一种基于分区建模的山地光伏电站超短期功率预测方法及系统与流程
本发明属于光伏发电功率预测,尤其涉及一种基于分区建模的山地光伏电站超短期功率预测方法及系统。
背景技术:
1、随着光伏发电装机规模不断扩大,光伏电站发电功率的波动性和不确定性对电力系统的调度运行及功率平衡提出了更高要求。超短期功率预测通常用于预测光伏电站未来较短时间尺度内的发电功率,其预测结果可为电网调度及光伏电站运行管理提供数据基础。对于山地光伏电站,由于场站占地范围较大,场站内部不同区域之间通常存在较为明显的高程、坡度、阵列朝向以及局地气象条件差异,各区域光伏阵列的发电特性可能存在较大区别。现有采用整场统一建模方式进行功率预测时,难以充分反映不同区域之间的空间异质性,容易影响复杂山地条件下的预测精度。
2、另一方面,光伏发电功率受云层快速移动及其引起的辐照度变化影响较大。现有数值天气预报虽然能够提供未来时段的辐照度、温度、湿度和风速等气象预测数据,但对于局部云团快速移动造成的短时间尺度辐照度变化,其空间和时间分辨能力仍存在一定局限。全天空成像数据具有较高的局地时空分辨率,而卫星云图具有较大的空间覆盖范围,单独依赖其中一种数据均难以兼顾云团局部运动状态与大范围空间分布,由此可能导致未来短时辐照度变化不能被准确反映于功率预测输入中。
3、此外,光伏电站在限电等运行状态下,实际发电功率不能直接反映场站在当前环境及设备条件下所具有的发电能力,因此,超短期功率预测还需要获得能够表征光伏阵列或场站当前发电能力的可用功率。现有技术通常根据少量样板阵列与整场功率之间建立统一映射关系,当山地光伏电站内部不同区域的气象条件、阵列朝向和限电状态存在差异时,该种整场统一映射方式难以准确反映各区域的实际发电能力,进而可能使可用功率误差传递至后续超短期功率预测过程。
4、因此,因此,如何在山地光伏电站存在显著空间异质性和局地气象快速变化的情况下,提高超短期功率预测对电站实际发电特性及其动态变化的表征能力,进而提高超短期功率预测的准确性,仍是亟需解决的技术问题。
技术实现思路
1、本发明的目的在于,提供一种基于分区建模的山地光伏电站超短期功率预测方法及系统,该方法能够解决现有山地光伏电站超短期功率预测过程中,由于场内不同区域的地形条件、阵列特性、局地云层变化及实时发电能力存在差异,整场统一预测方式难以准确表征不同区域的发电特性及其动态变化,导致超短期功率预测准确性不足的问题。
2、为达到上述目的,本发明采用下述技术方案实现:
3、第一方面,本发明提供一种基于分区建模的山地光伏电站超短期功率预测方法,包括:
4、获取山地光伏电站中各光伏阵列的阵列物理属性和历史功率数据;
5、根据所述阵列物理属性得到第一分区结果,并基于由所述历史功率数据提取的功率特征进行聚类,得到第二分区结果;对两种分区结果中所属分区不一致的光伏阵列进行分区归属校正,确定各光伏阵列所属的目标光伏分区;
6、获取覆盖所述山地光伏电站所在区域的多源云气象数据,根据所述多源云气象数据确定各目标光伏分区在未来时段的云层遮挡情况,并基于所述云层遮挡情况对各目标光伏分区的预测辐照度进行修正,得到各目标光伏分区对应的修正预测辐照度集合;
7、获取各目标光伏分区对应的实时气象监测数据,基于预先训练得到的多级关联模型,根据所述实时气象监测数据确定各目标光伏分区的实时可用功率;
8、将各目标光伏分区对应的修正预测辐照度集合、实时气象监测数据、历史短期预测功率和实时可用功率输入对应的超短期功率预测模型,得到各目标光伏分区的分区预测功率;
9、对各目标光伏分区的分区预测功率进行累加,并基于预先训练得到的整场功率修正模型对累加结果进行修正,得到整场预测功率;
10、基于各目标光伏分区的实时可用功率确定整场实时可用功率,并根据所述整场实时可用功率对所述整场预测功率进行边界约束,得到所述山地光伏电站的超短期功率预测结果。
