用于实时预测光伏发电厂的电功率的方法与流程

用于实时预测光伏发电厂的电功率的方法
1.本发明涉及一种用于实时分析和预测被广泛用于可再生能源领域中、尤其是太阳能领域中的光伏发电厂的电功率的方法。
2.光伏发电厂是装备有使用光伏模块并产生电的太阳能收集系统的发电厂。
3.已知的是，由于不同的因素，诸如举例而言，温度变化、表面区域的污垢量、模块的完全或部分破坏、完全和部分阴影、模块的自发劣化、环境条件等，光伏模块在电功率生产中经受效率的暂时或永久下降。
4.目前，尤其感受到对用于监测光伏发电厂的电功率生产的需求，其方式是监测光伏发电厂的能量生产，以便更好地管理对电能市场的请求和需求，并且以便更好地管理发电厂的经济方面。为此目的，存在现有技术的系统和方法，这些系统和方法能够收集可以由光伏发电厂检测的数据，用于提供数据的简单显示或统计处理的功能。
5.不利地，当前使用的监测系统中的许多能够标识发电厂各种组件(模块和逆变器)的故障和失灵，但是不能测量与发电厂的环境条件的变化相关的效率下降，诸如举例而言，在模块上存在阴影的影响。
6.不利地，现有技术的系统不能在无需操作员的帮助的情况下自动地执行用于预测来自发电厂的输出处的电功率的模型的准确性的校准和检查，操作员可以对工厂所收集的数据进行技术和统计分析。
7.不利地，现有技术的方法不能根据太阳的位置自动地检测建筑物或植被的阴影对发电厂效率的影响，或不能确定由于在模块上覆盖积雪而导致的电功率生产的缺乏。
8.因此，本发明的技术目的是提供一种用于实时预测光伏发电厂的电功率的方法，该方法能够克服现有技术的一些缺点，包括将阴影对光伏发电厂效率的影响纳入考虑的可能性。
9.因此，本发明的目的是提供一种自动化且快速的用于实时预测光伏发电厂的电功率的方法。
10.本发明的另一目的是提供一种用于实时预测光伏发电厂的电功率的方法，该方法可以容易地实现。
11.本发明的另一目的是提供一种用于实时预测光伏发电厂的电功率的方法，该方法能够以一种有效且可靠的方式预测该光伏发电厂的电功率。
12.本发明的另一目的是提供一种用于实时预测光伏发电厂的电功率的方法，该方法能够导出与任何故障的存在和能量影响或性能下降有关的信息，这些信息不是由用于监测发电厂的传统系统所检测到的故障所强调的。
13.所指示的技术目的和所指定的目标基本上通过一种用于实时预测光伏发电厂的电功率的方法来实现，该方法包括在所附权利要求中的一项或多项中所描述的技术特征。从属权利要求对应于本发明的可能实施例。
14.本发明的进一步的特征和优点在以下用于实时预测光伏发电厂的电功率的方法的非排他性实施例的非限制性描述中更清楚。
15.以下参照附图阐述描述，这些附图仅为了解说目的而提供而不限制本发明的范
围，并且其中：
[0016]-图1是光伏发电厂的计划图；
[0017]-图2a和2b示出了功率和效率函数的相应近似重构。
[0018]
参照附图，数字100表示包括彼此互连的多个模块10的光伏发电厂。
[0019]
模块10可根据串联或并联连接彼此连接。
[0020]
具体地，这些模块10以如此方式被分成多个组：使得每个单元被连接到光伏发电厂100的相应的逆变器(未示出)。
[0021]
光伏发电厂100包括多个传感器。根据可能的实施例，光伏发电厂100包括用于整个光伏发电厂100的最小温度传感器。
[0022]
根据优选实施例，发电厂具有针对连接至同一逆变器的每组模块10的至少一个温度传感器，该至少一个温度传感器被配置成采集与温度t
mod
相关的数据；以及太阳辐射传感器，该太阳辐射传感器以从不受阴影影响的方式被定位在光伏发电厂100中并且被配置成采集与太阳辐射g相关的数据。
[0023]
光伏发电厂100还包括至少一个电计数器，用于在光伏发电厂100的操作时间段期间采集电功率pm。
