为目标光伏组串;
对所述目标光伏组串组内的各个光伏组串在所述单位时间段内输出的瞬时直流功率进行归一化处理;
建立进行归一化处理的所述目标光伏组串的瞬时直流功率与瞬时斜面辐射之间的模型关系;
将所述目标光伏组串组中其它光伏组串对应的归一化处理后得到的瞬时直流功率代入所述模型关系,计算得到所述目标光伏组串组内的其它各个光伏组串的瞬时斜面辐射。
2.根据权利要求1所述光伏电站有效辐照计算方法,其特征在于,所述预设波形曲线为斯皮尔曼等级相关系数。
3.根据权利要求1所述光伏电站有效辐照计算方法,其特征在于,所述计算所述线性关系与预设波形曲线之间的相关性,包括:
计算所述单位时间段内的发电量与单位时间内的斜面辐射总量之间的线性关系与所述预设波形曲线之间的相似度,将所述相似度作为所述线性关系与预设波形曲线之间的相关性。
4.根据权利要求1所述光伏电站有效辐照计算方法,其特征在于,所述对各个光伏组串进行相似度分组,包括:
获取光伏组串的衡量特征参数;
基于所述衡量特征参数采用预设的聚类算法对各个所述光伏组串进行相似度分组。
5.根据权利要求1所述的光伏电站有效辐照计算方法,其特征在于,所述选择相关性最高的光伏组串作为目标光伏组串,包括:
获取各个光伏组串的单位时间段内的发电量与单位时间内的斜面辐射总量之间的相关性中的最大值;
判断所述最大值是否大于目标阈值,如果大于,将所述最大值对应的光伏组串作为目标光伏组串。
6.根据权利要求5所述的光伏电站有效辐照计算方法,其特征在于,当所述最大值小于目标阈值时,上述方法还包括:
获取相似度分析时与所述目标光伏组串组相似度最高的N个光伏组串组,记为辅助光伏组串组,所述N为大于1的正整数;
获取所述辅助光伏组串组对应的模型关系;
将所述目标光伏组串组中的各个光伏组串对应的归一化处理后的瞬时直流功率分别代入所述N个光伏组串组对应的模型关系,计算得到N组所述目标光伏组串组内的光伏组串的瞬时斜面辐射,对所述目标光伏组串组内各个光伏组串对应的N个瞬时斜面辐射进行均值运算,计算得到所述目标光伏组串组内各个光伏组串对应平均瞬时斜面辐射,记为有效瞬时斜面辐射。
7.根据权利要求1所述的光伏电站有效辐照计算方法,其特征在于,所述获取所述目标光伏组串组中各个光伏组串的单位时间段内的发电量与单位时间内的斜面辐射总量之间的相关性之前,还包括:
获取所述光伏电站中每个光伏组串在目标时刻的状态参数;
基于每个所述光伏组串的状态参数计算得到每个光伏组串目标时刻的瞬时斜面辐射。
8.根据权利要求6所述的光伏电站有效辐照计算方法,其特征在于,所述目标时刻包括单位时间段内的各个时刻;
所述对各个光伏组串进行相似度分组之前,还包括:
基于每个光伏组串单位时间段内各个时刻的瞬时斜面辐射计算得到每个光伏组串单位时间段内的斜面总辐射量;
由光伏电站的历史运行数据中获取各个光伏组串单位时间段内的发电量;
判断各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性是否满足预设条件;
统计斜面总辐射量与发电量之间的相关性不满足所述预设条件的光伏组件的数量,记为无效值;
判断所述无效值是否大于预设值,当所述无效值大于预设值时,继续执行。
9.根据权利要求8所述的光伏电站有效辐照计算方法,其特征在于,判断各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性是否满足预设条件,具体为:
判断各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的线性关系是否满足预设波形曲线;
当所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的线性关系与所述预设波形曲线的相似度大于预设值时,则表明所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性满足预设条件,否则,不满足所述预设条件。
10.一种光伏电站有效辐照计算装置,其特征在于,包括:
分组单元,用于对各个光伏组串进行相似度分组;
相关性计算单元,用于选择一组相似度一致的光伏组串,记为目标光伏组串组;计算所述目标光伏组串组中各个光伏组串,单位时间段内的发电量与单位时间内的斜面辐射总量之间的线性关系;计算所述线性关系与预设波形曲线之间的相关性;
归一化处理单元,用于对所述目标光伏组串组内的各个光伏组串在所述单位时间段内输出的瞬时直流功率进行归一化处理;
模型关系建立单元,用于选择相关性最高的光伏组串作为目标光伏组串,通过机器学习回归算法建立进行归一化处理的所述目标光伏组串的瞬时直流功率与瞬时斜面辐射之间的模型关系;
有效辐射量计算单元,用于将所述目标光伏组串组中其它光伏组串对应的归一化处理后得到的瞬时直流功率代入所述模型关系,计算得到所述目标光伏组串组内的其它各个光伏组串的瞬时斜面辐射。
11.根据权利要求10所述的光伏电站有效辐照计算装置,其特征在于,所述预设波形曲线为斯皮尔曼等级相关系数。
12.根据权利要求10所述的光伏电站有效辐照计算装置,其特征在于,所述相关性计算单元在计算所述线性关系与预设波形曲线之间的相关性时,具体用于;
计算所述单位时间段内的发电量与单位时间内的斜面辐射总量之间的线性关系与所述预设波形曲线之间的相似度,将所述相似度作为所述线性关系与预设波形曲线之间的相关性。
13.根据权利要求10所述的光伏电站有效辐照计算装置,其特征在于,所述分组单元对各个光伏组串进行相似度分组时,具体用于:
获取光伏组串的衡量特征参数;
基于所述衡量特征参数采用预设的聚类算法对各个所述光伏组串进行相似度分组。
14.根据权利要求10所述的光伏电站有效辐照计算装置,其特征在于,所述模型关系建立单元在所述选择相关性最高的光伏组串作为目标光伏组串时,具体用于:
获取各个光伏组串的单位时间段内的发电量与单位时间内的斜面辐射总量之间的相关性中的最大值;
判断所述最大值是否大于目标阈值,如果大于,将所述最大值对应的光伏组串作为目标光伏组串。
15.根据权利要求14所述的光伏电站有效辐照计算装置,其特征在于,当所述最大值小于目标阈值时,所述模型关系建立单元还用于:
获取相似度分析时与所述目标光伏组串组相似度最高的N个光伏组串组,记为辅助光伏组串组,所述N为大于1的正整数;
获取所述辅助光伏组串组对应的模型关系;
将所述目标光伏组串组中的各个光伏组串对应的归一化处理后的瞬时直流功率分别代入所述N个光伏组串组对应的模型关系,计算得到N组所述目标光伏组串组内的光伏组串的瞬时斜面辐射,对所述目标光伏组串组内各个光伏组串对应的N个瞬时斜面辐射进行均值运算,计算得到所述目标光伏组串组内各个光伏组串对应平均瞬时斜面辐射,记为有效瞬时斜面辐射。
