一种光伏资源评估预测的辐照度空间分析场构建方法及系统与流程

摘要: 本发明涉及新能源气象与数据同化,具体为一种光伏资源评估预测的辐照度空间分析场构建方法及系统。背景技术:1、辐照度空间分析场为覆盖目标区域的格点化辐照度数据产品,...
一种光伏资源评估预测的辐照度空间分析场构建方法及系统与流程

本发明涉及新能源气象与数据同化,具体为一种光伏资源评估预测的辐照度空间分析场构建方法及系统。

背景技术:

1、辐照度空间分析场为覆盖目标区域的格点化辐照度数据产品,是光伏电站选址评估、发电量预测以及电网调度决策的重要基础数据。当前生成该类数据产品的主流手段为确定性空间插值,该方法以地面气象站点实测数据作为唯一输入,采用反距离加权、克里金插值、样条函数插值等算法,把离散站点观测数据外推得到全域空间网格数据。

2、随着静止气象卫星技术不断发展,现有技术开始引入卫星反演辐照度产品作为辅助数据源,弥补地面气象站点分布稀疏的短板。该类方案大多采用加权平均、回归融合的方式,按照固定权重对卫星数据与站点观测数据做线性组合。在太阳能数值预报方向,也有将卫星云、气溶胶信息同化至数值模式的相关研究。

3、但现有技术方案仍存在明显不足。首先,传统确定性插值与简单加权融合策略仅输出最优估计值,缺少可量化、具备物理意义的时空不确定性分布。其将卫星、站点数据统一当作带噪真值观测,缺少动态量化、传递各类观测误差的数学框架,无法输出不确定性量化结果,致使电力调度、光伏投资决策仅能使用单一确定数值,难以开展概率风险评估。

4、其次,现有融合手段一般依据距离或者经验为不同观测源设置固定权重,不能依据时空维度下数据实际可信程度动态调整权重,缺少对多源观测误差异质性的建模能力。尤其针对卫星间接反演数据,未建立跟随大气状态动态变化的误差模型,不能实现依据数据质量自适应调节贡献权重,对多源观测信息挖掘利用不够充分。

5、另外,光伏发电量风险评估、并网调度正由确定性预测向概率性预测转变,而现有辐照度分析场仅输出单点数值,不能提供辐照度处于特定区间的概率信息,难以评估云团快速移动造成辐照度骤降等极端工况下的运行风险。现有技术在数据融合环节就中断了不确定性信息流,缺少向最终产品传递不确定性的处理环节,后续发电量仿真、风险评估只能采用确定值输入,无法开展集合概率分析,难以满足概率化决策的实际使用需求。

技术实现思路

1、为了克服上述现有技术存在的缺陷,本发明的目的在于提供一种光伏资源评估预测的辐照度空间分析场构建方法及系统,以解决如何构建统一数学框架实现多精度多源辐照度数据的最优融合,并在融合过程中动态量化时空不确定性,以此支撑光伏发电概率性风险评估与决策的技术问题。

2、本发明是通过以下技术方案来实现:

3、本发明提供了一种光伏资源评估预测的辐照度空间分析场构建方法,包括:

4、采集目标区域的卫星反演辐照度格点数据与地面站点辐照度实测数据,对两类多源数据依次执行异常质控、有效性筛选及空间匹配重采样处理,得到时空对齐、质量合格的多源观测数据;

5、以多源观测数据为输入,区分地面站点高精度观测、卫星低精度反演观测的差异化误差特性,分别构建固定参数的地面站点观测误差模型和时变空变的卫星动态误差模型,统计观测偏差并结合云影响因子实时更新误差方差,构建得到全局观测误差协方差矩阵;

6、以卫星反演辐照度格点数据为背景场、地面站点辐照度实测数据为观测真值,以构建的全局观测误差协方差矩阵为约束,通过三维变分或集合卡尔曼滤波数据同化框架进行迭代最优求解,得到全域格点化辐照度最优分析场;

7、基于同化框架的迭代最优求解过程产生的误差统计特性,提取全域格点化辐照度最优分析场的时空误差方差分布,结合高斯分布概率模型完成不确定性量化,生成置信区间场、超阈值概率场两类概率性分析场,完成辐照度空间分析场的构建工作。

8、优选的,采集目标区域的卫星反演辐照度格点数据与地面站点辐照度实测数据,对两类多源数据依次执行异常质控、有效性筛选及空间匹配重采样处理,得到时空对齐、质量合格的多源观测数据的具体过程包括:

9、采集目标区域内静止气象卫星的可见光与红外通道数据,通过辐射传输反演算法得到卫星辐照度格点数据;

10、采集目标区域地面辐射观测站的站点实测辐照度数据;

11、对卫星数据剔除云遮挡、反演失败的无效格点,对站点数据执行极值校验、夜间归零时间一致性校验,剔除异常值;

12、通过双线性插值将卫星格点数据插值至各站点位置,实现卫星数据与站点实测数据的空间配准,得到时空对齐的标准化观测数据。

13、优选的,所述地面站点观测误差模型的构建过程如下:

14、基于获取的地面站点实测数据,根据仪器标定精度设定站点观测误差标准差以及误差方差为;

15、设定各地面站点观测误差相互独立,构建对角矩阵形式的站点观测误差协方差矩阵。

16、优选的,所述卫星动态误差模型的构建过程如下:

17、基于空间匹配后的多源观测数据,计算各站点位置卫星反演数据与站点实测数据的偏差,计算公式如下:

18、

d(ri

,t)=isat

(ri

,t)

ista

(ri

,t)

19、其中,

isat

(ri

,t)为各站点处的卫星等效辐照度;

ista

(ri

,t)为地表入射太阳辐照度格点数据;

20、基于卫星红外窗区亮温t11(r,t)、可见光通道反照率avis(r,t),通过经验函数构建可量化云量变化的云影响因子:

21、

c(r,t)=f(t11

,avis

)

22、其中,

f为经验函数,当云量越大时,

c值越高,

c∈[0,1];

23、基于过去30天历史滑动窗口的偏差样本,结合实时云影响因子分层统计,实时求解卫星观测误差方差,计算公式如下:

24、

σsat2

(r,t)=var[

d(r,τ)∣c(r,τ)≈c(r,t)]

25、其中,

d(r,τ)为历史时刻τ、位置r处的卫星-站点辐照度偏差;

26、将各格点实时卫星误差方差

σsat2

(r,t)构建对角矩阵

rsat,结合站点误差矩阵

rsta,整合得到分块对角形式的全局观测误差协方差矩阵r。

27、优选的,通过三维变分同化框架进行迭代最优求解,得到全域格点化辐照度最优分析场的具体过程如下:

28、以卫星数据为背景场xb、站点数据为观测向量y,以构建的全局观测误差协方差矩阵r为约束,构建融合代价函数如下:

29、j(x)=½(x-xb)tb-1(x-xb)+½(hx-y)tr-1(hx-y)

30、其中,x为待求解的分析场,xb为背景场,即卫星反演辐照度格点数据isat;b为背景误差协方差矩阵,表征卫星反演场的空间相关误差结构;h为观测算子,即从格点空间到站点位置的空间插值算子;y为观测向量,包含所有站点的实测值ista;r为观测误差协方差矩阵;

31、构建背景误差协方差矩阵:b=σb×c×σb;

32、其中,σb为卫星误差方差对角矩阵,c为空间相关矩阵,c的元素采用高斯相关函数计算,相关长度尺度l取值50km;

33、采用最速下降法或共轭梯度法迭代最小化代价函数j(x),求解得到最优辐照度分析场xa。

34、优选的,通过集合卡尔曼滤波数据同化框架进行迭代最优求解,得到全域格点化辐照度最优分析场的具体过程如下:

35、基于卫星背景场xb、构建的背景误差协方差矩阵b,向卫星背景场xb添加符合n(0,b)的高斯扰动,生成ne个集合背景场成员

xb(k),

k=1,2,...,ne;

36、基于集合估计的背景误差协方差矩阵pb与全局观测误差协方差矩阵r,计算卡尔曼增益矩阵,公式如下:

37、k=pbht(hpbht+r)-1

38、其中,pb为集合背景误差协方差矩阵,表征卫星背景场的空间误差离散特性;ht为观测算子的转置矩阵;h为空间插值观测算子,用于将格点场映射至站点观测位置;r为全局观测误差协方差矩阵;

39、结合站点观测数据,逐集合成员执行状态更新:xa(k)=xb(k)+k(y(k)-hxb(k));

40、取集合平均得到最优分析场xa,通过集合成员离散度得到分析误差统计特性。

41、优选的,所述三维变分同化方案通过多源观测数据、全局观测误差协方差矩阵实现高效求解,用于计算资源受限的业务化辐照度场生产场景;