[0024]
优选地，整个光伏发电厂100与安装在发电厂100的不同部分上的各种全局太阳辐射传感器g相关联，这些全局太阳辐射传感器在光伏发电厂100的操作时间段期间必须从不受阴影影响。
[0025]
优选地，光伏发电厂100的每个逆变器与至少一个电计数器相关联，该至少一个电计数器确定每个逆变器的电功率pm。
[0026]
优选地，连接至光伏发电厂100的逆变器10的每组模块10与被配置成采集这些模块的平均温度t
mod
的至少一个传感器(未示出)相关联。
[0027]
具体地，这些传感器检测并且采集光伏发电厂100的操作数据g、t
mod
、pm并且将该数据发送到处理和控制单元20，该处理和控制单元处理该数据并且借助于用于定位太阳的天文学算法来确定另外的操作数据α、ν的值。
[0028]
优选地，处理和控制单元20还能够接收并处理由用户插入和/或从科学文献中可用的算法导出的与光伏发电厂100相关的数据。
[0029]
处理和控制单元20被配置成接收操作数据g、t
mod
、pm并且用于处理进一步的操作数据α、ν，并且用于实现根据本发明的用于实时预测光伏发电厂100的电功率的方法。
[0030]
更详细地，该方法包括以下步骤：在记录时段tr的每个预定时间区间δt处，记录光伏发电厂100的操作数据集g、t
mod
、α、ν、pm。
[0031]
具体地，通过使用位于该发电厂100的不同部分中的模块10上的各种类型的传感器，以预定时间区间δt来采集该数据集的一些操作数据g、t
mod
、pm。另一方面，数据集的其他操作数据α、ν是从借助于这些传感器采集数据的日期开始计算和获得的。
[0032]
优选地，该操作数据集g、t
mod
、α、ν、pm分别包括以下各项中的至少一个值：总太阳辐射g、光伏发电厂100的模块10的平均温度t
med
、太阳高度α、太阳方位角ν、在光伏发电厂100的输出处的电功率pm。
[0033]
甚至更优选地，由这些传感器采集的该操作数据集的数据是相对于总太阳辐射值g、模块10的平均温度t
med
以及光伏发电厂100的电功率pm输出的那些数据。与太阳高度α和
太阳方位角ν数据相关的值是根据通过传感器采集数据的日期来计算的。
[0034]
换言之，在该记录步骤期间，对于每个时间区间δt，以如此方式记录每个操作数据g、t
mod
、α、ν、pm的值：使得该值集合由五个值组成。
[0035]
更详细地考虑这些量，总太阳辐射g是与光伏发电厂100所位于的地点的平均总太阳辐射值相关的量。这个值可以通过例如由(热电堆或光电效应类型的)一个或多个日射表(solarimeter)进行的地面测量或借助于卫星测量来确定。
[0036]
如果借助于一个或多个日射表进行这个测量，则日射表优选地必须以与模块10相同的倾斜度安装，并且当光伏发电厂100的所有模块10被清洗时必须被排他地清洁。以此方式，这些传感器的表面以良好的近似方式被表征为与模块10的污垢水平相同的污垢水平，并且因此有可能将这个因素对与记录时段tr中的总太阳辐射g相关的数据的采集的影响最小化以及将对如以下所描述的方法的结果的准确性的影响最小化。
[0037]
同样，如果借助于日射表进行测量，则在降雪的情况下必须定期清洁该日射表。
[0038]
如果利用热电堆传感器进行测量，则它们在下雪的情况下不需要恒定且定期的清洁，因为它们设置有被设计成降低积雪表面的影响的盖。
[0039]
另一方面，与光伏发电厂100的模块10的平均温度t
mod
相关的量表示由安装在属于发电厂100的那些模块中的一个或多个模块10上的温度传感器所测得的温度值的平均值。或者，这个量可以被间接地确定，也就是说，借助于科学文献中可获得的经验相关性根据天气参数(例如空气温度和风速)的值来计算模块10的温度。对于每个时间区间δt，气象参数的值可以由靠近光伏发电厂100安装的气象站来测量。
