一种考虑辐射雾生消过程的光伏功率预测方法及系统与流程
本发明涉及光伏功率预测的,尤其是涉及一种考虑辐射雾生消过程的光伏功率预测方法及系统。
背景技术:
1、目前,电力系统中以风、光为主的可再生能源逐渐取代传统煤炭燃烧发电电源,而光伏发电作为主要的可再生能源影响着电力系统的供电稳定,光伏面板所接收到的太阳辐射量决定了光伏电站的发电输出功率,而太阳辐射接收量又受太阳辐射强度、温度、云量、风速和风向等多个因素的影响,导致光伏发电具有间歇性、波动性和不确定性,准确预测光伏发电功率对电网调度和新能源消纳至关重要。
2、现有的光伏功率预测方法主要包括基于天气预报(nwp)和光电转换模型计算理论输出功率的物理方法,但是对气象条件和物理约束的依赖性较强,还包括采用时间序列分析、回归分析等基于历史数据进行光伏发电功率预测的统计方法,以及采用极限学习机(xgboot)、长短时记忆网络(lstm)等机器学习方法捕捉气象数据和功率数据的复杂非线性关系进行光伏发电功率预测的方法,但是,现有光伏预测方法都建立于较好的天气条件基础上,在辐射雾发生条件下,太阳辐射度会产生骤降现象导致光伏发电功率出现显著预测偏差,辐射雾是由于地表辐射冷却作用使地面气层水汽凝结而形成的雾,当辐射雾发展时具有爆发性增厚的特征,常出现在水汽充沛的早晨或傍晚,且随着太阳的升高、地面温度上升,辐射雾会快速蒸发消散,现有的辐射雾预测方式通常是通过气溶胶光学厚度(aod)、能见度等数据在辐射雾形成后进行被动监测,却难以对辐射雾的生成进行提前预警,无法规避辐射雾对太阳辐射度的骤变影响所带来的光伏功率预测偏差。
技术实现思路
1、针对现有技术中难以对辐射雾的生成进行提前预警,无法规避辐射雾对太阳辐射度的骤变影响所带来的光伏功率预测偏差的问题,本技术提供一种考虑辐射雾生消过程的光伏功率预测方法及系统,能够通过预判辐射雾的生成与消散时机,对辐射雾影响期间的光伏功率预测结果进行精准修正,提升光伏功率预测精度。
2、第一方面,本技术的上述发明目的是通过以下技术方案得以实现的:
3、一种考虑辐射雾生消过程的光伏功率预测方法,所述方法包括:
4、获取目标光伏电站的多源气象数据进行数据预处理,对预处理后的多源气象数据进行辐射雾特征识别,基于所述辐射雾特征进行辐射雾生消预测处理;
5、基于辐射雾生消预测结果综合量化辐射雾生成潜力指数,基于所述辐射雾生成潜力指数对所述辐射雾生消时间进行预测,得到辐射雾生消预测时间;
6、获取所述辐射雾生消预测时间对应的晴空辐照度数据,将所述晴空辐照度数据输入预构建的辐照度衰减修正模型进行辐照度修正,输出辐射雾影响下的修正太阳辐照度数据;
7、获取光伏场站实际功率并与所述修正太阳辐照度数据进行数据关联后输入预构建的光伏发电预测模型中进行光伏发电功率预测,输出辐射雾影响下的光伏发电功率预测值。
8、本技术在一较佳示例中可以进一步配置为:所述获取目标光伏电站的多源气象数据进行数据预处理,对预处理后的多源气象数据进行辐射雾特征识别,基于所述辐射雾特征进行辐射雾生消预测处理,具体包括:
9、获取目标光伏电站的多源气象数据并进行异常值剔除与缺失值补充处理,基于预处理后的多源气象数据识别辐射雾特征,所述辐射雾特征包括露点地表动态温差、地表冷却速率、近地层风速和长波净辐射;
10、将所述辐射雾特征分别与预设的辐射雾生成条件进行比对,基于比对结果进行辐射雾生消预测处理。
11、本技术在一较佳示例中可以进一步配置为:所述基于辐射雾生消预测结果综合量化辐射雾生成潜力指数,基于所述辐射雾生成潜力指数对所述辐射雾生消时间进行预测,得到辐射雾生消预测时间,具体包括:
12、当辐射雾生消预测结果为辐射雾生成时,基于所述辐射雾特征综合量化辐射雾生成潜力指数,所述辐射雾生成潜力指数的表达式如下所示:
13、 (1)
14、其中,表示辐射雾生成潜力指数,,、分别表示露点地表动态温差及对应辐射雾生成潜力权重,、分别表示地表冷却速率及对应辐射雾生成潜力权重,、分别表示近地层风速及对应辐射雾生成潜力权重,、分别表示长波净辐射及对应辐射雾生成潜力权重,;
15、分析所述辐射雾生成潜力指数的变化趋势,基于所述变化趋势进行辐射雾生成状态和辐射雾消散状态划分;
16、在所述辐射雾生成状态下,获取辐射雾生成的基准响应时间,结合所述辐射雾生成潜力指数进行辐射雾生成时间预测,得到辐射雾生成预测时间;
17、在所述辐射雾消散状态下,分析所述辐射雾生成潜力指数在太阳高度角影响下随时间的衰减速率并进行辐射雾消散时间预测,得到辐射雾消散预测时间。
18、本技术在一较佳示例中可以进一步配置为:所述在所述辐射雾生成状态下,获取辐射雾生成的基准响应时间,结合所述辐射雾生成潜力指数进行辐射雾生成时间预测,得到辐射雾生成预测时间,具体包括:
19、所述辐射雾生成预测时间的计算表达式如下所示:
20、 (2)
21、其中,表示辐射雾生成预测时间,表示当前时间,表示基准响应时间。
