一种基于双重随机理论的太阳辐射强度预测方法

摘要

本发明公开了电力系统新能源发电太阳辐射强度预测领域的一种基于双重随机理论的太阳辐射强度预测方法，用以解决目前太阳辐射强度预测领域研究中存在的问题。该方法为：首先根据模型计算历史数据中各个时刻的云遮系数；其次，计算各个云层覆盖率下的云遮系数的随机分布及各个预测云量数据下云层覆盖率的随机分布；再次，基于双重模拟技术计算各个预测云量对应的云遮系数期望值及满足不同置信水平的云遮系数区间；最后，计算预测日各时刻有云天气下的太阳辐射强度期望值及满足不同置信水平的太阳辐射强度区间。针对云层变化导致的太阳辐射强度不确定的问题，本发明为太阳辐射强度预测进而为光伏发电功率预测提出了一种新的思路，且效果比较理想。

说明书

技术领域

本发明涉及电力系统新能源发电太阳辐射强度预测领域，特别涉 及一种基于双重随机理论的太阳辐射强度预测方法。

背景技术

随着全球经济的迅速发展和人口的不断增加，以石油、天然气和 煤炭为主的化石能源正逐步消耗，能源危机成为世界各国共同面临的 课题。新能源应用正成为全球的热点。太阳能资源是最丰富的可再生 资源之一，它分布广泛，可再生，不污染环境，被认为是当前世界上 最有发展前景的新能源技术。最近10年全球太阳能发电产业的平均 年增长率为30％，近5年年均增长率为40％，成为世界上发展最快 的一个产业。光伏发电的应用领域将逐步由边远地区和农村的补充能 源向全社会的替代能源过渡。预测到21世纪中叶，太阳能光伏发电 将达到占世界总发电量的10％～20％，成为人类的基础能源之一。

相比传统发电方式，光伏发电具有波动性和间断性等特点。当光 伏发电在电网中所占比例很小时，这些特点不会对电网带来明显的不 良影响。但是随着并网光伏发电的发展，光伏发电装机容量不断扩大， 其在电网中所占的比例也逐年增加，当超过一定规模时，接入电网的 光伏电站就会对电力系统的安全、稳定运行以及电能质量带来严重的 影响。对光伏发电站的功率进行预测，可以使电力调度部门根据预测 得到的光伏发电功率提前、及时地调整调度计划，解决光伏发电与负 荷预测、电网调度等配合时产生的问题，进一步保证电网的电能质量； 同时可以减少系统的备用容量、降低电力系统运行成本，提高电网运 行的经济性，进一步促进并网光伏发电向更大规模发展等。因此对光 伏发电功率预测是提高电网中光伏发电装机比例、同时减轻其对电网 带来的不利影响的一种有效途径。

目前，针对光伏发电功率预测的方法大体上可以分为两类：直接 预测和间接预测。直接预测是指通过对输出功率、天气等的历史数据 进行统计分析，直接建立发电功率预测模型，不需要对气象、温度等 外部环境进行预测。而间接预测是指对天气情况或日照强度进行预测， 建立天气变化与日照强度模型，通过这些参数与光伏发电量的关系， 计算得出最后的预测值。

光伏电池接受光照强度是对光伏出力影响最大的因素，也是在 进行光伏出力预测研究时需要着重考虑的因素。太阳光线在到达地面 之前要穿过地球大气，因此大气的透明度决定了天文辐射到达地面的 多少。由于大气的存在和影响，到达地球表面的太阳辐射能可分成直 接辐射和散射辐射两个部分，这两个部分的总和叫太阳辐射能，在进 行太阳辐射强度预测时要分别对直接辐射强度和散射辐射强度进行 预测。

