一种光伏电站辐照度预测值修正方法

摘要

一种光伏电站辐照度预测值修正方法，用于减小预测误差，改善预测效果。所述方法将预测时刻光伏电站地表辐照度的当前预测值与由辐照度历史数据生成的参考值进行联合加权，得到最终的预测修正值，具体步骤包括：a.确定预测时刻光伏电站地表辐照度参考值Eref；b.计算预测时刻光伏电站地表辐照度参考值权重系数Kr；c.归一化处理预测值和参考值权重系数；d.联合加权求出预测时刻光伏电站地表辐照度预测修正值Emod。本发明使光伏电站地表辐照度的最终预测值更接近未来实测值，提高了预测精度，为进一步准确预测光伏发电功率奠定了基础。

说明书

技术领域

本发明涉及一种基于时间周期性与邻近相似性的光伏电站辐照度预测值修正方法，属于光伏发电技术领域。

背景技术

光伏电池板利用光生伏特效应将太阳辐射能转变为电能，因而太阳辐射是影响光伏发电功率的主要因素，其随机性和周期性变化使得光伏发电功率呈现出明显的间歇性和波动性。辐照度作为表示太阳辐射强度的物理量，定义为照射到表面一点处的面元上的辐射能通量除以该面元的面积，测量单位为瓦特每平方米（W/m²）。显然，辐照度是决定光伏组件出力的最直接因素。通常情况下，辐照度越大，光伏发电功率也就越大。要准确预测光伏电站的发电功率，地表辐照度的预测是必要基础。目前，辐照度的预测主要是在理论分析的基础上，根据光伏电站现有的运行数据和相关信息，通过利用智能理论和方法建立能够拟合历史数据与未来辐照度实测值之间关系的模型或直接对描述天气演变过程的大气物理方程组进行数值计算（多为气象部门采用）来实现的。然而，地表辐照度变化规律受多方面因素影响，非常复杂，现有的方法和模型不可能完备地反映出辐照度预测值与历史数据间的映射关系，预测误差不可避免。因此，如何依据合理的规则提高光伏电站辐照度预测准确度，一直是有关技术人员所面临的难题。

发明内容

本发明的目的在于针对现有技术之弊端，提供一种光伏电站辐照度预测值修正方法，以减小预测误差，改善预测效果。

本发明所述问题是以下述技术方案实现的：

一种光伏电站辐照度预测值修正方法，所述方法是将预测时刻光伏电站地表辐照度的当前预测值与由辐照度历史数据生成的参考值进行联合加权，得到最终的预测修正值；

所述方法按以下步骤进行：

a. 确定预测时刻光伏电站地表辐照度参考值E_ref

首先定义两个时间尺度系数：

周期性尺度系数T：即预测时刻所在年份向前选择辐照度历史数据的年限；

相似性尺度系数L：即预测时刻所在日期向前和向后选择辐照度历史数据的天数，T和L的取值可根据辐照度历史数据量调整且均为正整数；

然后按以下步骤确定参考值E_ref：

(1)根据周期性尺度系数T、相似性尺度系数L和某一具体的预测时刻对光伏电站地表辐照度历史数据进行选择，生成初始参考值矩阵R₀ ：

,

其中，E_0ij为不同年份与预测时间点时刻相同的地表辐照度历史数据，i为预测时刻所在年份之前的第i年(i=1, 2,…,T)，j为预测时刻所在日期之前（负）或之后（正）的第j天(j=-L, -L+1,…,0,…, L-1, L）；

(2)查找气象信息历史记录，对比初始参考值矩阵R₀中各地表辐照度历史数据所在日对应天气类型和预测日的天气类型，将初始参考值矩阵R₀中与预测日天气类型不同的数据置零，得到参考值矩阵R；

(3)将参考矩阵R中非零元素的平均值作为预测时刻光伏电站地表辐照度的初始参考值E_ref0 ，引入天气类型修正系数K_type对初始参考值E_ref0进行订正，确定预测时刻光伏电站地表辐照度参考值E_ref：

,

其中，天气类型修正系数K_type通过对辐照度历史数据的统计分析确定；

b. 计算预测时刻光伏电站地表辐照度参考值权重系数K_r ：

,

,

其中，K_{a_f}为预测值辐射衰减系数，K_{a_r}为参考值辐射衰减系数，t_forecast为预测时刻，t_{s_rise_f}为预测日实际日出时间，t_{t_rise_f}为预测日理论日出时间，E_g (t)为预测日地表辐照度实测值，E_c(t)为预测日地外辐照度理论值，E_ref0(t)为地表辐照度初始参考值，E_i (t)为参考值矩阵R中非零元素对应时间点的地外辐照度理论值，n为参考值矩阵R中非零元素的个数；

c. 归一化处理预测值和参考值权重系数

预测值权重系数K_f取为1，利用下式对预测值和参考值的权重系数K_f和K_r进行归一化处理：

,

其中，K_{f_N}为归一化后的预测值权重系数，K_{r_N}为归一化后的参考值权重系数；

d. 联合加权求出预测时刻光伏电站地表辐照度预测修正值E_mod

,

其中，E_forecast为光伏电站辐照度当前预测值。

上述光伏电站辐照度预测值修正方法，所述当前预测值E_forecast可由光伏电站的辐照度预测模型或气象部门提供的专业预报数据给出，时间分辨率可以是15分钟、30分钟、1小时或其它时间数值。 