42、所述集合卡尔曼滤波数据同化方案依托动态误差特性实现高精度融合,用于对不确定性量化精度要求高的光伏风险评估科研场景。

43、优选的,基于同化框架的迭代最优求解过程产生的误差统计特性,提取全域格点化辐照度最优分析场的时空误差方差分布的具体过程包括:

44、采用三维变分同化方案时,通过hessian矩阵逆矩阵近似求解分析误差协方差矩阵公式如下:

45、pa≈ (b-1+ htr-1h)-1

46、其中,b为背景误差协方差矩阵,表征卫星反演背景场的空间误差特性;提取最优估计误差协方差矩阵pa对角线元素得到各格点分析误差方差

σa2

(r);

47、采用集合卡尔曼滤波数据同化方案时,直接通过集合成员离散度计算得到各格点分析误差方差,公式如下:

48、

σa2

(r)=var[

xa(k)

(r)]

49、其中,

xa(k)

(r)为集合卡尔曼滤波数据同化框架下第k个集合成员在空间位置r处的同化后辐照度分析场。

50、优选的,结合高斯分布概率模型完成不确定性量化,生成置信区间场、超阈值概率场两类概率性分析场具体包括:

51、置信区间场计算:给定置信水平α,基于标准正态分布分位数,得到格点置信区间,公式如下:

52、

ci1-α

(r)=[xa

(r)-z1-α/2

·σa

(r), xa

(r)+z1-α/2

·σa

(r)]

53、其中,

xa

(r)为同化后空间位置r处的最优辐照度分析场估计值;

z1-α/2为标准正态分布对应的双侧分位数;

54、超阈值概率场计算:设定辐照度阈值

ithr,基于标准正态分布累积分布函数φ,计算格点辐照度超阈值概率,完成概率性产品输出。

55、第二方面,本发明还提供了一种光伏资源评估预测的辐照度空间分析场构建系统,包括:

56、数据预处理模块,用于采集目标区域的卫星反演辐照度格点数据与地面站点辐照度实测数据,对两类多源数据依次执行异常质控、有效性筛选及空间匹配重采样处理,得到时空对齐、质量合格的多源观测数据;

57、误差建模模块,用于以多源观测数据为输入,区分地面站点高精度观测、卫星低精度反演观测的差异化误差特性,分别构建固定参数的地面站点观测误差模型和时变空变的卫星动态误差模型,统计观测偏差并结合云影响因子实时更新误差方差,构建得到全局观测误差协方差矩阵;

58、数据同化模块,用于以卫星反演辐照度格点数据为背景场、地面站点辐照度实测数据为观测真值,以构建的全局观测误差协方差矩阵为约束,通过三维变分或集合卡尔曼滤波数据同化框架进行迭代最优求解,得到全域格点化辐照度最优分析场;

59、概率输出模块,用于基于同化框架的迭代最优求解过程产生的误差统计特性,提取全域格点化辐照度最优分析场的时空误差方差分布,结合高斯分布概率模型完成不确定性量化,生成置信区间场、超阈值概率场两类概率性分析场,完成辐照度空间分析场的构建工作。

60、与现有技术相比,本发明具有以下有益的技术效果:

61、本发明提供了一种光伏资源评估预测的辐照度空间分析场构建方法,通过构建动态观测误差协方差矩阵,使得数据融合权重能够跟随云量、气溶胶等实际大气状态实时调整,摆脱传统固定权重方式带来的经验性与盲目性,在最优线性无偏估计准则下保障多源观测数据融合结果的最优性,同时该方案在辐照度分析场构建过程中同步实现不确定性量化,依托数据同化框架输出的分析误差协方差矩阵或者集合离散度,得到具备物理意义、统计自洽的时空不确定性分布,改变传统技术仅输出单一确定数值的局限,方案生成的置信区间场与超阈值概率场能够直接供给下游光伏发电量概率预测模型使用,为电网调度、光伏投资决策提供完备的不确定性信息,有效提升实际决策过程的科学性与鲁棒性,另外本方法兼容三维变分与集合卡尔曼滤波两种同化实现路径,三维变分计算效率高,可满足业务化高频产品生产需求,集合卡尔曼滤波能够适配非线性观测算子,适用于科研与复杂应用场景,两种实现方式互为补充,整体算法框架具备较好的可扩展性。