大气的存在是使太阳辐射衰减的主要原因，大气中的云层对到达 地面的太阳辐射影响尤为明显。因此根据云量，将太阳强度辐射模型 分为无云天气辐射计算模型和有云天气下辐射计算模型。无云天气下， 直接和散射辐射的光照强度计算已有比较成熟的模型，如直接辐射的 REST(Reference Evaluation of Solar Transmittance)模型和散射辐射 的REST修正模型，只需已知日期、时间、地理位置、气溶胶等条件 即可求出。有云天气下，云层对太阳辐射的影响可以用云遮系数来表 示，云遮系数描述了云层对太阳辐射衰减作用的大小，用云遮系数对 同时刻的理论无云天气光照强度进行修正，即可得到有云天气下的光 照强度。因此，在预测光照强度时，主要是云遮系数的预测。对应于 太阳辐射的直接辐射和散射辐射，云遮系数也分为直接辐射云遮系数 和散射云遮系数。通过对历史数据的研究发现，直接云遮系数的取值 区间为[0,1],散射云遮系数的为[x,1](x取值范围为-10～-5，为便于说 明问题，在说明书的发明内容及具体实施方式部分，均取-8)。由云 遮系数的概念可知，其主要与云量和云层相关。当前的数值天气预报 技术可以提供云量预报信息，如果能够找到预测云量和云遮系数之间 的映射关系，即可根据预测云量计算出相应地云遮系数。但是一般只 能预测出未来云量的成数，在天气预报中，因为精度问题，一般用云 量表示天空云层覆盖的成数，取值为0，1，2，…，10；而在云层观 测时，一般采用云层覆盖率代表天空中云层覆盖面积占天空总面积的 百分比，取值为0，1，2，…，100。而且，确定云量下的太阳辐射 强度也不是一个定值，云层的分布、种类和厚度等因素也会对其产生 很大的影响，这些因素也具有很大的不确定性。因此，太阳辐射是一 个具有多重不确定性的因素。准确的处理这些多重不确定性，对太阳 辐射强度的预测进而对光伏发电系统的出力预测至关重要。通过对历 史云量预测数据和云层覆盖率数据进行分析，发现在某个预测云量下， 云层覆盖率满足一定的随机分布，定义ω_i(z)为云量为i时云层覆盖率 为z出现的概率，ω_i(z)的取值范围为[0,1]，而在某个云层覆盖率下， 云遮系数也满足一定的随机分布，因此若将预测云量作为输入的话， 云遮系数是一个关于预测云量的双重随机变量，目前在数学上已经建 立起了完整的双重随机理论，为处理双重随机变量提供了理论依据。

发明内容

本发明的目的在于，提出一种基于双重随机理论的太阳辐射强度 预测方法，用以解决目前电力系统太阳辐射强度预测领域研究中存在 的问题。

为实现上述目的，本发明提出的技术方案是，一种基于双重随机 理论的太阳辐射强度预测方法，其特征是所述方法包括下列步骤：

步骤1：依据历史气象数据、直接辐射的REST模型和散射辐射 的REST修正模型，计算历史数据中各个时刻的直射云遮系数和散射 云遮系数；

步骤2：依据历史云层覆盖率数据，利用概率分布统计方法计算 各个云层覆盖率下的直射和散射云遮系数的随机分布；

步骤3：依据历史云量预测数据，利用概率分布统计方法计算各 个预测云量数据下云层覆盖率的随机分布；

步骤4：依据数值天气预报得到预测日的预测云量，基于双重模 拟技术计算各个预测云量对应的云遮系数期望值，以及满足不同置信 水平的云遮系数区间；

步骤5：依据数值天气预报数据，计算预测日无云天气下的各时 刻太阳辐射强度；

步骤6：依据步骤4和步骤5的结果，计算预测日各时刻有云天 气下的太阳辐射强度期望值以及满足不同置信水平的太阳辐射强度 区间。

所述历史数据中各个时刻的直射云遮系数和散射云遮系数的计 算方法，具体包括：

步骤11：依据历史气象数据、直接辐射的REST模型和散射辐射 的REST修正模型计算历史时刻无云天气下的直射太阳辐射强度I_d0和散射太阳辐射强度I_c0；

步骤12：分别根据公式I_d＝I_d0*(1-ξ_d)，I_c＝I_c0*(1-ξ_c)计算历史数 据中各个时刻的直射云遮系数和散射云遮系数，其中I_d和I_c分别表示 有云天气的直射和散射光照强度，I_d0和I_c0分别表示无云天气的直射 或散射光照强度，ξ_d和ξ_c分别为直射和散射云遮系数。