11、可选的,所述阵列物理属性包括各光伏阵列对应的地形特征、阵列容量和阵列朝向,所述历史功率数据包括各光伏阵列在多个历史日期对应的功率时间序列;
12、所述根据所述阵列物理属性得到第一分区结果,并基于由所述历史功率数据提取的功率特征进行聚类,得到第二分区结果,包括:
13、根据所述地形特征、阵列容量和阵列朝向对各光伏阵列进行初始分区,得到所述第一分区结果;
14、根据各光伏阵列在各历史日期对应的功率时间序列提取日发电曲线特征和功率波动特征,形成对应的功率特征向量;
15、对所述功率特征向量进行标准化处理,并对标准化后的功率特征向量进行聚类,根据聚类结果确定所述第二分区结果;
16、其中,所述日发电曲线特征和功率波动特征包括功率最大值、功率最小值、功率均值、功率标准差和功率曲线斜率中的至少一种。
17、可选的,所述对两种分区结果中所属分区不一致的光伏阵列进行分区归属校正,确定各光伏阵列所属的目标光伏分区,包括:
18、对于在所述第一分区结果和所述第二分区结果中所属分区一致的光伏阵列,将对应分区确定为所述目标光伏分区;
19、对于在所述第一分区结果和所述第二分区结果中所属分区不一致的光伏阵列,分别确定该光伏阵列在所述第一分区结果和所述第二分区结果下对应的第一轮廓系数和第二轮廓系数;
20、在所述第一轮廓系数与所述第二轮廓系数之间的差值绝对值大于预设差值阈值的情况下,将轮廓系数较大的一种分区结果对应的分区确定为所述目标光伏分区;
21、在所述第一轮廓系数与所述第二轮廓系数之间的差值绝对值不大于所述预设差值阈值的情况下,分别确定该光伏阵列与其在所述第一分区结果中对应的第一候选分区之间的第一地形距离,以及与其在所述第二分区结果中对应的第二候选分区之间的第二地形距离,并根据所述第一地形距离、所述第二地形距离、所述第一轮廓系数和所述第二轮廓系数,确定该光伏阵列所属的目标光伏分区。
22、可选的,所述多源云气象数据包括卫星云图数据、全天空成像数据和数值天气预报数据;
23、根据所述多源云气象数据确定各目标光伏分区在未来时段的云层遮挡情况,包括:
24、对连续时刻的所述卫星云图数据和所述全天空成像数据进行时间同步,并转换至统一空间参考,得到连续时刻的云团空间分布;
25、根据连续时刻的所述云团空间分布确定云团的移动速度和移动方向,并根据所述移动速度和移动方向预测所述云团在未来时段的空间位置,得到未来时段对应的预测云团区域;
26、将所述预测云团区域映射至所述山地光伏电站对应的地面空间,并分别与各目标光伏分区对应的空间区域进行叠加,根据所述预测云团区域与各目标光伏分区对应空间区域的重叠面积占对应目标光伏分区面积的比例,确定各目标光伏分区在未来时段的云层遮挡率;
27、基于各预测时刻对应的云层遮挡率形成云层遮挡率时间序列,并将所述云层遮挡率时间序列作为所述云层遮挡情况;
28、基于所述云层遮挡情况对各目标光伏分区的预测辐照度进行修正,得到各目标光伏分区对应的修正预测辐照度集合,包括:
29、根据所述多源云气象数据确定未来时段内影响各目标光伏分区的云类型、云层累积特征以及各目标光伏分区相对于对应云团的中心区域或边缘区域的位置关系;
30、根据所述云类型确定对应的基础辐照衰减参数,并根据所述云层累积特征和所述位置关系对所述基础辐照衰减参数进行校正,得到动态辐照衰减参数;
31、根据所述云层遮挡率时间序列和所述动态辐照衰减参数确定对应目标光伏分区的动态辐照度修正系数;
32、利用所述动态辐照度修正系数分别对对应目标光伏分区的数值天气预报数据中的总辐照度和散射辐照度进行修正,得到修正总辐照度和修正散射辐照度,并将所述修正总辐照度和修正散射辐照度构成所述目标光伏分区对应的修正预测辐照度集合。
33、可选的,所述实时气象监测数据包括由对应目标光伏分区的辐照仪获取的实测辐照度数据;
