一种基于微气象站的分布式光伏功率预测方法和相关装置与流程
本发明属于分布式光伏功率预测,具体涉及一种基于微气象站的分布式光伏功率预测方法和相关装置。
背景技术:
1、分布式光伏发电是电力系统新能源扩容的重要组成部分,其出力具有显著的随机性与波动性,对电网稳定调度造成直接影响。光伏功率预测能够有效平抑出力波动、优化备用容量配置,是保障电网供需平衡的关键技术。当前光伏功率预测普遍依托场区微气象站采集辐照度数据,通过融合多站点观测数据还原光伏阵列受光状态,数据融合的精准度直接影响功率预测的整体效果。
2、目前工程中多采用反距离加权算法完成微气象辐照数据融合,该算法仅依据微气象站与阵列中心的空间距离分配权重,通过加权平均得到全域辐照度。在晴朗无风、辐照场分布均匀的工况下,各站点观测数据差异较小,该算法可满足常规预测需求。现有改进预测技术主要针对大范围云层变化、多源气象数据适配、气象与出力协同关联等场景优化预测精度,形成了成熟的基础预测方案。
3、现有方案无法识别小尺度孤立光斑引发的辐照空间异常,存在权重固化、融合失真的问题。光伏场区占地面积大、微气象站布设间距较远,局地对流易形成小尺度孤立积云光斑,造成光伏阵列局部强光、大面积阴影的非均匀辐照分布。传统反距离加权算法采用固定空间权重,无法适配突变的辐照空间分布,被光斑照射的局部站点即使数据不具备全域代表性,仍会凭借距离优势获得较高权重,导致融合辐照度虚高。现有各类改进技术也未针对性解决该类局地微气象扰动问题,最终造成功率预测与实际出力偏差过大,引发电网调度误判、设备误告警、备用资源浪费等诸多问题。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种基于微气象站的分布式光伏功率预测方法和相关装置,以解决现有分布式光伏功率预测技术中,微气象辐照数据融合权重固定、无法识别局地孤立光斑引发的辐照空间突变的问题。
2、第一方面,本发明提供一种基于微气象站的分布式光伏功率预测方法,包括以下步骤:
3、对相邻微气象站之间的辐照度空间分布进行空间梯度分析,得到空间梯度分析结果序列;
4、若空间梯度分析结果序列指示存在辐照度空间突变,则判定发生孤立光斑穿越事件,并获得发生孤立光斑穿越事件的目标微气象站;
5、获取目标微气象站的初始近站权重,并对初始近站权重进行压缩处理,得到目标站压缩权重;
6、根据孤立光斑的运动方向以及运动速度,确定阵列阴影覆盖区域内的阴影微气象站,并获得阴影微气象站的阴影辐照度序列;
7、根据目标站压缩权重以及阴影辐照度序列,对目标阵列区域的辐照度进行重构处理,得到融合辐照度序列;
8、基于融合辐照度序列进行光伏功率预测,得到预测结果。
9、进一步的,对相邻微气象站之间的辐照度空间分布进行空间梯度分析,得到空间梯度分析结果序列,包括:
10、获取多个微气象站的实时辐照度序列以及多个微气象站的空间坐标;
11、根据空间坐标确定相邻微气象站;
12、根据相邻微气象站的实时辐照度序列计算辐照差值,根据相邻微气象站的空间坐标计算空间距离和方向角度,根据辐照差值、空间距离和方向角度获得梯度向量;
13、对梯度向量进行特征提取得到空间分布特征,将空间分布特征按照时间维度进行组合,得到空间梯度分析结果序列。
14、进一步的,若空间梯度分析结果序列指示存在辐照度空间突变,则判定发生孤立光斑穿越事件,并获得发生孤立光斑穿越事件的目标微气象站,包括:
15、确定空间梯度分析结果序列中存在的辐照度空间突变,并将辐照度空间突变对应的微气象站作为突变节点;
16、根据突变节点的坐标构建孤立光斑的遮挡轮廓,若遮挡轮廓在连续时间序列下的移动轨迹穿过预设的微气象站监测区域,则判定预设的微气象站监测区域发生孤立光斑穿越事件;
17、若孤立光斑穿越事件的持续时间大于预设的时间阈值,则生成光斑穿越状态标识,并根据光斑穿越状态标识从突变节点中确定目标微气象站。
18、进一步的,获取目标微气象站的初始近站权重,并对初始近站权重进行压缩处理,得到目标站压缩权重,包括:
19、将目标微气象站与相邻的微气象站之间的空间距离作为近站距离,计算近站距离的倒数得到距离衰减基数,根据距离衰减基数计算初始近站权重;
20、若初始近站权重大于预设的权重阈值,则获取目标微气象站的历史遮挡频率作为衰减因子,将衰减因子与初始近站权重相乘得到权重衰减量;
21、根据权重衰减量构建非线性映射函数,通过非线性映射函数对初始近站权重进行权重映射,获得动态压缩系数,将初始近站权重与动态压缩系数相乘,得到目标站压缩权重。
22、进一步的,孤立光斑的运动方向以及运动速度基于辐照度变化的时间差异确定,确定流程包括:
23、提取目标微气象站以及相邻的微气象站的实时辐照度序列的波谷时间,根据目标微气象站的波谷时间与相邻的微气象站的波谷时间之间的时序差异确定时间延迟;
