基于相似日分析的光伏電站發(fā)電量預(yù)測方法及預(yù)測系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于光伏發(fā)電量預(yù)測領(lǐng)域，尤其設(shè)及一種基于相似日分析的光伏電站發(fā)電 量預(yù)測方法及預(yù)測系統(tǒng)。
【背景技術(shù)】
[0002] 光伏發(fā)電W清潔高效的優(yōu)點在新能源利用中占據(jù)越來越重要的地位。我國在光伏 發(fā)電技術(shù)的應(yīng)用與推廣上也出臺了許多政策，年累計新增光伏裝機增長迅速，然而多數(shù)企 業(yè)立足于光伏電站發(fā)電功能的實現(xiàn)，對系統(tǒng)運維監(jiān)測的研究尚存在不足。光伏電站發(fā)電量 與其所在地的環(huán)境因素有很大關(guān)系（如福照量、氣溫、空氣質(zhì)量、天氣類型等），結(jié)合各環(huán)境 信息對光伏系統(tǒng)發(fā)電量進行預(yù)測是現(xiàn)階段研究較少的領(lǐng)域，而對發(fā)電量的預(yù)測是實現(xiàn)企業(yè) 電網(wǎng)調(diào)度和生產(chǎn)調(diào)整的關(guān)鍵和前提，是企業(yè)實現(xiàn)效益最大化的重要途徑，也是光伏發(fā)電領(lǐng) 域中急需解決的一大問題。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是提供一種基于相似日分析的光伏電站發(fā)電量的預(yù)測方法及預(yù)測 系統(tǒng)，W實現(xiàn)對光伏電站發(fā)電量的預(yù)測，為企業(yè)光伏生產(chǎn)的評估和調(diào)度提供參考。
[0004] 為了解決上述技術(shù)問題，本發(fā)明提供了一種基于相似日分析的光伏電站發(fā)電量的 預(yù)測方法，包括如下步驟：
[0005] 步驟S1，收集光伏電站所在地的與日期相對應(yīng)的歷史環(huán)境信息、歷史發(fā)電量數(shù)據(jù)； 步驟S2,對預(yù)知的環(huán)境因素及歷史環(huán)境信息中確定的各歷史環(huán)境因素分別進行數(shù)值化處 理;步驟S3，再根據(jù)數(shù)值化處理后的數(shù)據(jù)及歷史發(fā)電量數(shù)據(jù)建立相似日處理模型；W及步驟 S4，通過相似日處理模型進行發(fā)電量預(yù)測。
[0006] 進一步，所述預(yù)知的環(huán)境因素及各歷史環(huán)境因素均包括為光伏電站所對應(yīng)的福照 量指數(shù)、天氣類型指數(shù)、環(huán)境溫度指數(shù)和空氣質(zhì)量指數(shù);其中
[0007] 所述天氣類型指數(shù)，其根據(jù)不同天氣狀況對福照量指數(shù)的影響程度模糊分為數(shù)值 1~7;
[000引所述空氣質(zhì)量指數(shù)，其選用PM2.5指數(shù)。
[0009] 進一步，所述步驟S3中根據(jù)數(shù)值化處理后的數(shù)據(jù)及歷史發(fā)電量數(shù)據(jù)建立相似日處 理模型的方法包括如下步驟：
[0010] 步驟S31，對歷史環(huán)境因素中相應(yīng)指數(shù)的數(shù)值進行多元回歸分析，并確定上述各指 數(shù)分別對歷史發(fā)電量數(shù)據(jù)的影響程度；
[0011] 步驟S32,根據(jù)預(yù)知的環(huán)境因數(shù)對歷史環(huán)境信息進行篩選，W獲取若干天的相似日 天數(shù)，及將該相似日天數(shù)所對應(yīng)的歷史發(fā)電量數(shù)據(jù)，作為所述相似日處理模型。
[0012] 進一步，所述步驟S31中對歷史環(huán)境因素中相應(yīng)指數(shù)的數(shù)值進行多元回歸分析，即 通過多元回歸分析確定各影響因子，
[0013] 取XI表示福照量指數(shù)，其影響因子為系數(shù)K1;
[0014] X2表示天氣類型指數(shù)，其影響因子為系數(shù)Κ2;
[0015] Χ3表示環(huán)境溫度指數(shù)，其影響因子為系數(shù)Κ3;
[0016] Χ4表示ΡΜ2.5指數(shù)，其影響因子為系數(shù)Κ4;
[0017] 進一步，所述步驟S31中確定上述各指數(shù)分別對歷史發(fā)電量數(shù)據(jù)的影響程度，即通 過各影響因子得出對光伏電站發(fā)電量的影響程度，其方法包括:對各影響因子的絕對值進 行排序，W確定各環(huán)境因素對歷史發(fā)電量數(shù)據(jù)的影響程度;針對發(fā)電量的影響程度由高到 低排序分別是福照量指數(shù)〉天氣類型指數(shù)〉環(huán)境溫度指數(shù)〉空氣質(zhì)量指數(shù)；即將各影響因子 絕對值排序為 |Κ1|〉|Κ2|〉|Κ3|〉|Κ4|。
