一种基于微气象数据的分布式太阳能辐射预测方法及系统的制作方法
【专利摘要】本发明涉及一种基于微气象数据的分布式太阳能辐射预测方法，包括以下步骤：步骤S100，通过微气象采集装置采集和处理实时天气数据并对其进行存储，并将实时天气数据定时发送给数据服务中心，并在数据服务中心中形成历史天气数据；步骤S200，通过数据服务中心收集和处理未来的天气预报数据；步骤S300，将步骤S100中的历史天气数据进行归纳整理和多元回归数据分析，得出未来一年内每一旬的大气透过率和每个月的晴天、阴天和雨天对应的太阳日照率，再结合步骤S200中得到的未来天气预报数据，得出未来日的太阳辐射强度。本发明的一种基于微气象数据分布式的太阳能辐射预测方法，能够比较准确的预测出未来日的太阳能辐射强度。
【专利说明】一种基于微气象数据的分布式太阳能辐射预测方法及系统
【技术领域】
[0001]本发明涉及一种太阳能辐射预测方法及系统，具体的涉及一种基于微气象数据的分布式太阳能辐射预测方法及系统。
【背景技术】
[0002]全球分布式光伏发电站建设如火如荼，国内更是高歌猛进。伴随分布式光伏发电系统对配电网渗透率日益提升，其对配电网经济运行及电能质量所产生的负面影响越来越大，已成为迫切需要解决的问题。由于太阳能光伏发电输出功率具有不可调度、间歇性、随机波动性特征，目前，光伏发电功率预测技术在国内外仍处于探索、研究阶段，没有公认的成熟技术和产品，不能准确的预测太阳辐射的强度。
【发明内容】
[0003]本发明所要解决的技术问题是提供一种基于微气象数据的分布式太阳能辐射预测方法及系统，能够比较准确的预测出未来日的太阳能辐射强度。
[0004]本发明解决上述技术问题的技术方案如下:一种基于微气象数据的分布式太阳能辐射预测方法，包括以下步骤:
[0005]步骤S100，通过微气象采集装置采集和处理实时天气数据并对采集的实时天气数据进行存储，并将实时天气数据定时发送给数据服务中心，并在数据服务中心中形成过去一年的历史天气数据；
[0006]步骤S200，通过数据服务中心收集和处理未来天气预报数据；
[0007]步骤S300，将步骤SlOO中的历史天气数据进行归纳整理和多元回归数据分析，得出未来一年内每一旬的大气透过率和每个月的晴天、阴天和雨天对应的太阳日照率，再结合步骤S200中得到的未来天气预报数据，得出未来一年内预设日的太阳辐射强度。
[0008]在上述技术方案的基础上，本发明还可以做如下改进。
[0009]进一步，在所述步骤S300中，将步骤SlOO中的历史天气数据进行归纳整理和多元回归数据分析，得出未来一年内每一旬的大气透过率和每个月的晴天、阴天和雨天对应的太阳日照率的方法包括以下步骤，
[0010]步骤S301，将取得的历史天气数据按晴天、雨天、阴天这3种天气情况进行分类；
[0011]步骤S302，将经过分类的历史天气数据中的日照率根据历史天气数据中的大气湿度进行从小到大的排列；
[0012]步骤S303，分别对晴天、雨天、阴天中，根据历史天气数据中的大气湿度进行从小到大的排列的历史天气数据中的日照率通过最小二乘法计算原理进行多元回归处理，取得太阳日照率的计算公式，所述太阳日照率的计算公式为y = al*x~3+a2*x~2+a3*x+a4，其中，al、a2、a3和a4为通过多元回归算法得出来的太阳日照率计算公式的系数，x为未来天气预报数据中预设日的大气湿度减去历史天气数据中的最小湿度后除以5后的值，y为太阳日照率。[0013]进一步，在所述步骤S300中，结合步骤S200中的未来天气预报数据，得出未来一年内预设日的太阳辐射强度的方法为，
[0014]步骤S304，通过被太阳照射物件的安装角度、高度、方位和照射时间，以及大气透过率计算出单位时间内所对应的太阳日照量；
[0015]步骤S305，通过步骤S200中的未来天气预报数据中的大气湿度以及天气情况和步骤S300取得的对应的太阳日照率计算出未来一年内预设日的太阳辐射强度，所述未来一年内预设日的太阳辐射强度=倾斜面日照量*日照率+水平面日照量。