[0040]
另一方面，根据光伏发电厂100的地理坐标、一天中的时间、一年中的一天以及时区，使用在科学文献中可获得的合适的算法来确定与太阳高度α和太阳方位角ν相关的值。
[0041]
与从该光伏发电厂100输出的总电功率pm相关的量被确定为对于每个时间区间δt，通过安装发电厂中的、在该光伏发电厂100的每个逆变器处的合适的计数器所测量的电功率pm的总和。
[0042]
在记录时段tr期间，以如此方式在每个预定时间区间δt记录上述量的集合：使得在每个区间记录总太阳辐射g的值、平均温度tm、太阳方位角和高度ν、α以及电功率pm。
[0043]
优选地，记录步骤包括将每个操作数据集g、t
mod
、α、ν、pm存储在存储矩阵s的相应行中的子步骤。
[0044]
在这种情况下，存储矩阵s是矩阵，其中在同一行中的每个单元中，存在与由这些传感器在某个时间区间δt中记录的该操作数据集g、t
mod
、α、ν、pm的数据相对应的值。
[0045]
优选地，对于存储矩阵s的每行，还存在包含与记录相应操作数据集g、t
mod
、α、ν、pm的日期相关的数据的单元以及包含与其中已经执行了上述记录的时间相关的数据的单元。
[0046]
因此，在每次新记录时，存储矩阵s的新行被填充有与刚记录的集合相关的操作数据值g、t
mod
、α、ν、pm。
[0047]
在记录步骤之后，该方法包括定义包含在所记录的每个操作数据集g、t
mod
、α、ν、pm中的这些值的多个接受条件的步骤。
[0048]
在根据本发明的方法的实现中，事实上，重要的是对支持矩阵“s”中存在的值进行滤波以便获得准确且真实的电功率预测。
[0049]
具体地，必须过滤包含在支持矩阵“s”中的值以便排他地指光伏发电厂100和传感
器在可能性能水平的最大值下操作的条件。
[0050]
表述“可能性能水平的最大值”意味着这些条件或者与光伏发电厂100的制造商针对各种组件而声明的标称条件不相关，或者与任何理论考虑不相关，但是凭经验代表所构造的并且在其没有表现不佳时在其实际操作条件下的发电厂100的最大操作条件。
[0051]
出于这个原因，支撑矩阵“s”排除例如与光伏发电厂100的模块10保持被降雪覆盖(甚至部分地被降雪覆盖)的时段相对应的值或与包括在发电厂100的一个或多个组件中发生故障或失灵的时段相对应的值。
[0052]
为了排除不适当的值，该方法包括将多个接受条件应用于存储矩阵s的每行以导出存储在该行中的该操作数据集g、t
mod
、α、ν、pm的接受或拒绝的步骤。
[0053]
优选地，在该步骤过程中，检查支持矩阵“s”的每一行，并且具体地，与该行的其他值相组合地检查包含在该行中的每个值，以便确定是否接受整个行。
[0054]
例如，为了检查太阳辐射传感器没有故障和/或被雪覆盖，检查所考虑的行中存在的总太阳辐射g的值和电功率值pm。如果与该行的总太阳辐射g相关的值不同于零并且与交流电功率pm相关的值大于零，则接受条件将被验证，将没有检测到故障并且将认为支持矩阵s的相应数据行是合适的。另一方面，如果与该行的总太阳辐射g相关的平均值等于零，但是与具有交流电流的电功率pm相关的值大于零，则接受条件将不被验证，并且包含在该行中的支撑矩阵“s”的单元中的值将被认为是不合适的。
[0055]
如果被验证的行中包含的值相对于接受条件是合适的，则将它们插入到训练矩阵d中，该训练矩阵d在每行中包含遵循接受条件的存储矩阵s的操作数据集g、t
mod
、α、ν、pm。
[0056]
可替代地，如果相对于接受条件的检查结果是否定的，包含在存储矩阵s的行(其是检查对象)中的值不被插入训练矩阵d中。
