法律状态公告日
法律状态信息
法律状态
2016-09-21
授权
授权
2014-12-31
专利申请权的转移 IPC(主分类):G06Q50/06 变更前: 变更后: 登记生效日:20141208 申请日:20130614
专利申请权、专利权的转移
2013-12-11
实质审查的生效 IPC(主分类):G06Q50/06 申请日:20130614
实质审查的生效
2013-10-02
公开
公开
技术领域
本发明属于光伏发配电技术领域,具体涉及一种基于双向渐进的地面太阳 辐射净空模型构建方法。
背景技术
光伏发电具有波动性和间歇性大规模光伏电站并网运行会影响电力系统 的安全稳定经济运行。对光伏电站的输出功率进行预测有助于电网调度部门统 筹安排常规电源和光伏发电的协调配合,适时及时地调整调度计划,合理安排 电网运行方式;一方面有效地减轻光伏接入对电网的不利影响,提高电力系统 运行的安全性和稳定性,另一方面降低电力系统的旋转备用容量和运行成本 以充分利用太阳能资源,获得更大的经济效益和社会效益。因此,需要一种好 的光伏发电功率预测方法对光伏系统发电功率进行预测。
目前光伏功率预测从预测方法上可以分为统计方法和物理方法。统计方法 是对历史数据进行统计分析,找出其内在规律并用于预测。物理方法需对光伏 电站所在地进行物理建模,将平均温度、最高气温、最低气温、日类型等气象 预测数据作为输入,采用物理方程进行预测。实际应用中是将两者结合起来。 从预测方式上可分为直接预测和间接预测。直接预测方式是直接对光伏电站的 输出功率进行预测。间接预测方式首先对地表辐照强度进行预测,然后根据光 伏电站出力模型得到光伏电站的输出功率,从时间尺度上可以分为超短期功率 预测和短期功率预测。超短期功率预测的时间尺度为30分钟至6小时,短期功 率预测的时间尺度一般为1至2天。
常规的光伏电站功率预测是利用光伏电站的历史有功功率、太阳辐照度等 数据源建立预测模型,进而预测未来出力,此类方法在一定程度上可以实现光 伏电站的短期功率预测,但是没有考虑光伏电站在具体时刻的理论最大出力。
发明内容
为克服上述缺陷,本发明提供了一种基于双向渐进的地面太阳辐射净空模 型构建方法,将太阳辐照度的净空模型与光伏电站出力特性获得的光伏电站净 空模型进行结合,以计算光伏电站在具体时刻的理论最大出力。
为实现上述目的,本发明提供一种基于双向渐进的地面太阳辐射净空模型 构建方法,其改进之处在于,所述方法包括如下步骤:
(1).计算日出日落时间;
(2).对光伏电站历史辐照强度进行筛选,得到合理的辐照强度时间序列;
(3).根据辐照强度时间序列,从全天辐射强度变化角度,进行日辐照强度数 据拟合:
(4).逐时刻辐照强度数据拟合,从不同天数同一时刻辐射强度变化的角度, 进行逐时刻辐照强度数据拟合;
(5).重复步骤3和4,直到满足收敛条件为止,形成净空模型。
本发明提供的优选技术方案中,在所述步骤1中,根据经验公式计算给定 经纬度处每日的日出和日落时间:
R=24×(180+z×15-α-K)/360 (1)
D=24×(1+(z×15-α)/180)-R (2)
其中:R为日出时间,D为日落时间,z为时区,α为经度,β为维度,t 为日期序列数,K=cos-1(-tan(-23.4×cos(360×(t+9)/365))×tanβ)。
本发明提供的第二优选技术方案中,在所述步骤2中,对光伏电站历史辐 照强度进行筛选的条件包括:大于1200的数据点、小于0的数据点、在日出日 落时间内连续1小时均值非零且标准差为零的数据、连续24小时以上均值为零 且标准差为零的数据序列、日辐照强度序列中第一个非零时刻与当日日出时间 偏差超过1小时的数据点和日辐照强度序列中最后一个非零时刻与当日日落时 间偏差超过1小时的数据点。
