[發明專利]一種高精度光伏發電功率預測分析方法及系統

在審

• 申請號: 202211424226.5
• 申請日: 2022-11-15
• 公開（公告）號: CN115759391A
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 彭琰;陳文進;馬駿超;熊鴻韜;王晨旭;吳汕;萬燦;陳菁偉;張若伊;宋文娟;周子青
• 申請（專利權）人: 國網浙江省電力有限公司電力科學研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;H02J3/00
• 代理公司: 浙江翔隆專利事務所(普通合伙) 33206
• 代理人: 張建青

1.一種高精度光伏發電功率預測分析方法，其特征在于，包括：

采用數據監測裝置對光伏發電站進行監測，獲取監測數據集，其中，所述監測數據集包括外環境監測數據集和內環境監測數據集；

根據所述外環境監測數據集，獲取功率外影響因子；

根據所述內環境監測數據集，獲取功率內影響因子；

以因子-功率影響相關度分別對所述功率外影響因子和所述功率內影響因子進行信息熵配置，獲取信息熵配置結果；

按照所述信息熵配置結果，搭建雙維功率預測模型；

獲取實時監測數據集和預測周期時長；

將所述實時監測數據集和所述預測周期時長輸入所述雙維功率預測模型中，獲取功率預測結果；

根據所述功率預測結果對所述雙維功率預測模型進行反饋優化。

2.如權利要求1所述的方法，其特征在于，所述根據所述功率預測結果對所述雙維功率預測模型進行反饋優化，具體包括：

基于所述預測周期時長，生成功率記錄節點；

當所述光伏發電站運行至所述功率記錄節點，獲取功率運行結果，其中，所述功率運行結果為所述光伏發電站在滿足預測周期時長的實時運行結果；

對所述功率運行結果和所述功率預測結果進行比對，生成模型優化信息；

按照所述模型優化信息對所述雙維功率預測模型進行反饋優化。

3.如權利要求2所述的方法，其特征在于，所述對所述功率運行結果和所述功率預測結果進行比對，生成模型優化信息，具體包括：

根據所述功率運行結果和所述功率預測結果，獲取預測偏差度；

判斷所述預測偏差度是否處于預設偏差度中；

若所述預測偏差度不處于所述預測偏差度中，獲取優化指令，即模型優化信息；

根據所述優化指令，以所述預測偏差度和所述預測偏差度之間的差值作為反饋目標，輸入所述雙維功率預測模型中內嵌的反饋調節層。

4.如權利要求1所述的方法，其特征在于，還包括模型二次優化，具體包括：

根據數據采集裝置，獲取所述光伏發電站的組件信息；

根據所述光伏發電站的組件信息，確定光伏電池組的安裝參數；

基于所述光伏電池組的安裝參數進行發電功率損失分析，獲取第一損失數據；

根據所述第一損失數據，搭建對應的損失函數；

以所述損失函數對所述雙維功率預測模型進行二次優化。

5.如權利要求4所述的方法，其特征在于，所述基于所述光伏電池組的安裝參數進行發電功率損失分析，獲取第一損失數據，具體包括：

根據所述光伏電池組的安裝參數，獲取安裝傾斜角和光照投射面積；

以所述安裝傾斜角和所述光照投射面積進行發電功率損失分析，得到傾斜角損失數據和光照損失數據；

根據所述傾斜角損失數據和所述光照損失數據，生成所述第一損失數據。

6.如權利要求5所述的方法，其特征在于，生成所述第一損失數據之后，還包括：

獲取所述光伏電池組的表面結構信息；

按照所述表面結構信息，確定灰塵累積數據，包括累積周期、累計速率和累計量；

以所述灰塵累積數據與功率損失影響的相關度，生成調節變量；

按照所述調節變量對所述第一損失數據進行二次調節。

7.如權利要求4所述的方法，其特征在于，所述根據所述數據采集裝置，獲取所述光伏發電站的組件信息之后，還包括：

根據所述光伏發電站的組件信息，獲取各個組件的連接方式；

根據所述各個組件的連接方式，確定發電組合損失，其中，所述發電組合損失包括串聯組合損失和并聯組合損失；

根據所述串聯組合損失和并聯組合損失，生成第二損失數據；

以所述第二損失數據作為變量，搭建對應損失函數，用于對所述雙維功率預測模型進行二次優化。