[發明專利]一種基于天文和氣象環境因子的逐時散射比預測方法

有效

• 申請號: 201711164686.8
• 申請日: 2017-11-21
• 公開（公告）號: CN107991721B
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 李芬;劉迪;李春陽;楊勇;趙晉斌
• 申請（專利權）人: 上海電力學院
• 主分類號: G01W1/10
• 分類號: G01W1/10
• 代理公司: 上?？剖⒅R產權代理有限公司 31225
• 代理人: 宣慧蘭

本發明涉及一種基于天文和氣象環境因子的逐時散射比預測方法，該方法包括如下步驟：(1)獲取輻射數據、天文數據和氣象環境數據；(2)對天氣類型進行劃分，天氣類型包括晴、晴漸云、晴漸陰、多云漸陰和雨雪霾；(3)根據天氣類型選擇預先設定的模型進行預測得到逐時散射比，具體地：當天氣類型為晴、晴漸云和晴漸陰時，采用PCA?LMBP神經網絡模型進行預測，當天氣類型為多云漸陰時，采用LMBP神經網絡模型進行預測，當天氣類型為雨雪霾時，采用線性回歸模型進行預測，其中，PCA?LMBP神經網絡模型、LMBP神經網絡模型以及線性回歸模型均為基于天文因子、氣象因子及天氣類型篩選后的預測模型。與現有技術相比，本發明預測結果更加準確可靠。

技術領域

本發明涉及一種逐時散射比預測方法，尤其是涉及一種基于天文和氣象環境 因子的逐時散射比預測方法。

背景技術

近日，國家能源局發布“2017年上半年光伏發電建設運行信息簡況”。根據統 計，截止2017年上半年，我國并網光伏總量達到101.82GW，其中：光伏電站 84.39GW、占比83％，分布式光伏17.43GW、占比17％。截止6月份，已經超過 10個省份光伏裝機超過6GW。從新增裝機分布來看，由西北地區向中東部地區轉 移的趨勢更加明顯。華東地區新增裝機為8.25GW，同比增加1.5倍，占全國的34％， 其中浙江、江蘇和安徽三省新增裝機均超過2GW。華中地區新增裝機4.23GW， 同比增加37％，占全國的17.3％。西北地區新增裝機為4.16GW。這與中國光伏發 電設備的價格、技術水平和國家政策有較大關系，同時也客觀反映了中國光伏發電 市場較大的需求空間。

地表水平面上所接收的太陽總輻射量由太陽直接輻射量和散射輻射量兩部分 組成，即兩地的太陽總輻射量相同，其直接輻射量與散射輻射量所占比例通常并不 一樣，散射比為水平面散射輻射量與太陽總輻射量的比值。隨著社會的發展，能源、 環境與氣候變化等方面的問題日益突出，并網光伏滲透率的不斷提高，準確預報太 陽能資源的變化成為保障居民用電安全和電網平穩運行的必然要求。而對于目前常 見的小時尺度直散分離模型來講，僅僅考慮單一自變量來提高散射比的預測精度難 度較大。如要改進模型的預測精度，需要考慮其他影響因子。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于天文和 氣象環境因子的逐時散射比預測方法。

本發明的目的可以通過以下技術方案來實現：

一種基于天文和氣象環境因子的逐時散射比預測方法，該方法包括如下步驟：

(1)獲取輻射數據、天文數據和氣象環境數據；

(2)根據輻射數據和氣象環境數據對天氣類型進行劃分，所述的天氣類型包 括晴、晴漸云、晴漸陰、多云漸陰和雨雪霾；

(3)根據天氣類型選擇預先設定的模型進行預測得到逐時散射比，具體地： 當天氣類型為晴、晴漸云和晴漸陰時，采用PCA-LMBP神經網絡模型進行預測， 當天氣類型為多云漸陰時，采用LMBP神經網絡模型進行預測，當天氣類型為雨 雪霾時，采用線性回歸模型進行預測，其中，PCA-LMBP神經網絡模型、LMBP 神經網絡模型以及線性回歸模型均為基于天文因子、氣象因子及天氣類型篩選后的 預測模型。

所述的輻射數據包括水平面上小時太陽總輻射量以及大氣層外水平面上小時 太陽輻射量；

所述的天文數據包括太陽高度角；

所述的氣象環境數據包括能見度、總云量和PM2.5。

步驟(2)具體為：

(21)根據輻射數據得到小時清晰度指數k_T：

其中，I為水平面上小時太陽總輻射量，I₀為大氣層外水平面上小時太陽輻射 量；