[0016]进一步，在所述步骤SlOO中，若所述微气象采集装置定时发送给数据服务中心的实时天气数据为正确的数据，则所述数据服务中心向微气象采集装置返回正确的数据接收指令后从微气象采集装置的数据库中清除数据服务中心定时提取的实时天气数据。
[0017]进一步，在所述步骤SlOO中，若所述微气象采集装置定时发送给数据服务中心的实时天气数据为空数据，则所述数据服务中心向所述微气象采集装置发送微气象装置运行状况确认信号，并判断微气象采集装置的运行情况和数据通信情况。
[0018]进一步，在所述步骤SlOO中，若所述微气象采集装置定时发送给数据服务中心的实时天气数据为错误数据，则所述数据服务中心向所述微气象采集装置发送自检请求，所述微气象采集装置接收到自检请求后，先对自身进行检查，然后把检查结果返回到所述数据服务中心。
[0019]进一步，通过微气象采集装置处理实时天气数据的过程包括分析、整理实时天气数据并剔除错误和不需要的实时天气数据，通过数据服务中心处理未来的天气预报数据的过程包括分析、整理未来的天气预报数据并剔除不需要的未来的天气预报数据。
[0020]进一步，还包括步骤S400，所述步骤S400为将所述未来一年内预设日的太阳能辐射预测结果和未来一年内预设日的实际天气数据进行精确度对比，并进行太阳日照率的计算公式中的固定值系数调整。
[0021]本发明的有益效果是:本发明的一种基于微气象数据分布式的太阳能辐射预测方法，能够比较准确的预测出未来日的太阳能辐射强度，对于有效降低储能成本、提高光伏发电电能质量及可调度性，对电网的友好性均具有重大现实意义。
[0022]基于上述一种基于微气象数据分布式的太阳能辐射预测方法，本发明还提供一种基于微气象数据分布式的太阳能辐射预测系统。
[0023]一种基于微气象数据的分布式太阳能辐射预测系统，包括微气象采集装置和数据服务中心，微气象采集装置与所述数据服务中心相连，
[0024]所述微气象采集装置用于采集和处理实时天气数据并对采集的实时天气数据进行存储，并将实时天气数据定时发送给数据服务中心；
[0025]所述数据服务中心将微气象采集装置传递过来的实时天气数据形成过去一年的历史天气数据，所述数据服务中心还用于从气象台收集和处理未来天气预报数据，所述数据服务中心还用于对历史天气数据进行归纳整理和多元回归数据分析，得出未来一年内每一旬的大气透过率和每个月的晴天、阴天和雨天对应的太阳日照率，并结合得到的未来天气预报数据，得出未来一年内预设日的太阳辐射强度。
[0026]进一步，所述太阳日照率的计算公式为y = al*x~3+a2*x~2+a3*x+a4,其中，al、a2、a3和a4为通过多元回归算法得出来的太阳日照率计算公式的系数，x为未来天气预报数据中预设时刻的大气湿度减去历史天气数据中的最小湿度后除以5后的值，y为太阳日照率；
[0027]所述太阳辐射强度=倾斜面日照量*日照率+水平面日照量。
【专利附图】
【附图说明】
[0028]图1为本发明一种基于微气象数据的分布式太阳能辐射预测方法流程图。
[0029]图2为本发明一种基于微气象数据的分布式太阳能辐射预测系统的结构框图。
【具体实施方式】
[0030]以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
[0031]如图1所示，本实施例为一种基于微气象数据的分布式太阳能辐射预测方法，包括以下内容，
[0032]S100，采集实时天气数据，进行数据分析整理、剔除错误和不需要的实时天气数据后存储在微气象采集装置中，并定时发送给数据服务中心，并在数据服务中心中形成历史天气数据；所述历史天气数据为过去一年的天气数据；从取得的实时天气数据里面剔除的数据为除日期，时间，天气情况，气温，降雨量，温度，湿度，日照时间，日射量以外的数据，然后修正这些保留下来的数据里面的微小错误数据，比如天气情况为雨，雪等但是降雨，降雪量为O的数据，这个数据归纳为阴天数据；初略的判断一下收集的数据剔除因为微气象采集装置问题造成的错误数据，如该时间点内收集的大部分数据为0，或者日照时间超过最大值等；最后把采集到的数据分为三类，并存放到数据库中，三类数据分别为，一、晴:特指当时天气情况为晴天；二、阴天:包含多阴天，阴；三、雨:为一、二以外的天气情况(包含阵雨，大雨，中雨，小雨，雪等所有降雨，降雪量大于O的数据)。