所述利用概率分布统计方法计算各个云层覆盖率下的直射和散 射云遮系数的随机分布的过程，具体包括：

直射云遮系数：

步骤d21：统计历史数据中云层覆盖率为z的数据个数，记为 M_z；

步骤d22：将[0,1]区间等分为20个小区间，分别统计原始数据 中云层覆盖率为z的数据对应的直射云遮系数落入每个小区间的数 目，记为m_d1～m_d20；

步骤d23：以每个小区间的中心值代表这些小区间，则每个中心 值对应的概率为：r＝1,2…,20，其中r表示小区间对 应的编号；

散射云遮系数：

步骤c21：统计历史数据中云层覆盖率为z的数据个数，记为 M_z；

步骤c22：将[-8,1]区间等分为90个小区间，分别统计原始数据 中云层覆盖率为z的数据对应的散射云遮系数落入每个小区间的数 目，记为m_c1～m_c90；

步骤c23：以每个小区间的中心值代表这些小区间，则每个中心 值对应的概率为：q＝1,2…,90，其中q表示小区间对 应的编号。

所述利用概率分布统计方法计算各个预测云量数据下云层覆盖 率的随机分布过程，具体包括：

步骤31：统计历史数据中云量为i的数据个数，记为N_i；

步骤32：分别统计原始数据中云量为i的数据对应的每个云层覆 盖率(0,1,2…100)的数目，记为n₁～n₁₀₁；

步骤33：云量为i时每个云层覆盖率对应的概率为：其中z表示云层覆盖率的编号。

所述结合数值天气预报，利用双重随机模拟技术预测云遮系数期 望值及云遮系数区间，具体包括：

步骤41：通过步骤2得到云遮系数关于云层覆盖率的随机分布， 通过步骤3得到云层覆盖率关于云量的随机分布；

步骤42：依据预测的云量值，利用双重随机模拟技术预测云遮系 数期望值及其区间。

本发明实现了一种基于双重随机理论的太阳辐射强度预测方法， 其有益效果如下：

本发明的方法为描述由于云层变化导致的太阳辐射强度不确定 性，进而进行考虑不确定性的太阳辐射强度预测提供了一个途径。同 时本方法的预测结果包括太阳辐射强度的期望值及预测区间，期望值 可作为传统方法的预测值使用，而预测区间可为修正预测曲线提供参 考，因此本发明的方法丰富了预测信息，为太阳辐射强度预测进而为 光伏发电功率预测提出了一种新的思路。

附图说明

图1是一种基于双重随机理论的太阳辐射强度预测方法流程图。

图2是历史数据中各个时刻的直射云遮系数。

图3是历史数据中各个时刻的散射云遮系数。

图4是云层覆盖率为20时的直射云遮系数概率分布。

图5是云层覆盖率为20时的散射云遮系数概率分布。

图6是云量为2时云层覆盖率的概率分布。

图7是直接辐射强度预测结果。

图8是散射辐射强度预测结果。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述 说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

本发明解决问题的思路是一种基于双重随机理论的太阳辐射强 度预测方法：首先根据模型计算历史数据中各个时刻的直射和散射云 遮系数；其次，计算各个云层覆盖率下的直射和散射云遮系数的随机 分布以及各个预测云量数据下云层覆盖率的随机分布；再次，基于双 重模拟技术计算各个预测云量对应的云遮系数期望值，以及满足不同 置信水平的云遮系数区间；最后，计算预测日各时刻有云天气下的太 阳辐射强度期望值以及满足不同置信水平的太阳辐射强度区间。