[0018] 進一步，所述步驟S32中根據(jù)預(yù)知的環(huán)境因數(shù)對歷史環(huán)境信息進行篩選，W獲取若 干天的相似日天數(shù)的方法包括：由預(yù)知的環(huán)境因素確定各影響因素的預(yù)知信息，并根據(jù)預(yù) 知的環(huán)境因素對歷史環(huán)境信息逐一篩選;即先篩選影響程度大的因素，即福照量指數(shù)，再依 次篩選天氣類型指數(shù)、環(huán)境溫度指數(shù)、空氣質(zhì)量指數(shù)，并調(diào)節(jié)各篩選范圍，W篩選出相應(yīng)相 似日天數(shù)，設(shè)定從第1天到第η天的相似日對應(yīng)的歷史發(fā)電量數(shù)據(jù)分別Ε1、Ε2、Ε3……化。
[0019] 進一步，所述步驟S4中通過相似日處理模型進行發(fā)電量預(yù)測的方法包括：
[0020] 上述相似日發(fā)電量數(shù)據(jù)作平均處理，W作為對應(yīng)預(yù)知時間發(fā)電量Ε的預(yù)測均值，即 Ε=化 1+Ε2 巧 3+……巧 η)/η。
[0021] 又一方面，本發(fā)明還提供了一種基于相似日分析的光伏電站發(fā)電量的預(yù)測系統(tǒng)， 包括：
[0022] 數(shù)據(jù)采集模塊，收集光伏電站所在地的與日期相對應(yīng)的歷史環(huán)境信息、歷史發(fā)電 量數(shù)據(jù)；
[0023] 與數(shù)據(jù)采集模塊相連的數(shù)值化模塊，其適于對預(yù)知的環(huán)境因素及歷史環(huán)境信息中 確定的各歷史環(huán)境因素分別進行數(shù)值化處理；
[0024] 與數(shù)值化模塊相連的模型建立模塊，其適于根據(jù)數(shù)值化處理后的數(shù)據(jù)及歷史發(fā)電 量數(shù)據(jù)建立相似日處理模型；W及
[0025] 與模型建立模塊相連的輸出模塊，其適于通過相似日處理模型進行發(fā)電量預(yù)測。
[0026] 進一步，所述預(yù)知的環(huán)境因素及各歷史環(huán)境因素均包括為光伏電站所對應(yīng)的福照 量指數(shù)、天氣類型指數(shù)、環(huán)境溫度指數(shù)和空氣質(zhì)量指數(shù);其中
[0027] 所述天氣類型指數(shù)，其根據(jù)不同天氣狀況對福照量指數(shù)的影響程度模糊分為數(shù)值 1~7;
[002引所述空氣質(zhì)量指數(shù)，其選用ΡΜ2.5指數(shù)。
[0029] 進一步，所述模型建立模塊中根據(jù)數(shù)值化處理后的數(shù)據(jù)及歷史發(fā)電量數(shù)據(jù)建立相 似日處理模型，即對歷史環(huán)境因素中相應(yīng)指數(shù)的數(shù)值進行多元回歸分析，并確定上述各指 數(shù)分別對歷史發(fā)電量數(shù)據(jù)的影響程度；W及根據(jù)預(yù)知的環(huán)境因數(shù)對歷史環(huán)境信息進行篩 選，W獲取若干天的相似日天數(shù)，及將該相似日天數(shù)所對應(yīng)的歷史發(fā)電量數(shù)據(jù)，作為所述相 似日處理模型。
[0030] 本發(fā)明的有益效果是，本發(fā)明提供的基于相似日分析的光伏電站發(fā)電量的預(yù)測方 法及預(yù)測系統(tǒng)，根據(jù)光伏電站歷史發(fā)電量數(shù)據(jù)和天氣參數(shù)進行相似日分析，基于大數(shù)據(jù)分 析和多元回歸分析，尋求與各預(yù)知環(huán)境因素相近的各歷史環(huán)境信息，實現(xiàn)對光伏電站中短 期發(fā)電量的預(yù)測和評估，為光伏企業(yè)的生產(chǎn)和調(diào)度提供數(shù)據(jù)基礎(chǔ)；同時，本發(fā)明不需要額外 在光伏電站中增加專業(yè)的發(fā)電量預(yù)測裝置，成本低，應(yīng)用前景廣泛。
【附圖說明】
[0031] 下面結(jié)合附圖和實施例對本發(fā)明進一步說明。
[0032] 圖1是本發(fā)明的發(fā)電量的預(yù)測方法的流程圖。
【具體實施方式】
[0033] 現(xiàn)在結(jié)合附圖對本發(fā)明作進一步詳細的說明。運些附圖均為簡化的示意圖，僅W 示意方式說明本發(fā)明的基本結(jié)構(gòu)，因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。
[0034] 實施例1