本发明提供的第三优选技术方案中,在所述步骤2中,将筛选后的数据按 照时间顺序排序,将数据按照日期顺序排列为二维表格形式,其中每一行代表 一天的辐照强度序列,每一列代表一年内每日同一时刻的辐照强度序列;其中,; 一天内采集数据的频率为:每15min采集一个数据点,一天采集96个点。
本发明提供的第四优选技术方案中,所述步骤3包括如下步骤:
(3-1).取单日辐照强度时间序列Si(i=1,2,...,n)进行二次差分计算,
则mk=1对应的Sk+1即为辐照强度的极大值,构建辐照强度极大值序列Rl(l=1,2,...,r),并记录索引序列Nl,
(3-2).对极大值序列Rl取负,采用步骤1计算序列Rl的极小值,根据极小值 索引删除Rl序列中对应的点,形成新的极大值序列;
(3-3).重复步骤3-2,直到极大值序列不再变化;记录极大值序列在原辐照强 度序列中的位置和数值,形成插值数据集(xk,yk);
(3-4).节点x1~xn-1将区间[x0,xn]分为n个子区间,对于每一个子区间,采用三 次Hermite插值法进行拟合,得到拟合数据集Pi,j;
其中,i=1,2,…,m;j=1,2,…,n;m代表参与拟合的福照度数据的天数。
本发明提供的第五优选技术方案中,在所述步骤3-3中,x0<…xk-1<xk<…<xn对应的辐照强度数据为y0,…,yk-1,yk,…,yn。
本发明提供的第六优选技术方案中,在所述步骤3-4中,第k个子区间记为 [xk-1,xk],对应区间端点的函数值为[yk-1,yk],则该区间的三次Hermite插值函数 为:
Hk(x)=yk-1αk-1(x)+ykαk(x)+y′k-1βk-1(x)+y′kβk(x) (6)
其中:
中间节点k=1,2,…,n-1相应的导数y′k用左右相邻两个区段的一阶差商加权的 方式来进行近似计算:
其中,
令端点处的导数d0和dn与相邻区间的差商相同,即:
d0=d1
(15)。
dn=dn-1
本发明提供的第七优选技术方案中,在所述步骤4中,取二维表格中某一 列数据Si(i=1,2,…,n)并进行累加,若累加和为0,则不需要拟合,否则采用步 骤3-4中的三次Hermite插值函数法进行数据拟合,得到数据集Qi,j。
本发明提供的第八优选技术方案中,在所述步骤5中,
(5-1).逐个对各个时刻的数据集Pi,j和数据集Qi,j的偏差e进行计算:
(5-2).判断是否满足收敛条件,如果是则进行步骤5-3,否则返回步骤3;
(5-3).形成最终的净空模型;
其中,收敛条件是e<0.01。
与现有技术比,本发明提供的一种基于双向渐进的地面太阳辐射净空模型 构建方法,对光伏电站历史实测辐照强度进行数据整理和筛选,从全天辐射强 度变化角度和不同天数同一时刻辐射强度变化的角度,双向渐进的进行日辐照 强度数据拟合和逐时刻辐照强度数据拟合,直到误差稳定,形成光伏电站太阳 辐射强度的净空模型。
附图说明
图1为基于双向渐进的地面太阳辐射净空模型构建方法的流程图。
图2为步骤3中日数据拟合流程图。
图3为日数据拟合示意图。
具体实施方式
如图1所示,一种基于双向渐进的地面太阳辐射净空模型构建方法,将太 阳辐照度的净空模型与光伏电站出力特性获得的光伏电站净空模型进行结合, 以计算光伏电站在具体时刻的理论最大出力。
为实现上述目的,本发明提供一种基于双向渐进的地面太阳辐射净空模型 构建方法,包括如下步骤:
(1).计算日出日落时间;
(2).对光伏电站历史辐照强度进行筛选,得到合理的辐照强度时间序列;