16.根据权利要求10所述的光伏电站有效辐照计算装置,其特征在于,还包括:
瞬时辐射计算单元,用于获取所述光伏电站中每个光伏组串在目标时刻的状态参数;
基于每个所述光伏组串的状态参数计算得到每个光伏组串目标时刻的瞬时斜面辐射。
17.根据权利要求16所述的光伏电站有效辐照计算装置,其特征在于,还包括:
有效性判断单元,用于基于每个光伏组串单位时间段内各个时刻的瞬时斜面辐射计算得到每个光伏组串单位时间段内的斜面总辐射量;
由光伏电站的历史运行数据中获取各个光伏组串单位时间段内的发电量;
判断各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性是否满足预设条件;
统计斜面总辐射量与发电量之间的相关性不满足所述预设条件的光伏组件的数量,记为无效值;
判断所述无效值是否大于预设值,当所述无效值大于预设值时,向所述分组单元输出触发信号。
18.根据权利要求16所述的光伏电站有效辐照计算装置,其特征在于,还包括:
所述有效性判断单元在判断各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性是否满足预设条件时,具体用于:
判断各个所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的线性关系是否满足预设波形曲线;
当所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的线性关系与所述预设波形曲线的相似度大于预设值时,则表明所述光伏组串单位时间段内的斜面总辐射量与其单位时间内的发电量之间的相关性满足预设条件,否则,不满足所述预设条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910741046.1A CN110348175B (zh) | 2019-08-12 | 2019-08-12 | 一种光伏电站有效辐照计算方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910741046.1A CN110348175B (zh) | 2019-08-12 | 2019-08-12 | 一种光伏电站有效辐照计算方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110348175A true CN110348175A (zh) | 2019-10-18 |
CN110348175B CN110348175B (zh) | 2023-01-06 |
Family
ID=68184693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910741046.1A Active CN110348175B (zh) | 2019-08-12 | 2019-08-12 | 一种光伏电站有效辐照计算方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110348175B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112491360A (zh) * | 2020-10-19 | 2021-03-12 | 阳光电源股份有限公司 | 光伏组串的故障诊断方法及***、可读存储介质 |
WO2023109531A1 (zh) * | 2021-12-15 | 2023-06-22 | 阳光电源(上海)有限公司 | 一种跟踪控制方法及装置 |
CN117709020A (zh) * | 2023-12-19 | 2024-03-15 | 上海电力大学 | 计及前后排遮挡的光伏组件斜面总辐射推算方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005107674A (ja) * | 2003-09-29 | 2005-04-21 | Sharp Corp | 太陽光発電装置の設計方法および設計支援装置 |
CN103390197A (zh) * | 2013-07-04 | 2013-11-13 | 云南电网公司北京能源新技术研究发展中心 | 一种基于时间段聚类的光伏电站功率预测*** |
CN105373857A (zh) * | 2015-11-27 | 2016-03-02 | 许昌许继软件技术有限公司 | 一种光伏电站辐照度预测方法 |
CN105938578A (zh) * | 2016-04-13 | 2016-09-14 | 合肥工业大学 | 一种基于聚类分析的大规模光伏电站等值建模方法 |
CN106650784A (zh) * | 2016-11-04 | 2017-05-10 | 许继集团有限公司 | 一种基于特征聚类比较的光伏电站功率预测方法及装置 |
CN107229824A (zh) * | 2017-05-22 | 2017-10-03 | 华北电力科学研究院有限责任公司 | 光伏电站发电单元功率曲线建模方法及装置 |
CN108446811A (zh) * | 2018-06-06 | 2018-08-24 | 中国计量大学 | 一种基于分布式光伏电站设计的预测发电量计算方法 |
CN109685257A (zh) * | 2018-12-13 | 2019-04-26 | 国网青海省电力公司 | 一种基于支持向量机回归的光伏发电功率预测方法 |
-
2019
- 2019-08-12 CN CN201910741046.1A patent/CN110348175B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005107674A (ja) * | 2003-09-29 | 2005-04-21 | Sharp Corp | 太陽光発電装置の設計方法および設計支援装置 |
CN103390197A (zh) * | 2013-07-04 | 2013-11-13 | 云南电网公司北京能源新技术研究发展中心 | 一种基于时间段聚类的光伏电站功率预测*** |
CN105373857A (zh) * | 2015-11-27 | 2016-03-02 | 许昌许继软件技术有限公司 | 一种光伏电站辐照度预测方法 |
CN105938578A (zh) * | 2016-04-13 | 2016-09-14 | 合肥工业大学 | 一种基于聚类分析的大规模光伏电站等值建模方法 |