[0033]S200，收集未来的天气预报数据，并进行数据分析整理、剔除不必要的未来天气预报数据。
[0034]对未来天气预报数据进行整理，剔除气温，湿度，天气情况(晴，雨，多阴天等)以外的数据，并将收集到的数据分为三类，并存放到数据库中，三类数据分别为，一、晴:特指当时天气情况为晴天；二、阴天:包含多阴天，阴；三、雨:为一、二以外的天气情况(包含阵雨，大雨，中雨，小雨，雪等所有降雨，降雪量大于O的数据)。
[0035]S300，将SlOO中的历史天气数据进行归纳整理和多元回归数据分析，得出未来一年内每一旬的大气透过率和每个月的晴天、阴天和雨天对应的太阳日照率，再结合S200中得到的未来天气预报数据，得出未来一年内预设日的太阳辐射强度；将步骤SlOO中的历史天气数据进行归纳整理和多元回归数据分析，得出未来一年内每一旬的大气透过率和每个月的晴天、阴天和雨天对应的太阳日照率的方法包括以下步骤，
[0036]步骤S301，将取得的历史天气数据按晴天、雨天、阴天这3中天气情况进行分类；
[0037]步骤S302，将经过分类的历史天气数据中的日照率根据历史天气数据中的大气湿度进行从小到大的排列；
[0038]步骤S303，分别对晴天、雨天、阴天中，根据历史天气数据中的大气湿度进行从小到大的排列的历史天气数据中的日照率通过最小二乘法计算原理(最小二乘法是一种数学优化技术，通过最小化误差的平方和寻找数据的最佳函数匹配，利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。)进行多元回归处理(运算数据为历史天气数据的大气湿度和日照率)，取得一个3次多项式的计算公式y = al*x~3+a2*x~2+a3*x+a4,此计算公式即为太阳日照率计算公式,其中，al、a2、a3和a4为通过多元回归算法得出来的太阳日照率计算公式的系数，x为未来天气预报数据中预设日的大气湿度减去历史天气数据中的最小湿度后除以5后的值，y为太阳日照率。最小湿度的设定方法为:因为在用多元回归方法推算计算公式的过程中，首先对收集的数据进行分类，分为晴天数据，阴天数据以及雨天数据，然后根据数据里面的大气湿度进行从大到小进行排序，从第一个数据开始查找，取第一能被5整除的大气湿度，如果在所有的大气湿度数据中，小于等于第一个被5整除的大气湿度的数据的条数在10条或10条以上，则设定这个大气湿度为最小湿度，例如，第一个能被5整除数据的大气湿度为35，那么在所有大气湿度数据里，大气湿度数据小于等于35的数据在10条或者10条以上，设定这个大气湿度35为最小湿度，否则继续往下查找，直到第一个符合上述条件的数据出现，则设定该数据的大气湿度为最小湿度。X设定原因为:因为在进行多元回归计算的过程中，我们对于湿度的设定是一 5湿度单位为一个刻度，取5湿度单位里面日照率平均值为该单位最大湿度所对应的日照率来进行推理的，如:40湿度单位-45湿度单位的日照率平均值为0.725，则设定45湿度单位对应的日照率平均值为0.725然后进行多元回归计算。
[0039]结合数据服务中心中的未来天气预报数据，得出未来一年内预设日的太阳辐射强度的方法为:首先通过被太阳照射物件的安装角度、高度、方位和照射时间(以分钟为单位)，以及大气透过率计算出单位时间内所对应的太阳日照量(倾斜面日照量+水平面日照量，计算结果对应的日照率为I，这一模块在计算方法里面称为日照量计算模块)，然后通过数据服务中心中的天气预报数据中的大气湿度，以及天气情况(晴、雨、阴天)和步骤S300中取得的对应的太阳日照率计算出未来一年内预设日的太阳辐射强度，所述未来一年内预设日的太阳辐射强度=倾斜面日射量*日照率+水平面日射量。