[0057]
在记录时段tr结束时，该方法还包括初始化功率矩阵a1和效率矩阵a2的步骤。
[0058]
功率矩阵a1具有各自表示总太阳辐射值g的区间的多列和各自表示平均温度值t
mod
的范围的对应多行。
[0059]
另一方面，效率矩阵a2具有各自表示太阳高度值α的区间的多列和各自表示太阳方位角值ν的区间的相应的多行。
[0060]
优选地，为了导出每个区间，该方法包括以下步骤：针对每个操作数据g、t
mod
、α、ν，相对于平均总太阳辐射g、平均温度t
mod
、太阳高度α和太阳方位角ν，在训练矩阵d中存在的值之中标识出最大值g
maximum
、t
modmax
、α
max
、ν最大值和最小值g
min
、t
modmin
、α
min
、ν
min
。随后，与每个操作数据g、t
mod
、α、ν相关的值以单调序列排序，并且上述区间被定义。
[0061]
换言之，在功率矩阵a1和效率矩阵a2的初始化时刻，它们是空表，其中每行表示分别与平均温度t
mod
和太阳方位角ν相关的值范围，并且其中每列分别表示分别与总太阳辐射g和太阳高度α相关的值范围。功率矩阵a1和效率矩阵a2通过该方法的迭代步骤以渐进的方式填充，尤其使用包含在训练矩阵d中的数据集作为输入。
[0062]
该方法包括以下步骤：将记录为集合的电功率值pm输入到单元中以供插入到功率矩阵a1，该单元具有分别与针对同一操作数据集g、t
mod
、α、ν、pm所记录的总太阳辐射g的值和平均温度t
mod
相对应的坐标。更详细地，对于操作参数集g、t
mod
、α、ν、pm的每次记录，在应用接受条件并且检查该集合对这些条件的符合性的步骤之后，电功率pm的值被装入功率矩阵a1中。
[0063]
具体地，电功率值pm被插入在具有等于同一集合的总太阳辐射g和平均温度t
mod
的值的坐标的单元中。更详细地，电功率值pm被插入到由总太阳辐射g和平均温度值t
mod
的值的区间所标识的功率矩阵a1的单元中，总太阳辐射g和平均温度值t
mod
包含对应于同一集合的平均总太阳辐射g和平均温度t
mod
的值。
[0064]
例如，如果总辐射值g是600w/m2并且平均温度值t
mod
等于40℃，则电功率pm的值将被插入到功率矩阵a1中与包含值40℃的平均温度t
mod
的范围值对应的行中以及与包含600w/m2的全局辐射g的范围值对应的列中。以此方式，针对电功率值pm的插入单元将被标识。
[0065]
在此情形中，如果在该功率矩阵a1的用于插入的单元中存在相关于平均功率p
mean
的先前值，则该方法包括以下步骤：使用所记录的电功率值pm更新平均功率值p
mean
，并将经更新的功率值p
mean
记录到插入单元中。
[0066]
换言之，在将功率值pm输入到功率矩阵a1的合适单元中的时刻，这个值被用于更新已经存在于插入单元中的平均值，并且所获得的平均p
mean
的新值被记录在该单元中。为了执行平均p
mean
的更新，始终有必要的是从用于填充矩阵a1的步骤的开始知道在同一单元中的插入的总次数。
[0067]
例如，如果电功率值pm是312kw并且包含在对应插入单元中的值是315kw，后者从同一单元中的两个先前插入开始确定，那么在取平均操作结束时该单元中的值将大约为314kw。以此方式，功率矩阵a1被渐进地填充。每次记录功率值pm时，将其放置在功率矩阵a1的合适单元中，并且重新计算该单元的平均值并记录在该单元中。
[0068]
为了导出精确的平均值，每次将功率值pm插入单元中时，在计算平均p
mean
的步骤之前，将所述单元中包含的值乘以先前容纳在该单元中的数据的次数(numerosity)。在这种情况下，刚刚插入的功率值pm与单元中的先前功率值乘以其次数相加，并且随后除以增加了一个单位的次数。换言之，计算加权平均值。