22、本技术在一较佳示例中可以进一步配置为:所述在所述辐射雾消散状态下,分析所述辐射雾生成潜力指数在太阳高度角影响下随时间的衰减速率并进行辐射雾消散时间预测,得到辐射雾消散预测时间,具体包括:
23、所述辐射雾生成潜力指数的衰减速率表达式如下所示:
24、 (3)
25、其中,表示辐射雾生成潜力指数衰减速率,表示衰减系数,表示太阳高度角,表示太阳辐射加热临界强度;
26、基于所述辐射雾生成潜力指数衰减速率,当所述辐射雾生成潜力指数衰减达到预设的最低指数阈值时,统计所述辐射雾生成潜力指数的衰减时间,得到辐射雾消散预测时间。
27、本技术在一较佳示例中可以进一步配置为:所述获取所述辐射雾生消预测时间对应的晴空辐照度数据,将所述晴空辐照度数据输入预构建的辐照度衰减修正模型进行辐照度修正,输出辐射雾影响下的修正太阳辐照度数据,具体包括:
28、获取历史辐射雾生消过程中的辐射雾生成潜力指数和太阳高度角,基于所述辐射雾生成潜力指数和所述太阳高度角估算辐射雾衰减系数,基于所述辐射雾衰减系数构建太阳辐照度衰减修正模型;
29、获取所述辐射雾生消预测时间对应的晴空辐照度数据并输入所述太阳辐照度衰减修正模型中匹配辐射雾衰减系数进行辐照度修正,输出辐射雾影响下的修正太阳辐照度数据,其中,所述修正太阳辐照度数据的表达式如下所示:
30、 (4)
31、其中,表示修正太阳辐照度数据,表示太阳常数,表示大气光学质量,、分别表示直射辐射和散射辐射的大气光学修正指数,表示太阳高度角,、分别表示直射辐射光学厚度和散射辐射光学厚度晴空辐照度数据通过直射辐射度和散射辐射度表示,表示辐射雾衰减系数。
32、本技术在一较佳示例中可以进一步配置为:所述获取光伏场站实际功率并与所述修正太阳辐照度数据进行数据关联后输入预构建的光伏发电预测模型中进行光伏发电功率预测,输出辐射雾影响下的光伏发电功率预测值,具体包括:
33、将所述光伏场站实际功率与所述修正太阳辐照度数据进行滑动时间窗口拼接并进行归一化处理,构建输入特征向量并输入到所述光伏发电预测模型中;
34、通过所述光伏发电预测模型对所述输入特征向量进行量子态角度编码,并输入变分量子线路中进行高阶非线性并行运算,生成最终量子态向量;
35、将所述最终量子态向量进行投影测量并计算每个量子态的概率分布计算,生成概率分布向量;
36、基于所述概率分布向量进行光伏发电功率的回归预测与预测结果反归一化处理,输出辐射雾影响下的光伏发电功率预测值。
37、第二方面,本技术的上述发明目的是通过以下技术方案得以实现的:
38、一种考虑辐射雾生消过程的光伏功率预测系统,所述系统包括:
39、辐射雾生消判别模块,用于获取目标光伏电站的多源气象数据进行数据预处理,对预处理后的多源气象数据进行辐射雾特征识别,基于所述辐射雾特征进行辐射雾生消预测处理;
40、生消时间预测模块,用于基于辐射雾生消预测结果综合量化辐射雾生成潜力指数,基于所述辐射雾生成潜力指数对所述辐射雾生消时间进行预测,得到辐射雾生消预测时间;
41、辐照度修正模块,用于获取所述辐射雾生消预测时间对应的晴空辐照度数据,将所述晴空辐照度数据输入预构建的辐照度衰减修正模型进行辐照度修正,输出辐射雾影响下的修正太阳辐照度数据;
42、功率预测模块,用于获取光伏场站实际功率并与所述修正太阳辐照度数据进行数据关联后输入预构建的光伏发电预测模型中进行光伏发电功率预测,输出辐射雾影响下的光伏发电功率预测值。
43、第三方面,本技术的上述目的是通过以下技术方案得以实现的:
44、一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述考虑辐射雾生消过程的光伏功率预测方法。
45、第四方面,本技术的上述目的是通过以下技术方案得以实现的:
46、一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述考虑辐射雾生消过程的光伏功率预测方法。
47、综上所述,本技术包括以下至少一种有益技术效果:
48、1、本技术基于露点地表动态温差、地表冷却速率、近地层风速、长波净辐射等辐射雾特征构建辐射雾生消判别体系,实现辐射雾生消时间的精准预判,并以辐射雾生成潜在指数为核心构建太阳辐照度衰减修正模型,进行晴空辐照度向雾况实际辐照度的修正,再基于深度学习算法建立光伏功率预测模型,对修正后的修正太阳辐照度数据进行光伏发电功率的预测,实现辐射雾条件下的光伏功率精细化预测,解决传统光伏功率预测过程中忽略辐射雾影响所造成的误差大的问题,提高辐射雾影响下的光伏功率预测准确性和可靠性;
49、2、本技术能够识别常规天气和辐射雾对光伏发电功率的不同影响,适用于不同区域、不同气候条件下的光伏电站,有效提升极端气象条件下光伏功率预测的可靠性,为光伏场站的优化运行、电网系统的调度安全以及电网安全稳定与经济运行提供了重要的数据支撑。
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