CN106650784A (zh) * | 2016-11-04 | 2017-05-10 | 许继集团有限公司 | 一种基于特征聚类比较的光伏电站功率预测方法及装置 |
CN107229824A (zh) * | 2017-05-22 | 2017-10-03 | 华北电力科学研究院有限责任公司 | 光伏电站发电单元功率曲线建模方法及装置 |
CN108446811A (zh) * | 2018-06-06 | 2018-08-24 | 中国计量大学 | 一种基于分布式光伏电站设计的预测发电量计算方法 |
CN109685257A (zh) * | 2018-12-13 | 2019-04-26 | 国网青海省电力公司 | 一种基于支持向量机回归的光伏发电功率预测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112491360A (zh) * | 2020-10-19 | 2021-03-12 | 阳光电源股份有限公司 | 光伏组串的故障诊断方法及***、可读存储介质 |
WO2023109531A1 (zh) * | 2021-12-15 | 2023-06-22 | 阳光电源(上海)有限公司 | 一种跟踪控制方法及装置 |
CN117709020A (zh) * | 2023-12-19 | 2024-03-15 | 上海电力大学 | 计及前后排遮挡的光伏组件斜面总辐射推算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110348175B (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Investigation of wind characteristics and assessment of wind energy potential for Waterloo region, Canada | |
Deppe et al. | A WRF ensemble for improved wind speed forecasts at turbine height | |
CN108593990B (zh) | 一种基于电能用户用电行为模式的窃电检测方法和应用 | |
Yang et al. | Regional frequency analysis and spatio-temporal pattern characterization of rainfall extremes in the Pearl River Basin, China | |
CN110348175A (zh) | 一种光伏电站有效辐照计算方法和装置 | |
Challinor et al. | Probabilistic simulations of crop yield over western India using the DEMETER seasonal hindcast ensembles | |
Suomalainen et al. | Synthetic wind speed scenarios including diurnal effects: Implications for wind power dimensioning | |
CN107292514A (zh) | 风电场生产运行测风塔选址方法及装置 | |
CN104217077A (zh) | 一种反映风速变化特性的风力发电出力随机模型建模方法 | |
CN103996079A (zh) | 一种基于条件概率的风电功率加权预测方法 | |
CN109784563A (zh) | 一种基于虚拟测风塔技术的超短期功率预测方法 | |
Han et al. | A study of the reduction of the regional aggregated wind power forecast error by spatial smoothing effects in the Maritimes Canada | |
CN110070223A (zh) | 一种应用于新建风电场的短期功率预测方法 | |
CN105279384A (zh) | 一种基于风力机机舱风速的来流风速计算方法及装置 | |
CN101369322B (zh) | 基于混沌理论的供热负荷区间预报法 | |
CN110490421A (zh) | 一种基于模糊c-均值聚类的微电网中小水电站容量配置方法 | |
CN112328851B (zh) | 分布式电源监测方法、装置及电子设备 | |
Gualtieri | Development and application of an integrated wind resource assessment tool for wind farm planning | |
Schepers et al. | Verification of European wind turbine design codes, VEWTDC; Final report | |
Milligan et al. | Choosing wind power plant locations and sizes based on electric reliability measures using multiple-year wind speed measurements | |
Schepers et al. | Verification of European wind turbine design codes | |
Alessandrini et al. | An application of ensemble/multi model approach for wind power production forecasting | |
CN107967543A (zh) | 一种风资源评估设备 | |
Ding et al. | Fast ensemble forecast of storm surge along the coast of China | |
Milligan et al. | Optimal site selection and sizing of distributed utility-scale wind power plants |
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 |