本发明将光伏电站地表辐照度的当前预测值与由辐照度历史数据生成的参考值进行联合加权，得到最终的预测修正值，使光伏电站辐照度的最终预测值更接近未来实测值，提高了预测精度，为进一步准确预测光伏发电功率奠定了基础。

附图说明

下面结合附图对本发明作进一步说明。

图 1 是光伏电站辐照度预测值修正方法流程图。

文中所用符号清单为：E_ref为预测时刻光伏电站地表辐照度参考值，R₀为初始参考值矩阵，R为参考值矩阵，K_r为光伏电站地表辐照度参考值权重系数，K_{a_f}为预测值辐射衰减系数，K_{a_r}为参考值辐射衰减系数，K_f为预测值权重系数，K_{f_N}为归一化后的预测值权重系数，K_{r_N}为归一化后的参考值权重系数，E_forecast为光伏电站辐照度当前预测值，E_mod为预测时刻光伏电站地表辐照度预测修正值。

具体实施方式

地球的公转和自转使到达地球外大气层上界的太阳辐照呈现出与年份、日期、时刻有关的周期性变化规律。由气象领域地外辐照度理论值的计算公式可知，其具有以年为单位的时间周期性，即邻近年份、相同日期和时刻地外辐照度数值之间的差别微乎其微；同时又具有以日为单位的邻近相似性，即同年邻近日期、相同时刻的地外辐照度数值基本相同。

地外太阳辐射经过大气层的作用后到达地球表面，发生衰减，其衰减程度取决于大气的物理状态，而天气类型正反映了大气物理状态。如果天气状况比较稳定（如：晴天），则太阳辐射传输过程中的衰减就相对固定，那么地表与地外辐照度的变化规律也会比较接近，二者之间的相关性就比较强，地表辐照度同样表现出较为明显的时间周期性与邻近相似性；如果天气状况不稳定（如：阵雨），则太阳辐射传输过程中的衰减就会不断变化，那么地表与地外辐照度的变化规律也会存在差异，二者之间的相关性就比较弱。本发明正是根据此规律提出。

本发明依据已有的天气预报信息（气象部门提供），提出了一种提高光伏电站辐照度预测精度的修正方法，所述方法包括以下步骤：

1. 确定预测时刻光伏电站地表辐照度参考值E_ref

为确定利用辐照度时间周期性进行修正所需的信息，定义纵向的周期性尺度系数T，即预测时刻所在年份向前选择辐照度历史数据的年限；为确定利用辐照度邻近相似性修正所需的信息，定义横向的相似性尺度系数L，即预测时刻所在日期向前和向后选择辐照度历史数据的天数。T和L的取值可根据辐照度历史数据量调整。

(1)按周期性尺度系数T、相似性尺度系数L和某一具体的预测时刻对光伏电站地表辐照度历史数据进行选择，生成初始参考值矩阵R₀，如(1)式。

(1)

其中，E_0ij为不同年份与预测时间点时刻相同的地表辐照度历史数据，i为预测时刻所在年份之前的第i年(i=1, 2,…,T)，j为预测时刻所在日期之前（负）或之后（正）的第j天(j=-L, -L+1,…,0,…, L-1, L）。

(2)不同天气类型条件下，地表辐照度的变化存在差异，故使用相同天气类型的历史数据进行加权修正。这里，所述天气类型可以是气象部门的预报天气类型（种类较多），也可以是为减少预测模型数量而将相近天气类型合并后的广义天气类型或其它任何有效的方式。

查找气象信息历史记录，对比初始参考值矩阵R₀中各地表辐照度历史数据所在日对应天气类型和预测日天气类型，将初始参考值矩阵R₀中与预测日天气类型不同的数据置零，得到参考值矩阵R。

(3)将参考矩阵R中非零元素的平均值作为初始参考值E_ref0。由于不同天气类型情况下往年同期及相邻日期地表辐照度历史数据与预测日辐照度实测值的相似度不同，因此辐照度历史数据对预测值修正的参考意义也不同。为此，引入天气类型修正系数K_type对初始参考值E_ref0进行订正，确定参考值E_ref，如(2)式。

                       (2)

天气类型修正系数K_type取值可由对辐照度历史数据的统计分析确定，能有效反映其变化规律的任何形式均可。

2. 计算参考值权重系数K_r

定义参考值的权重系数K_r，如(3)式。带入数据计算出参考值权重系数K_r。

           (3-1)

                 (3-2)