(3).根据辐照强度时间序列,从全天辐射强度变化角度,进行日辐照强度数 据拟合:
(4).逐时刻辐照强度数据拟合,从不同天数同一时刻辐射强度变化的角度, 进行逐时刻辐照强度数据拟合;
(5).重复步骤3和4,直到满足收敛条件为止,形成净空模型。
本发明提供的优选技术方案中,在所述步骤1中,根据经验公式计算给定 经纬度处每日的日出和日落时间:
R=24×(180+z×15-α-K)/360 (1)
D=24×(1+(z×15-α)/180)-R (2)
其中:R为日出时间,D为日落时间,z为时区,α为经度,β为维度,t 为日期序列数,K=cos-1(-tan(-23.4×cos(360×(t+9)/365))×tanβ)。
在所述步骤2中,对光伏电站历史辐照强度进行筛选的条件包括:大于1200 的数据点、小于0的数据点、在日出日落时间内连续1小时均值非零且标准差 为零的数据、连续24小时以上均值为零且标准差为零的数据序列、日辐照强度 序列中第一个非零时刻与当日日出时间偏差超过1小时的数据点和日辐照强度 序列中最后一个非零时刻与当日日落时间偏差超过1小时的数据点。
在所述步骤2中,将筛选后的数据按照时间顺序排序,将数据按照日期顺 序排列为二维表格形式,其中每一行代表一天的辐照强度序列,每一列代表一 年内每日同一时刻的辐照强度序列;其中,;一天内采集数据的频率为:每15min 采集一个数据点,一天采集96个点。
所述步骤3包括如下步骤:
(3-1).取单日辐照强度时间序列Si(i=1,2,...,n)进行二次差分计算,
则mk=1对应的Sk+1即为辐照强度的极大值,构建辐照强度极大值序列Rl(l=1,2,...,r),并记录索引序列Nl,
(3-2).对极大值序列Rl取负,采用步骤1计算序列Rl的极小值,根据极小值 索引删除Rl序列中对应的点,形成新的极大值序列;
(3-3).重复步骤3-2,直到极大值序列不再变化;记录极大值序列在原辐照强 度序列中的位置和数值,形成插值数据集(xk,yk);
(3-4).节点x1~xn-1将区间[x0,xn]分为n个子区间,对于每一个子区间,采用三 次Hermite插值法进行拟合,得到拟合数据集Pi,j;
其中,i=1,2,…,m;j=1,2,…,n;m代表参与拟合的福照度数据的天数。
在所述步骤3-3中,x0<…xk-1<xk<…<xn对应的辐照强度数据为 y0,…,yk-1,yk,…,yn。
在所述步骤3-4中,第k个子区间记为[xk-1,xk],对应区间端点的函数值为 [yk-1,yk],则该区间的三次Hermite插值函数为:
Hk(x)=yk-1αk-1(x)+ykαk(x)+y′k-1βk-1(x)+y′kβk(x) (6)
其中:
中间节点k=1,2,…,n-1相应的导数y′k用左右相邻两个区段的一阶差商加权的 方式来进行近似计算:
其中,
令端点处的导数d0和dn与相邻区间的差商相同,即:
d0=d1
(15)。
dn=dn-1
在所述步骤4中,取二维表格中某一列数据Si(i=1,2,…,n)并进行累加,若 累加和为0,则不需要拟合,否则采用步骤3-4中的三次Hermite插值函数法进 行数据拟合,得到数据集Qi,j。
在所述步骤5中,
(5-1).逐个对各个时刻的数据集Pi,j和数据集Qi,j的偏差e进行计算:
(5-2).判断是否满足收敛条件,如果是则进行步骤5-3,否则返回步骤3;
(5-3).形成最终的净空模型;
其中,收敛条件是e<0.01。
通过以下实施例对基于双向渐进的地面太阳辐射净空模型构建方法作进一 步描述。
一种基于双向渐进的地面太阳辐射净空模型构建方法,整体技术路线如图1, 由五个步骤组成:
1、日出日落时间的估算:
根据经验公式计算给定经纬度处每日的日出和日落时间:
R=24×(180+z×15-α-K)/360 (1)
D=24×(1+(z×15-α)/180)-R (2)
其中:R为日出时间,D为日落时间,z为时区,α为经度,β为维度,t为 日期序列数,K=cos-1(-tan(-23.4×cos(360×(t+9)/365))×tanβ)。
2、数据处理
1)数据筛选
数据按照以下准则进行筛选,所有异常数据置为nan:
大于1200的数据点;
小于0的数据点;
在日出日落时间内连续1小时均值非零且标准差为零的数据;
连续24小时以上均值为零且标准差为零的数据序列;
日辐照强度序列中第一个非零时刻与当日日出时间偏差超过1小时的;
日辐照强度序列中最后一个非零时刻与当日日落时间偏差超过1小时的。
2)数据处理
将筛选后的数据按照时间顺序排序,将数据按照日期顺序排列为表1所示的 二维表格形式,其中每一行代表一天的辐照强度序列,每一列代表一年内每日 同一时刻的辐照强度序列。
表1数据处理表
3、日辐照强度数据拟合
1)取单日辐照强度时间序列Si(i=1,2,...,n),对其进行二次差分计算,其中:
则mk=1对应的Sk+1即为辐照强度的极大值,以此为基础,构建辐照强度极大 值序列Rl(l=1,2,...,r),并记录其索引序列Nl,其中:
2)对极大值序列Rl取负,采用步骤1计算序列Rl的极小值,根据极小值索 引删除Rl序列中对应的点,形成新的极大值序列。
3)重复步骤2,直到极大值序列不再变化为止,记录极大值序列在原辐照强 度序列中的位置和数值,形成最终的插值数据集(xk,yk),其中 x0<…xk-1<xk<…<xn,对应的辐照强度数据为y0,…,yk-1,yk,…,yn。
4)节点x1~xn-1将区间[x0,xn]分为n个子区间,对于每一个子区间,采用三次 Hermite插值法进行拟合,其中第k个子区间记为[xk-1,xk],对应区间端点的函数 值为[yk-1,yk],则该区间的三次Hermite插值函数为:
Hk(x)=yk-1αk-1(x)+ykαk(x)+y′k-1βk-1(x)+y′kβk(x) (6)
其中:
中间节点(k=1,2,…,n-1)相应的导数可以用左右相邻两个区段的一阶差商加 权的方式来进行近似计算:
其中,
端点处的导数可以可令其与相邻区间的差商相同,即:
d0=d1
(15)
dn=dn-1
4、逐时刻辐照强度数据拟合
取表1的某一列数据Si(i=1,2,...,n)并进行累加,若累加和为0,则不需要拟 合,若非0,则采用与日辐照强度数据同样的方法进行数据拟合。
5、净空模型
1)记原始数据为Si,j(i=1,2,...,m;j=1,2,...,n),对每一行数据进行步骤三 中的日曲线拟合,得到拟合数据集Pi,j;
2)对拟合数据集Pi,j中的每一列数据分别进行步骤四中的逐时刻曲线拟合, 得到拟合数据集Qi,j;
3)计算偏差:
若e小于给定阈值,则停止迭代,否则,重复进行步骤1、2,直到满足收敛 条件为止。
4)迭代结束,形成最终的净空模型。
需要声明的是,本发明内容及具体实施方式意在证明本发明所提供技术方 案的实际应用,不应解释为对本发明保护范围的限定。本领域技术人员在本发 明的精神和原理启发下,可作各种修改、等同替换、或改进。但这些变更或修 改均在申请待批的保护范围内。
机译: 利用基于地面的LiDAR捕获的地面点构建数字高程模型的方法和设备
机译: 利用基于地面的激光雷达捕获的地面点构建数字高程模型的方法和装置
机译: 利用基于地面的激光雷达捕获的地面点构建数字高程模型的方法和装置