图1是本发明的一种基于双重随机理论的太阳辐射强度预测方法 流程图。本发明的具体步骤包括：

步骤1：依据历史气象数据、直接辐射的REST模型和散射辐射 的REST修正模型，计算历史数据中各个时刻的直射云遮系数和散射 云遮系数。

依据历史气象数据，分别利用无云天气直接辐射的REST模型和 散射辐射的REST修正模型计算得出历史时刻无云天气下的太阳直 接辐射强度和散射辐射强度，然后根据该历史时刻实际的太阳直接辐 射强度和散射辐射强度，分别利用下面公式可以计算得出该历史时刻 对应的直射云遮系数和散射云遮系数。

I_d＝I_d0*(1-ξ_d)

I_c＝I_c0*(1-ξ_c)

其中I_d和I_c分别表示有云天气的直射和散射光照强度，I_d0和I_c0分别表示无云天气的直射和散射光照强度，ξ_d和ξ_c分别为直射和散射 云遮系数。

步骤2：依据历史云层覆盖率数据，利用概率分布统计方法计算 各个云层覆盖率下的直射和散射云遮系数的随机分布。过程如下：

直射云遮系数：

步骤d21：统计历史数据中云层覆盖率为z的数据个数，记为M_z；

步骤d22：将[0,1]区间等分为20个小区间，分别统计原始数据中 云层覆盖率为z的数据对应的直射云遮系数落入每个小区间的数目， 记为m_d1～m_d20；

步骤d23：以每个小区间的中心值代表这些小区间，则每个中心 值对应的概率为：其中r表示小区间对应的编号。

散射云遮系数：

步骤c21：统计历史数据中云层覆盖率为z的数据个数，记为M_z；

步骤c22：将[-8,1]区间等分为90个小区间，分别统计原始数据中 云层覆盖率为z的数据对应的散射云遮系数落入每个小区间的数目， 记为m_c1～m_c90；

步骤c23：以每个小区间的中心值代表这些小区间，则每个中心 值对应的概率为：其中r表示小区间对应的编号。

步骤3：依据历史云量预测数据，利用概率分布统计方法计算各 个预测云量数据下云层覆盖率的随机分布。过程如下：

(1)统计历史数据中云量为i的数据个数，记为N_i；

(2)分别统计原始数据中云量为i的数据对应的每个云层覆盖率 (0,1,2…100)的数目，记为n₁～n₁₀₁；

(3)云量为i时每个云层覆盖率对应的概率为：其中 z表示云层覆盖率的编号。

因此每个云量i均对应了一个概率空间(Z，A，ω_i)，其中Z表 示云层覆盖率集合，A表示Z的一些子集构成的σ代数，ω_i表示云量 为i时云层覆盖率的概率测度。

步骤4：计算各个预测云量对应的云遮系数期望值，以及满足不 同置信水平的云遮系数区间。

从步骤2和步骤3可知，每个云量i均对应了一个概率空间(Z， A，ω_i)。每个云层覆盖率z都对应一个概率分布为g_dz的取随机变量 值的直射云遮系数ξ_dz，这些直射云遮系数构成了一个随机变量集合 {ξ_d1，ξ_d2，…，ξ_d100}，因此云量i对应的直射云遮系数ξ_d(i)可看作一 个概率空间(Z,A,ω_i)到随机变量集合{ξ_d1，ξ_d2，…，ξ_d100}的函数， 即为一个双重随机变量。其表达式为：

${\xi }_d\left(i\right)=\left(\begin{array}{cc}{\xi }_{d1}& z=1\\ {\xi }_{d2}& z=2\\ .& \\ .& \\ .& \\ {\xi }_{d100}& z=100\end{array}\right)$

同理，云量i对应的散射云遮系数ξ_c(i)也是一个双重随机变量，其 表达式为：

${\xi }_c\left(i\right)=\left(\begin{array}{cc}{\xi }_{c1}& z=1\\ {\xi }_{c2}& z=2\\ .& \\ .& \\ .& \\ {\xi }_{c100}& z=100\end{array}\right)$