其中，K_{a_f}为预测值辐射衰减系数，K_{a_r}为参考值辐射衰减系数，t_forecast为预测时刻，t_{s_rise_f}为预测日实际日出时间，t_{t_rise_f}为预测日理论日出时间，E_g (t)为预测日地表辐照度实测值，E_c(t)为预测日地外辐照度理论值，E_ref0(t)为地表辐照度初始参考值，E_i (t)为参考值矩阵R中非零元素对应时间点的地外辐照度理论值，n为参考值矩阵R中非零元素的个数。

辐射衰减系数描述了指定时段内辐照度的平均衰减程度，取值范围在0~1之间，其值越大则衰减越小、天气状况越好，对应光伏电站的发电量越大。相同天气类型下不同日期、时段的辐照度衰减存在一定差别，辐射衰减系数对这种差别进行了较为精确的度量。

参考值权重系数K_r度量了预测时段与历史同期相同天气类型对应辐照度之间衰减的相似性，取值范围是0~1。K_r越大则预测时段与历史同期太阳辐射的衰减程度越接近、相似程度越高，参考值对预测值的修正作用越强。

3. 归一化处理预测值和参考值权重系数

考虑到参考值权重系数K_r的取值，预测值权重系数K_f取为1。辐照度在数值上有一定范围，为保证最终预测修正值的合理性，对预测值和参考值的权重系数K_f和K_r进行归一化处理，如(4)式。

               (4)

其中，K_{f_N}为归一化后的预测值权重系数，K_{r_N}为归一化后的参考值权重系数。

4. 联合加权求出预测时刻光伏电站地表辐照度预测修正值E_mod

根据光伏电站辐照度当前预测值E_forecast和参考值E_ref，利用归一化处理后的权重系数K_{f_N}和K_{r_N}，求出最终的预测修正值E_mod，如(5)式。

                (5)

辐照度当前预测值E_forecast可由光伏电站的辐照度预测模型或气象部门提供的专业预报数据给出，但不仅限于此方式。时间分辨率可以是15分钟、30分钟、1小时或其它时间数值。

图1为本发明实施例提供的光伏电站辐照度预测值修正方法流程图。下面结合图1对本发明实施例的技术方案进行完整、清楚地描述。

以修正某光伏电站2011年10月22日12时00分的辐照度预测值为例，本发明所述方法包括：

步骤1：根据周期性尺度系数T、相似性尺度系数L生成初始参考值矩阵R₀，剔除初始参考矩阵R₀中与预测日天气类型不同的数据，得初始参考值E_ref0，引入天气类型系数K_type对E_ref0进行订正，确定预测时刻地表辐照度参考值E_ref。

在该步骤中，所述周期性尺度系数T和相似性尺度系数L取值根据该光伏电站的历史数据量和实际运行情况确定。这里，取周期性尺度系数T=1，相似性尺度系数L=4，生成1×9阶的初始参考值矩阵R₀，其中共有9个与预测时间点时刻相同的前一年相同或相邻日期的辐照度历史值。

所述天气类型修正系数K_type基于一种广义天气类型划分，其按照不同天气类型下地表辐照度历史同期数据与当前实测值之间相似度由高到低的顺序将气象部门的预报天气类型归纳合并为：A、B、C和D四类，对应的K_type依次取1、0.6、0.2和0。这里，预测日气象部门预报的天气类型属B类，故K_type=0.6。R₀中对应天气类型不是B类的数据分别为2010年10月20日、21日、22日、24日、25日和26日12时00分的辐照度，将它们置为零，得到1×9阶且包含3个非零元素的参考值矩阵R，求出初始参考值E_ref0=708W/m²，代入天气类型修正系数K_type=0.6，确定参考值E_ref=425W/m²。

步骤2：按照定义，分别求出预测值和参考值的辐射衰减系数K_{a_f}、K_{a_r}，计算参考值权重系数K_r。

在该步骤中，由给定的计算公式和数据求得预测值辐射衰减系数K_{a_f}=0.742、参考值辐射衰减系数K_{a_r}=0.716，从而计算出参考值权重系数K_r=0.965。

步骤3：归一化处理预测值和参考值权重系数K_f、K_r得K_{f_N}、K_{r_N}。

该步骤中，所述预测值权重系数K_f=1。归一化处理预测值权重系数K_f和参考值权重系数K_r，得K_{f_N}=0.509，K_{r_N}=0.491。

步骤4：由当前预测值E_forecast和参考值E_ref，结合K_{f_N}和K_{r_N}，联合加权得地表辐照度预测修正值E_mod。

所述辐照度当前预测值E_forecast=841W/m--²，时间分辨率为15分钟。这里，对E_forecast和E_ref联合加权，得最终的预测修正值E_mod=637 W/m--²，作为该光伏电站2011年10与22日12时00分的辐照度预测值。

本发明实施例所述方法可通过计算机软件程序实现，提高了光伏电站地表辐照度预测的精度，为进一步准确预测光伏发电功率奠定了基础，可作为光伏发电功率预测系统的一个补充功能。

 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此。任何熟悉相关领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。