[0069]
为了跟踪插入在功率矩阵a1的同一单元中的数据的次数，初始化第一计数器矩阵n1，该第一计数器矩阵具有多个行和列，每行和列表示功率矩阵a1的多个列和行的相同区间。以这种方式，每次功率值pm被插入功率矩阵a1的单元中时，包含在相应单元中的第一计数器矩阵n1中的值就增加一个单位。
[0070]
换言之，每次将功率值pm插入功率矩阵a1的单元中时，包含在第一计数器矩阵n1中的在具有由平均总太阳辐射g的值和功率pm的平均温度t
mod
定义的坐标的单元中的值就增加一个单位。以这种方式，第一计数器矩阵n1是包含与功率矩阵a1的每个单元中包含的数据相关的次数的值的矩阵。
[0071]
然后，该方法包括以下步骤：以获得效率值的方式将刚插入到功率矩阵a1中的功率值pm除以在计算步骤中获得的平均p
mean
的值。例如，如果电功率值pm是100kw并且平均值p
mean
是110kw，则效率值将是0.91。
[0072]
在这种情况下，该方法包括将刚获得的效率值输入到单元中以供输入效率矩阵a2的步骤，该单元具有分别与在记录同一操作数据集的步骤中记录的太阳高度α和太阳方位角v的值相对应的坐标。
[0073]
更详细地，效率值被插入效率矩阵a2的单元中，该单元由包含与同一集合的太阳高度α和太阳方位角ν相对应的值的太阳高度值α和太阳方位角值ν的区间来标识。
[0074]
例如，如果太阳高度α的值等于30
°
，并且太阳方位角ν的值等于15
°
，那么效率的值将插入到效率矩阵a2中对应于包含值15
°
的太阳方位角v的值的范围的行和对应于包含值30
°
的太阳高度α的值的范围的列中。以这种方式，针对效率值的插入单元将被标识。
[0075]
在这种情况下，如果在插入单元中存在与平均效率相关的先前值，则该方法包括借助于效率值来更新平均效率值的步骤以及在该插入单元中记录经更新的平均效率值的步骤。
[0076]
为了执行这种平均值更新，始终有必要从用于填充矩阵a2的步骤开始知道在同一单元中的插入总数。
[0077]
随后，该方法包括在功率矩阵a2的所标识出的插入单元中记录平均值的步骤。
[0078]
例如，如果存在于插入单元中的值是0.85并且待插入到插入单元中的值等于0.82，则后者从同一单元中的两个先前插入开始确定，在平均操作结束时存在于该单元中的值将等于大约0.84。
[0079]
为了导出平均值，当将每个效率值插入到插入单元中时，在计算平均值的步骤之前，将包含在所述单元中的值乘以先前容纳在该单元中的数据的次数。在这种情况下，将刚刚插入的效率值与该单元的值乘以它的次数相加并且随后除以增加了一个单位的次数。换言之，计算加权平均值。
[0080]
为了跟踪插入到效率矩阵a2的同一单元中的数据的次数，初始化具有多行和列的第二计数器矩阵n2，每一行和列表示效率矩阵a2的多列和行的相同区间。以此方式，每当效率值被插入到效率矩阵a2的单元中时，包含在相应单元中的第二计数器矩阵n2中的值就增加一个单位。
[0081]
换言之，每当效率值被插入到效率矩阵a2的单元中时，包含在第二计数器矩阵n2中的在具有由同一操作数据集的太阳高度α和太阳方位角v的值定义的坐标的单元中的值就增加一个。以这种方式，第二计数器矩阵n2是包含与效率矩阵a2的每个单元中包含的数据相关的次数的值的矩阵。
[0082]
对于存在于训练矩阵d中的每个操作数据集g、t
mod
、α、v、pm，也就是说，对于接受条件认为有效的每个操作数据集，继续在功率和效率矩阵a1、a2内输入并计算值的步骤。
[0083]
