[發明專利]基于并網逆變器運行數據的光伏電站功率預測方法及系統

有效

• 申請號: 201910338873.6
• 申請日: 2019-04-25
• 公開（公告）號: CN109934423B
• 公開（公告）日: 2020-04-21
• 發明（設計）人: 高峰;孟祥劍;許濤;張承慧
• 申請（專利權）人: 山東大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李圣梅

1.基于并網逆變器運行數據的光伏電站功率預測方法，其特征是，包括：

根據光伏電站內光伏組件的參數，構建光伏組件模型，基于光伏組件模型的串并聯組合，構成光伏陣列模型，基于光伏電站內部光伏陣列的排列結構建立光伏電站模型；

基于光伏電站模型構建基于人工神經網絡算法的光伏陣列功率預測模型；

采集光伏陣列在不同厚度、不同遮擋大小的靜態陰影遮擋下光伏陣列的輸出數據，其中輸出數據為輸出功率，通過設置幾組已知厚度的遮擋物，對每種厚度的遮擋物進行多種遮擋情況的模擬并對光伏陣列在不同遮擋情況下的輸出電壓、電流及功率進行采集與存儲，構建訓練集，對光伏陣列功率預測模型進行訓練，并得到訓練好的光伏陣列功率預測模型；

對光伏陣列在晴空工況下逆變器的實時運行數據的輸出功率進行采集、分類及歸一化，利用訓練好的光伏陣列功率預測模型對整個光伏電站輸出功率進行預測，功率預測包括對光伏電站在晴空工況下輸出功率的滾動預測及光伏電站在動態云團遮擋下的分鐘級功率預測。

2.如權利要求1所述的基于并網逆變器運行數據的光伏電站功率預測方法，其特征是，將實際光伏組件與可調負載連接，通過將光伏組件電壓在零到開路電壓的范圍內進行固定步長的調節，采集不同電壓值下光伏組件的輸出電流值，能夠獲得光伏組件的伏安特性曲線；改變實際光伏組件所受到的輻照度，能夠獲取光伏組件在不同輻照度下的伏安特性曲線；

將上述兩種實際獲得的伏安特性曲線與基于光伏組件模型獲取的伏安特性曲線進行比較，對光伏組件模型的相關參數進行修正。

3.如權利要求1所述的基于并網逆變器運行數據的光伏電站功率預測方法，其特征是，光伏組件模型為光伏組件5參數模型，對實際工況下5個參數，即二極管理想因子A、串聯電阻R_S、并聯電阻R_sh、飽和電流I_s和光生電流I_ph進行計算，最終得到不同工況下的伏安特性曲線，當二極管理想因子給定時，其余四個參數通過公式計算獲得，將實際獲得的伏安特性曲線與基于光伏組件模型獲取的伏安特性曲線進行比較，對光伏組件模型的相關參數進行修正，以提高模型仿真精度。

4.如權利要求3所述的基于并網逆變器運行數據的光伏電站功率預測方法，其特征是，當實際工況下的5個參數通過計算得到后，基于牛頓迭代法獲得不同工況下光伏組件的伏安特性曲線；

以光伏組件為最小單元，基于光伏組件的串并聯特征進行數據處理，最終得到整個光伏陣列的伏安特性曲線。

5.如權利要求1所述的基于并網逆變器運行數據的光伏電站功率預測方法，其特征是，模擬并采集不同工況下光伏陣列的輸出情況，將光伏陣列輸出數據依據晴空工況下輻照度進行分類,將每一組數據分別構成訓練集對人工神經網絡進行訓練；

在使用采集到的原始光伏陣列輸出數據訓練人工神經網絡之前，需要將其進行歸一化處理，將原始數據進行線性變換，使結果映射到0到1之間。

6.如權利要求1所述的基于并網逆變器運行數據的光伏電站功率預測方法，其特征是，功率預測模型構建和訓練方式可以分為兩個步驟:

對特定厚度、任意大小和形狀的云團對光伏陣列輸出功率的影響進行預測；

對任意厚度、大小和形狀的云團對光伏陣列輸出功率的影響進行預測。

7.如權利要求1所述的基于并網逆變器運行數據的光伏電站功率預測方法，其特征是，以單個光伏陣列模型為最小的單元，結合光伏電站內部光伏陣列的空間特性，構建光伏電站模型；

光伏電站內的光伏陣列布局的空間特性通過不同光伏陣列受到同一個動態云團遮擋時間的不同和遮擋大小的不同來模擬；

同時對光伏電站模型內部各光伏陣列進行位置編號，提供云團的位置信息。