[0040]步骤S400，将所述未来一年内预设日的太阳能辐射预测结果和未来一年内预设日的实际天气数据进行精确度对比，并进行太阳日照率的计算公式中的固定值系数调整。
[0041]在微气象采集装置定时发送给数据服务中心的实时天气数据的过程中，若所述微气象采集装置定时发送给数据服务中心的实时天气数据为正确的数据时，则所述数据服务中心向微气象采集装置返回正确的数据接收指令后从微气象采集装置的数据库中清除数据服务中心定时提取的实时天气数据。若所述微气象采集装置定时发送给数据服务中心的实时天气数据为空数据时，则所述数据服务中心向所述微气象采集装置发送微气象装置运行状况确认信号，并判断微气象采集装置的运行情况和数据通信情况。若所述微气象采集装置定时发送给数据服务中心的实时天气数据为错误数据时，则所述数据服务中心向所述微气象采集装置发送自检请求，所述微气象采集装置接收到自检请求后，先对自身进行检查，然后把检查结果返回到所述数据服务中心。
[0042]本实施例一种基于微气象数据的分布式太阳能辐射预测方法能够比较准确的预测出未来日的太阳能辐射强度，从而为分布式光伏发电控制系统提供决策依据，实现自适应功率调节与动态能量管理，对于有效降低储能成本、提高光伏发电电能质量及可调度性，对电网的友好性均具有重大现实意义。[0043]图2为本实施例一种基于微气象数据的分布式太阳能辐射预测系统的结构框图。一种基于微气象数据的分布式太阳能辐射预测系统，包括微气象采集装置和数据服务中心，所述微气象采集装置内设有微气象采集装置数据库，所述数据服务中心中设有数据服务中心数据库，微气象采集装置与所述数据服务中心相连，
[0044]所述微气象采集装置用于采集实时天气数据，进行数据分析整理、剔除错误和不需要的实时天气数据后存储在微气象采集装置数据库中，并定时从微气象采集装置数据库中提取实时天气数据发送给数据服务中心；
[0045]所述数据服务中心将微气象采集装置传递过来的实时天气数据存储在数据服务中心数据库中形成过去一年的历史天气数据，所述数据服务中心还用于从气象台收集未来的天气预报数据，并进行数据分析整理、剔除不必要的未来天气预报数据，所述数据服务中心还用于对数据服务中心数据库中的历史天气数据进行归纳整理和多元回归数据分析，得出未来一年内每一旬的大气透过率和每个月的晴天、阴天和雨天对应的太阳日照率，并结合得到的未来天气预报数据，得出未来一年内预设日的太阳辐射强度。所述太阳日照率的计算公式为Y = al*x~3+a2*x~2+a3*x+a4,其中，al、a2、a3和a4为通过多元回归算法得出来的太阳日照率计算公式的系数，X为未来天气预报数据中预设日的大气湿度减去历史天气数据中的最小湿度后除以5后的值，y为太阳日照率；所述未来一年内预设日的太阳辐射强度=倾斜面日照量*日照率+水平面日照量。
[0046]在数据服务中心中，对数据服务中心的数据库中的历史天气数据(历史天气数据为过去一年的天气数据)进行归纳整理和多元回归数据分析，得出未来一年内每一旬的大气透过率和每个月的晴天、阴天和雨天对应的太阳日照率的计算公式，并将得出未来一年内每一旬的大气透过率和每个月的晴天、阴天和雨天对应的太阳日照率的计算公式存储在数据服务中心的数据库中，所述数据服务中心再从数据服务中心的数据库中提取历史数据和未来一年内每一旬的大气透过率和每个月的晴天、阴天和雨天对应的太阳日照率的计算公式，再结合数据服务中心中得到的未来天气预报数据，得出未来日的太阳辐射强度；数据服务中心将天阳能辐射预测结果发送给用户。