重复从记录步骤到计算平均值的步骤以及更新效率矩阵a2的相应框的值的方法的各步骤，直到中断准则被验证并且功率矩阵a1和效率矩阵a2被充分填充。具体地，这些步骤构成该方法的其中“训练”该方法的一部分。
[0084]
当预定中断准则被验证时，该方法的训练可被认为完成。
[0085]
更详细地，与填充功率矩阵a1和效率矩阵a2的步骤并行地，该方法可以包括以下步骤：标识包含在由总太阳辐射g和温度值t
mod
的值的区间所标识的功率矩阵a1的单元中的功率值p
a1
，总太阳辐射g和温度值t
mod
的值包含与同一操作数据集的总太阳辐射g和温度t
mod
相对应的值。
[0086]
随后，该方法包括以下步骤：标识包含在由太阳高度值α和太阳方位角值ν的区间所标识的效率矩阵a2的单元中的效率值太阳高度值α和太阳方位角值ν包含与相同操作数据集的太阳高度α和太阳方位角ν相对应的值。
[0087]
随后，该方法包括将以此方式确定的功率值p
a1
与所确定的效率值相乘以得到
预期电功率值p的步骤。该方法还包括计算预期电功率pa与所记录的电功率pm之间的相对误差的步骤。
[0088]
优选地，将为每个操作数据集g、t
mod
、α、ν、pm计算的相对误差连同所记录的预期电功率pm和电功率pm的值一起插入到误差矩阵r中，并且以如此方式对其分布进行统计分析：使得根据预期功率pa与所记录电功率pm之间的相对误差来验证中断准则。
[0089]
如果注意到与数据相关联的误差的分布，该分布不允许检查固定的中断准则，则该方法的训练将不被认为是有效的，并且将有必要增加用于训练的操作数据g、t
mod
、α、ν、pm的数据集的数量。
[0090]
优选地，对于验证中断准则的每个分析，将有可能例如增加或减少功率矩阵a1和效率矩阵a2的行和列，也就是说，将有必要以如下方式浓缩和/或扩张各自的值范围：以便分析减少误差矩阵r的数据的相对误差的可能性。
[0091]
另一方面，如果中断准则被验证，则该方法的训练和上述计算预期功率pa和相对误差的步骤可以终止。具体地，当误差矩阵r的数据的固定百分比(通常是80％)具有小于定义中断准则的固定限制阈值的相对误差值时，这些步骤终止。在这种情况下，该方法将能够从操作数据集g、t
mod
、α、ν、pm开始提供预期电功率值pa，该预期电功率值例如80％的时间将以可靠且可信的方式预测由光伏发电厂100实际产生的电功率。
[0092]
换言之，在这种情况下，可以认为该方法的训练和功率矩阵a1和效率矩阵a2的填充完成，并且可以认为该方法对于实施光伏发电厂100的电功率预测是足够有效的。
[0093]
此时，该方法包括对由光伏发电厂100实时产生的电功率进行实际预测的步骤。
[0094]
更详细地，该方法包括实时采集光伏发电厂100的操作数据集g、t
mod
、α、ν、pm的步骤。
[0095]
该方法包括标识包含在由总太阳辐射值g和平均温度值t
mod
的区间所标识的功率矩阵a1的单元中的功率值p
a1
的步骤，该区间包含实时采集的平均总太阳辐射g和平均温度t
mod
的值。
[0096]
例如，如果所采集的操作数据集具有等于150kw的功率值pm、350w/m2的总太阳辐射值、等于25℃的平均温度值t
mod
、等于55
°
的太阳能高度值以及等于15
°
的太阳能方位角值ν，则在功率矩阵a1中所标识的功率值p
a1
将是具有由20-30℃的温度区间t
mod
和300-400w/m2的总太阳辐射g标识的坐标的功率值p
a1
。随后，该方法包括标识包含在由太阳高度值α和太阳方位角值ν的区间所标识的效率矩阵a2的单元中的效率值的步骤，该区间包含实时采集的太阳高度α和太阳方位角v的值。
[0097]
参照上述示例，包含在效率矩阵a2中的效率值将是从包含在50-60
°
范围内的α和包含在10-20
°
范围内的ν的区间中已经标识出的值。