34、所述多级关联模型包括依次串联的第一关联模型和第二关联模型,所述第一关联模型的输出作为所述第二关联模型的输入;
35、针对各目标光伏分区,从所述目标光伏分区包括的光伏阵列中确定样板阵列,基于所述目标光伏分区的历史气象监测数据和对应样板阵列的历史实际发电功率训练得到所述第一关联模型,并基于非限电历史时段下所述样板阵列的历史实际发电功率和所述目标光伏分区的历史实际发电功率训练得到所述第二关联模型;
36、所述基于预先训练得到的多级关联模型,根据所述实时气象监测数据确定各目标光伏分区的实时可用功率,包括:
37、将所述目标光伏分区的实时气象监测数据输入对应的第一关联模型,得到所述样板阵列的实时可用功率;
38、将所述样板阵列的实时可用功率输入对应的第二关联模型,得到所述目标光伏分区的实时可用功率。
39、可选的,从所述目标光伏分区包括的光伏阵列中确定样板阵列,包括:
40、从所述目标光伏分区包括的光伏阵列中筛选不存在外部遮挡、不接收限电指令且设备运行状态正常的光伏阵列,得到候选样板阵列;
41、根据各候选样板阵列与所述目标光伏分区的分区中心之间的空间距离,以及各候选样板阵列的功率变化趋势与所述目标光伏分区的整体功率变化趋势之间的一致性,按照所述空间距离越小且所述一致性越高的原则,对各候选样板阵列进行排序;
42、根据排序结果确定所述样板阵列,并将排序次序位于所述样板阵列之后的候选样板阵列作为备用样板阵列;
43、在所述样板阵列出现外部遮挡、接收限电指令或者设备运行异常的情况下,按照排序次序从所述备用样板阵列中确定替代样板阵列;
44、其中,用于训练所述第一关联模型和所述第二关联模型的样板阵列历史实际发电功率,为所述样板阵列在不存在外部遮挡、不接收限电指令且设备运行状态正常的历史时段内采集的实际发电功率。
45、可选的,将各目标光伏分区对应的修正预测辐照度集合、实时气象监测数据、历史短期预测功率和实时可用功率输入对应的超短期功率预测模型,得到各目标光伏分区的分区预测功率,包括:
46、针对各目标光伏分区,将所述修正预测辐照度集合中的修正总辐照度和修正散射辐照度作为预测气象特征,并与所述实时气象监测数据对应的气象特征进行组合,得到对应目标光伏分区的气象特征集合;
47、根据各气象特征与对应目标光伏分区的发电功率之间的相关性,对所述气象特征集合进行特征筛选,得到目标气象特征;
48、将所述目标气象特征、历史短期预测功率和实时可用功率作为对应目标光伏分区的模型输入,输入预先针对所述目标光伏分区训练得到的超短期功率预测模型,得到对应预测时段的分区预测功率;
49、其中,所述超短期功率预测模型为基于所述目标光伏分区的历史数据训练得到的回归预测模型;
50、所述超短期功率预测模型针对所述历史短期预测功率和所述实时可用功率分别配置第一权重和第二权重,并根据对应目标光伏分区在预设滑动窗口内的预测误差以及预测时距,动态调整所述第一权重和所述第二权重;
51、所述历史短期预测功率包括前一历史日期中与当前预测时段对应时刻的短期预测功率。
52、可选的,所述整场功率修正模型的训练过程包括:
53、获取多个历史采样时刻下各目标光伏分区的历史实际发电功率,以及对应历史采样时刻下所述山地光伏电站的整场历史实际发电功率;
54、对同一历史采样时刻下各目标光伏分区的历史实际发电功率进行累加,得到对应的分区历史功率累加值;
55、以所述分区历史功率累加值作为模型输入,以对应的整场历史实际发电功率作为监督目标,对预设回归模型进行训练,得到整场功率修正模型。
56、可选的,所述基于各目标光伏分区的实时可用功率确定整场实时可用功率,并根据所述整场实时可用功率对所述整场预测功率进行边界约束,得到所述山地光伏电站的超短期功率预测结果,包括:
57、对各目标光伏分区的实时可用功率进行累加,得到分区实时可用功率累加值;