对于实际的双重随机系统，无法用解析算法去求解，可以用双重 随机模拟技术去进行求解，包括双重随机变量期望值模拟算法和双重 随机变量关键值模拟算法。双重随机变量期望值算法通过随机模拟与 随机模拟的嵌套可以计算双重随机变量的期望值；同时对于给定的置 信水平α和β，可以利用双重随机变量关键值模拟算法计算双重随机 变量的区间。因此当云遮系数作为双重随机变量的表达式确定后，以 预测云量作为输入，通过双重随机变量期望值算法和关键值算法，可 以计算得到预测日各时刻的云遮系数期望值及满足不同置信水平的 云遮系数区间。

步骤5：计算预测日无云天气下的各时刻太阳辐射强度。

依据数值天气预报技术及地区历史数据计算预测日无云天气下 的各时刻太阳直射和散射辐射强度。

步骤6：计算预测日各时刻有云天气下的太阳辐射强度期望值以 及满足不同置信水平的太阳辐射强度区间。

依据计算得到的预测日各时刻的云遮系数，利用公式 I_d＝I_d0*(1-ξ_d)和I_c＝I_c0*(1-ξ_c)对无云天气下的各时刻太阳直射和散射 辐射强度进行修正，即可得到预测日各时刻有云天气下的太阳直射和 散射辐射强度期望值以及满足不同置信水平的辐射强度区间。

实施例1

下面以某实际光伏电站为例，结合附图，利用本发明的方法进行 太阳辐射强度预测。

一种基于双重随机理论的太阳辐射强度预测方法，具体包括下列 步骤：

步骤1：依据历史气象数据、直接辐射的REST模型和散射辐射 的REST修正模型，计算历史数据中各个时刻的直射云遮系数和散射 云遮系数。

本发明历史气象数据时间为2004年至2011年的每年10月份,每 天从8:00-16:00采点438～481个。天气预报数据为每天16:00前采集 第二天的云量预报数据，预测数据时间间隔为一小时。

根据历史气象数据计算可以得出历史直射和散射云遮系数。

图2是历史数据中各个时刻的直射云遮系数。

图3是历史数据中各个时刻的散射云遮系数。

步骤2：依据历史云层覆盖率数据，利用概率分布统计方法计算 各个云层覆盖率下的直射和散射云遮系数的随机分布。

实际中，对于每一个云层覆盖率，都有对应的直射和散射云遮系 数的随机分布图，它的数据量比较大，无法一一展现。这里，本发明 只展现云层覆盖率为20时的直射和散射云遮系数概率分布。

图4是云层覆盖率为20时的直射云遮系数概率分布。

图5是云层覆盖率为20时的散射云遮系数概率分布。

步骤3：依据历史云量预测数据，利用概率分布统计方法计算各 个预测云量数据下云层覆盖率的随机分布。

同步骤2类似，对于每个预测云量，都有对应的云层覆盖率的随 机分布图。这里，本发明只展现云量为2时的云层覆盖率概率分布图。

图6为云量为2时的云层覆盖率概率分布。

步骤4：依据数值天气预报得到预测日的预测云量，基于双重模 拟技术计算各个预测云量对应的云遮系数期望值，以及满足不同置信 水平的云遮系数区间；

步骤5：依据数值天气预报数据，计算预测日无云天气下的各时 刻太阳辐射强度；

步骤6：依据步骤4和步骤5的结果，计算预测日各时刻有云天 气下的太阳辐射强度期望值以及满足不同置信水平的太阳辐射强度 区间。

根据双重随机模拟技术计算得到了某日太阳辐射强度期望值及 置信水平为α＝0.6和β＝0.8时的太阳辐射强度区间。

图7是太阳直接辐射强度预测结果。

图8是太阳散射辐射强度预测结果。

从图7和图8可以看出直射、散射预测期望值均和实际值比较接 近，变化趋势与实际值一致，并且大部分辐射实际值包含在预测区间 里，因此本发明的方法可以有效地预测太阳辐射强度。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范 围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技 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。因此，本发明的保护范围应该以权利要求的保护范围为准。