[0098]
在标识出功率和效率矩阵a1、a2内的功率p
a1
和效率值之后，该方法包括将功率p
a1
和效率值值相乘以得到预期电功率值pa的步骤。
[0099]
优选地，为了增加预期电功率值pa的准确性，在功率矩阵a1中所标识的功率值p
a1
可以通过致动来自功率矩阵a1的与所标识的单元相邻的单元的双线性插值来外推。
[0100]
以相同的方式，效率矩阵a2中所标识的效率值可以通过致动来自效率矩阵a2的与所标识的单元相邻的单元的双线性插值来外推(图2a和2b)。
[0101]
更一般而言，可以通过实现包含在矩阵a1、a2中的值的宽范围的双线性插值方法
来获得功率值p
a1
和效率值
[0102]
有利地，该方法借助于矩阵来操作的事实使得易于理解并且快速实现。
[0103]
然后将获得的预期电功率pa的值与实时采集的对应电功率值pm(在上述示例中等于150w)进行比较。
[0104]
在这种情况下，该方法包括以下步骤：根据比较来标识光伏发电厂100的操作状态以及如果标识出表示光伏发电厂100的故障的操作状态则发送警报信号。
[0105]
有利地，使用能够表示光伏发电厂100在可能的最大性能条件下的操作的值来计算预期电功率值pa。这些值考虑了其中安装光伏发电厂100的环境特征的影响，例如像引起阴影的建筑物的高度和位置、模块10的串之间的几何形状和距离等。
[0106]
因此，功率p
a1
和效率值分别考虑了发电厂的性质以及在光伏发电厂100的所谓的“如建造的”条件下的固定阴影的效果。
[0107]
从该方法获得的预期电功率pa的值是能够反映光伏发电厂100在其以最大可能性能水平操作的条件下(即，在所构造的发电厂100的最大操作条件下和在其实际操作条件下)的操作的值。因此，在这种情况下，所获得的预期电功率值pa考虑了多种因素，诸如在其模块10上存在固定的阴影、模块10的位置、安装光伏发电厂100的地点等。
[0108]
由于根据本发明的方法的实现，有可能在计算预期功率pa时考虑影响光伏发电设备100的性能的各方面。
[0109]
换言之，通过将功率矩阵a1中的相应值与效率矩阵a2中的相应值相乘而获得的预期电功率pa的值考虑了光伏发电厂的所有方面(诸如位置、由于周围建筑物的阴影的存在、模块的定位等)，这些方面不断地并且重复地影响光伏电站的电功率pm的生产。
[0110]
根据本发明的另一方面，该发电厂的处理单元20被配置成针对连接至光伏发电厂100的逆变器的每组模块10实现根据本发明的方法。
[0111]
有利地，由于上述方面，有可能监测和预测来自单组模块10的电功率输出，也就是说，有可能“划分”光伏发电厂100并且仅监测其一部分。
[0112]
本发明实现了消除现有技术的缺点的预设目的。
[0113]
特别地，该方法实际上容易且快速地实现，因为它不是基于人工智能系统，而是由简单矩阵的系统组成，该系统在不使用支付库的情况下用任何编程语言来实现。
[0114]
有利地，该方法能够考虑以下多个方面，这些方面以如下方式重复地影响可以由该发电厂产生的电功率：以便获得针对该发电厂的预期、准确并且可靠的电功率值。
[0115]
有利地，该方法快速且易于实现。
[0116]
有利地，该方法不要求特定软件和/或平台来操作，并且因此可以在云中的中央平台中实现。
[0117]
有利地，通过使用矩阵来实现该方法，因此相对于使用神经或人工智能网络的实现，该方法本身提供更简单且更即时的管理，即使同样是可靠的。
[0118]
有利地，该方法是完全自动化的，并且对于其操作不需要数据分析员，并且因此它适合在集中于云中的平台中实现。
[0119]
有利地，该方法在分析数据时是快速的并且能够在预测在来自该光伏发电厂的输出处的预期电功率时达到极高准确度。