58、将所述分区实时可用功率累加值输入所述整场功率修正模型,得到所述整场实时可用功率;
59、将所述整场预测功率与所述整场实时可用功率进行比较;
60、在所述整场预测功率不大于所述整场实时可用功率的情况下,保持所述整场预测功率不变,在所述整场预测功率大于所述整场实时可用功率的情况下,将所述整场预测功率修正为所述整场实时可用功率,得到经边界约束的整场预测功率;
61、根据所述经边界约束的整场预测功率确定所述山地光伏电站的超短期功率预测结果。
62、第二方面,本发明提供一种基于分区建模的山地光伏电站超短期功率预测系统,包括:
63、数据获取模块,用于获取山地光伏电站中各光伏阵列的阵列物理属性和历史功率数据;
64、分区确定模块,用于根据所述阵列物理属性得到第一分区结果,并基于由所述历史功率数据提取的功率特征进行聚类,得到第二分区结果;对两种分区结果中所属分区不一致的光伏阵列进行分区归属校正,确定各光伏阵列所属的目标光伏分区;
65、辐照度修正模块,用于获取覆盖所述山地光伏电站所在区域的多源云气象数据,根据所述多源云气象数据确定各目标光伏分区在未来时段的云层遮挡情况,并基于所述云层遮挡情况对各目标光伏分区的预测辐照度进行修正,得到各目标光伏分区对应的修正预测辐照度集合;
66、可用功率确定模块,用于获取各目标光伏分区对应的实时气象监测数据,基于预先训练得到的多级关联模型,根据所述实时气象监测数据确定各目标光伏分区的实时可用功率;
67、分区预测模块,用于将各目标光伏分区对应的修正预测辐照度集合、实时气象监测数据、历史短期预测功率和实时可用功率输入对应的超短期功率预测模型,得到各目标光伏分区的分区预测功率;
68、整场预测模块,用于对各目标光伏分区的分区预测功率进行累加,并基于预先训练得到的整场功率修正模型对累加结果进行修正,得到整场预测功率;
69、边界约束模块,用于基于各目标光伏分区的实时可用功率确定整场实时可用功率,并根据所述整场实时可用功率对所述整场预测功率进行边界约束,得到所述山地光伏电站的超短期功率预测结果。
70、与现有技术相比,本发明所达到的有益效果:
71、本发明提供一种基于分区建模的山地光伏电站超短期功率预测方法及系统,该方法首先根据光伏阵列的阵列物理属性形成第一分区结果,并结合由历史功率数据提取的功率特征进行聚类得到第二分区结果,再对两种分区结果中存在分区归属差异的光伏阵列进行校正,使最终形成的目标光伏分区能够同时反映山地光伏电站的地形、阵列配置差异以及实际发电特性,减少仅依据单一物理属性或者单一历史功率特征进行分区所造成的分区偏差。在此基础上,结合多源云气象数据确定各目标光伏分区未来时段的云层遮挡情况,并据此修正对应分区的预测辐照度,使输入超短期功率预测模型的辐照度数据能够进一步反映局部云层运动及不同分区受云遮挡程度的变化,从而提高短时天气快速变化条件下预测气象输入与实际环境变化之间的一致性。与此同时,本发明针对各目标光伏分区分别建立由实时气象监测数据至样板阵列可用功率、再至分区实时可用功率的多级关联关系,使不同分区的实时发电能力能够分别得到表征,避免单一整场映射关系忽略不同分区运行差异的问题。进一步将各目标光伏分区对应的修正预测辐照度、实时气象监测数据、历史短期预测功率和实时可用功率共同用于对应分区的超短期功率预测,使预测过程同时利用未来气象变化信息、历史短期预测信息以及当前实时发电能力信息,并能够根据预测误差和预测时距动态调整不同信息的作用程度。最后,对各分区预测功率进行整场级修正,并利用整场实时可用功率对整场预测结果进行边界约束,使最终输出的超短期功率预测结果兼顾各分区局部预测特性和整场实际发电能力,从而提高复杂山地光伏电站超短期功率预测结果的准确性和合理性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com