24、根据目标微气象站以及相邻的微气象站的空间坐标计算距离向量,根据距离向量以及时间延迟计算孤立光斑的速度标量,并根据距离向量计算孤立光斑的方向角度;
25、根据速度标量以及方向角度确定孤立光斑的运动方向以及运动速度。
26、进一步的,根据孤立光斑的运动方向以及运动速度,确定阵列阴影覆盖区域内的阴影微气象站,并获得阴影微气象站的阴影辐照度序列,包括:
27、根据孤立光斑的运动方向以及运动速度,结合孤立光斑的光斑初始轮廓,确定孤立光斑在目标阵列区域的投影轨迹;
28、判断候选微气象站的空间坐标是否位于投影轨迹内,若是,则将对应的候选微气象站确定为阴影微气象站;
29、根据孤立光斑的运动速度以及阴影微气象站的空间坐标,计算孤立光斑覆盖阴影微气象站的覆盖时间段,根据覆盖时间段对阴影微气象站的实时辐照度序列进行截取,获得阴影辐照度序列。
30、进一步的,根据目标站压缩权重以及阴影辐照度序列,对目标阵列区域的辐照度进行重构处理,得到融合辐照度序列,包括:
31、根据目标站压缩权重对目标微气象站的初始站点权重进行更新,根据更新后的微气象站权重以及阴影辐照度序列,对目标阵列区域进行空间插值,得到重构输入序列;
32、根据重构输入序列计算变异系数与偏度系数,若变异系数大于预设阈值,则根据变异系数与偏度系数构建统计特征;
33、将统计特征与重构输入序列进行融合,得到融合辐照度序列。
34、第二方面,本发明提供一种基于微气象站的分布式光伏功率预测装置,包括:
35、辐照度梯度分析模块,用于对相邻微气象站之间的辐照度空间分布进行空间梯度分析,得到空间梯度分析结果序列;
36、目标微气象站获取模块,用于若空间梯度分析结果序列指示存在辐照度空间突变,则判定发生孤立光斑穿越事件,并获得发生孤立光斑穿越事件的目标微气象站;
37、权重压缩模块,用于获取目标微气象站的初始近站权重,并对初始近站权重进行压缩处理,得到目标站压缩权重;
38、阴影辐照度序列获取模块,用于根据孤立光斑的运动方向以及运动速度,确定阵列阴影覆盖区域内的阴影微气象站,并获得阴影微气象站的阴影辐照度序列;
39、融合辐照度序列生成模块,用于根据目标站压缩权重以及阴影辐照度序列,对目标阵列区域的辐照度进行重构处理,得到融合辐照度序列;
40、光伏功率预测模块,用于基于融合辐照度序列进行光伏功率预测,得到预测结果。
41、第三方面,本发明提供一种计算机设备,设备包括处理器以及存储器:
42、存储器用于存储计算机程序,并将计算机程序的指令发送至处理器;
43、处理器根据计算机程序的指令执行如下步骤:
44、对相邻微气象站之间的辐照度空间分布进行空间梯度分析,得到空间梯度分析结果序列;
45、若空间梯度分析结果序列指示存在辐照度空间突变,则判定发生孤立光斑穿越事件,并获得发生孤立光斑穿越事件的目标微气象站;
46、获取目标微气象站的初始近站权重,并对初始近站权重进行压缩处理,得到目标站压缩权重;
47、根据孤立光斑的运动方向以及运动速度,确定阵列阴影覆盖区域内的阴影微气象站,并获得阴影微气象站的阴影辐照度序列;
48、根据目标站压缩权重以及阴影辐照度序列,对目标阵列区域的辐照度进行重构处理,得到融合辐照度序列;
49、基于融合辐照度序列进行光伏功率预测,得到预测结果。
50、第四方面,本发明提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如下步骤:
51、对相邻微气象站之间的辐照度空间分布进行空间梯度分析,得到空间梯度分析结果序列;
52、若空间梯度分析结果序列指示存在辐照度空间突变,则判定发生孤立光斑穿越事件,并获得发生孤立光斑穿越事件的目标微气象站;
53、获取目标微气象站的初始近站权重,并对初始近站权重进行压缩处理,得到目标站压缩权重;
54、根据孤立光斑的运动方向以及运动速度,确定阵列阴影覆盖区域内的阴影微气象站,并获得阴影微气象站的阴影辐照度序列;
55、根据目标站压缩权重以及阴影辐照度序列,对目标阵列区域的辐照度进行重构处理,得到融合辐照度序列;
56、基于融合辐照度序列进行光伏功率预测,得到预测结果。
57、综上,本发明提供一种基于微气象站的分布式光伏功率预测方法和相关装置,该方法首先通过对相邻微气象站间的辐照度进行空间梯度分析以识别突变并判定孤立光斑穿越事件及目标站点,随即对该目标站点的初始近站权重进行压缩处理,解决了局部站点因距离优势导致的权重固化与虚高的问题,同时根据光斑运动方向与速度准确定位阴影覆盖区域的阴影微气象站并获取其辐照度序列,进而结合目标站压缩权重与阴影辐照度序列重构目标阵列区域的辐照度,实现了对非均匀突变辐照空间分布的动态自适应匹配,彻底克服了微气象扰动下的融合失真问题,最终有效提升了光伏功率预测的准确度,避免了因预测与实际出力偏差过大引发的电网调度误判、设备误告警及备用资源浪费。
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