[0035] 如圖1所示，本發(fā)明的一種基于相似日分析的光伏電站發(fā)電量的預(yù)測方法，其特征 在于，包括如下步驟：
[0036] 步驟S1，收集光伏電站所在地的與日期相對應(yīng)的歷史環(huán)境信息、歷史發(fā)電量數(shù)據(jù)；
[0037] 步驟S2,對預(yù)知的環(huán)境因素及歷史環(huán)境信息中確定的各歷史環(huán)境因素分別進行數(shù) 值化處理；
[0038] 步驟S3,再根據(jù)數(shù)值化處理后的數(shù)據(jù)及歷史發(fā)電量數(shù)據(jù)建立相似日處理模型；W 及
[0039] 步驟S4，通過相似日處理模型進行發(fā)電量預(yù)測。
[0040] 所述預(yù)知的環(huán)境因素通過天氣預(yù)報獲得。
[0041] 具體的，所述預(yù)知的環(huán)境因素及各歷史環(huán)境因素均包括為光伏電站所對應(yīng)的福照 量指數(shù)（即光伏電站中光伏系統(tǒng)所獲得的福照量）、天氣類型指數(shù)、環(huán)境溫度指數(shù)和空氣質(zhì) 量指數(shù);其中，所述天氣類型指數(shù)，其根據(jù)不同天氣狀況對福照量指數(shù)的影響程度模糊分為 數(shù)值1~7;所述空氣質(zhì)量指數(shù)，其選用PM2.5指數(shù)。
[0042] 具體的數(shù)值化處理對應(yīng)表如表1所示。
[0043] 表1天氣類型數(shù)值化對照表
[0044]
[0045] 優(yōu)選的，所述步驟S3中根據(jù)數(shù)值化處理后的數(shù)據(jù)及歷史發(fā)電量數(shù)據(jù)建立相似日處 理模型的方法包括如下步驟：
[0046] 步驟S31，在Matlab中對歷史環(huán)境因素中相應(yīng)指數(shù)的數(shù)值進行多元回歸分析，結(jié)合 Stepwise Regression模塊判斷上述各指數(shù)分別對歷史發(fā)電量數(shù)據(jù)的影響程度；
[0047] 步驟S32,根據(jù)預(yù)知的環(huán)境因數(shù)對歷史環(huán)境信息進行篩選，W獲取若干天的相似日 天數(shù)，及將該相似日天數(shù)所對應(yīng)的歷史發(fā)電量數(shù)據(jù)，作為所述相似日處理模型。
[0048] 所述步驟S31中對歷史環(huán)境因素中相應(yīng)指數(shù)的數(shù)值進行多元回歸分析，即
[0049] 通過多元回歸分析確定各影響因子，
[0050] 取XI表示福照量指數(shù)，其影響因子為系數(shù)K1;
[0051] X2表示天氣類型指數(shù)，其影響因子為系數(shù)K2;
[0052] X3表示環(huán)境溫度指數(shù)，其影響因子為系數(shù)K3;
[0053] X4表示PM2.5指數(shù)，其影響因子為系數(shù)K4;
[0054] 具體的，各影響因子K1~K4通過采集相應(yīng)歷史環(huán)境因素（例如一年的數(shù)據(jù)）由 Matlab中Stepwise Regression模塊進行求解。具體處理結(jié)果如表2所示。
[0055] 表2各環(huán)境因素處理方式對應(yīng)表
[0化6]
[0057]優(yōu)選的，所述步驟S31中確定上述各指數(shù)分別對歷史發(fā)電量數(shù)據(jù)的影響程度，即通 過各影響因子得出對光伏電站發(fā)電量的影響程度，其方法包括：
[005引結(jié)合Matlab中Stepwise Regression模塊對各影響因子的絕對值進行排序，W確 定各環(huán)境因素對歷史發(fā)電量數(shù)據(jù)的影響程度。
[0059] 針對發(fā)電量的影響程度由高到低排序分別是福照量指數(shù)〉天氣類型指數(shù)〉環(huán)境溫 度指數(shù)〉空氣質(zhì)量指數(shù);即
[0060] 將各影響因子絕對值排序為IK11〉IK2 I〉IK3 I〉IK4 I。
[0061] 所述步驟S32中根據(jù)預(yù)知的環(huán)境因數(shù)對歷史環(huán)境信息進行篩選，W獲取若干天的 相似日天數(shù)的方法包括：
[0062] 由預(yù)知的環(huán)境因素確定各影響因素的預(yù)知信息，并根據(jù)預(yù)知的環(huán)境因素對歷史環(huán) 境信息逐一篩選;即
[0063] 先篩選影響程度大的因素，即福照量指數(shù)，再依次篩選天氣類型指數(shù)、環(huán)境溫度指 數(shù)、空氣質(zhì)量指數(shù)，并調(diào)節(jié)各篩選范圍，W篩選出相應(yīng)相似日天數(shù)，設(shè)定從第1天到第η天的 相似日對應(yīng)的歷史發(fā)電量數(shù)據(jù)分別Ε1