[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

本公開提出了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，根據光伏電站內光伏組件的參數，構建光伏組件模型；構建基于人工神經網絡算法的功率預測模型；采集光伏陣列在不同厚度、不同遮擋小大的靜態陰影遮擋下光伏陣列的輸出數據，構建訓練集，對功率預測模型進行訓練，并得到訓練好的功率預測模型；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。本公開降低了設備成本且克服了不同厚度云團影響光伏陣列功率預測精度的缺陷。

技術領域

本公開涉及功率預測技術領域，特別是涉及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。

背景技術

太陽能作為一種取之不盡用之不竭的可再生能源，是非常理想的傳統能源替代品。光伏陣列的輸出功率高度依賴于氣象參數，包括輻照度、環境溫度、相對濕度、運量、風速等。當氣象參數發生較大變化時，光伏陣列輸出功率會產生較為劇烈的波動。當大容量的光伏電站受到云團遮擋或其他擾動因素的干擾時，其功率波動會對電網運行穩定性帶來嚴峻的挑戰。因此，有必要研究光伏電站的功率預測技術。現有專利和文獻中提到的光伏發電功率預測模型可分為兩大類，包括統計預測模型和物理預測模型。統計預測模型是采用深度學習的方法構建預測模型，通過大量數據的訓練建立起歷史氣象數據與歷史發電功率之間的非線性映射關系，隨后將未來的數值天氣預報參數輸入到訓練好的預測模型中，得到光伏電站的功率預測結果。物理預測模型是結合數值天氣預報獲取的未來時刻氣象參數、及光伏陣列傾角以及光伏電站地理位置等信息，基于構建的光伏電池板和逆變器模型對陣列的輸出功率進行預測，進而擴展到整個光伏電站的輸出功率預測。

太陽輻射度是影響光伏發電功率的最重要因素，高時間分辨率的功率預測需要考慮云團運動對光伏電站出力的影響。

發明人在研究中發現，目前對于云團的預測是通過專用設備進行圖像采集，利用圖像分析技術預測云團未來時刻對光伏電站的遮擋情況。然而此方法具有一定的局限性，作為常用的氣象衛星云圖，其空間分辨率較低，每一個像素點對應的面積較大，無法對小范圍地區的云層運動情況做出準確預測。若采用地基云圖，使用地面設備對云層進行連續拍攝分析，只能獲取較小范圍內的云團信息，當云團移動速度較快時，預測時間尺度將大大縮減，并且云層厚度信息較難獲取，難以準確判斷輻照度的變化量，會增加預測誤差，且當光伏電站規模較大時，需要的天空成像儀數量較多，大大地增加了成本。

綜上所述，無法對云團或其他擾動因素導致的光伏陣列輸出功率波動進行高精度的預測成為制約高時間分辨率光伏電站功率預測精度的瓶頸。

發明內容

本說明書實施方式的目的是提供基于并網逆變器運行數據的光伏電站功率預測方法，本方法具有較高的普適性，能夠在多種天氣情況下，例如晴天、雨雪天和陰天，做出高精度的功率預測，無需對所獲取數據進行不同天氣狀況下的分類。

本說明書實施方式提供基于并網逆變器運行數據的光伏電站功率預測方法，通過以下技術方案實現：

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、不同遮擋小大的靜態陰影遮擋下光伏陣列的輸出數據，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；

對光伏陣列在晴空及遮擋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。