[0047]在微气象采集装置定时发送给数据服务中心的实时天气数据的过程中，若所述微气象采集装置定时发送给数据服务中心的实时天气数据为正确的数据时，则所述数据服务中心向微气象采集装置返回正确的数据接收指令后从微气象采集装置的数据库中清除数据服务中心定时提取的实时天气数据。若所述微气象采集装置定时发送给数据服务中心的实时天气数据为空数据时，则所述数据服务中心向所述微气象采集装置发送微气象装置运行状况确认信号，并判断微气象采集装置的运行情况和数据通信情况。若所述微气象采集装置定时发送给数据服务中心的实时天气数据为错误数据时，则所述数据服务中心向所述微气象采集装置发送自检请求，所述微气象采集装置接收到自检请求后，先对自身进行检查，然后把检查结果返回到所述数据服务中心。在数据服务中心判断微气象采集装置出现问题后，会发送收集到的微气象装置的错误信息给数据监控管理人员，让维修人员对微气象采集装置进行维修或者更换。
[0048]以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【权利要求】
1.一种基于微气象数据的分布式太阳能辐射预测方法，其特征在于:包括以下步骤: 步骤S100，通过微气象采集装置采集和处理实时天气数据，并对采集的实时天气数据进行存储，将实时天气数据定时发送给数据服务中心，并在数据服务中心中形成过去一年的历史天气数据； 步骤S200，通过数据服务中心收集和处理未来天气预报数据； 步骤S300，将步骤SlOO中的历史天气数据进行归纳整理和多元回归数据分析，得出未来一年内每一旬的大气透过率和每个月的晴天、阴天和雨天对应的太阳日照率，再结合步骤S200中得到的未来天气预报数据，得出未来一年内预设日的太阳辐射强度。
2.根据权利要求1所述的一种基于微气象数据的分布式太阳能辐射预测方法，其特征在于:在所述步骤S300中，将步骤SlOO中的历史天气数据进行归纳整理和多元回归数据分析，得出未来一年内每一旬的大气透过率和每个月的晴天、阴天和雨天对应的太阳日照率的方法包括以下步骤， 步骤S301，将取得的历史天气数据按晴天、雨天、阴天这3种天气情况进行分类； 步骤S302，将经过分类的历史天气数据中的日照率根据历史天气数据中的大气湿度进行从小到大的排列； 步骤S303，分别对晴天、雨天、阴天中，根据历史天气数据中的大气湿度进行从小到大的排列的历史天气数据中的日照率通过最小二乘法计算原理进行多元回归处理，取得太阳日照率的计算公式，所述太阳日照率的计算公式为y = al*x~3+a2*x~2+a3*x+a4,其中，al、a2、a3和a4为通过多元回归算法得出来的太阳日照率计算公式的系数，x为未来天气预报数据中预设日的大气湿度减去历史天气数据中的最小湿度后除以5后的值，y为太阳日照率。
3.根据权利要求1所述的一种基于微气象数据的分布式太阳能辐射预测方法，其特征在于:在所述步骤S300中，结合步骤S200中的未来天气预报数据，得出未来一年内预设日的太阳辐射强度的方法为， 步骤S304，通过被太阳照射物件的安装角度、高度、方位和照射时间，以及大气透过率计算出单位时间内所对应的太阳日照量； 步骤S305，通过步骤S200中的未来天气预报数据中的大气湿度以及天气情况和步骤S300取得的对应的太阳日照率计算出未来一年内预设日的太阳辐射强度，所述未来一年内预设日的太阳辐射强度=倾斜面日照量*日照率+水平面日照量。
4.根据权利要求1至3任一项所述的一种基于微气象数据的分布式太阳能辐射预测方法，其特征在于:在所述步骤SlOO中，若所述微气象采集装置定时发送给数据服务中心的实时天气数据为正确的数据，则所述数据服务中心向微气象采集装置返回正确的数据接收指令后从微气象采集装置的数据库中清除数据服务中心定时提取的实时天气数据。
5.根据权利要求1至3任一项所述的一种基于微气象数据的分布式太阳能辐射预测方法，其特征在于:在所述步骤SlOO中，若所述微气象采集装置定时发送给数据服务中心的实时天气数据为空数据，则所述数据服务中心向所述微气象采集装置发送微气象装置运行状况确认信号，并判断微气象采集装置的运行情况和数据通信情况。
6.根据权利要求1至3任一项所述的一种基于微气象数据的分布式太阳能辐射预测方法，其特征在于:在所述步骤SlOO中，若所述微气象采集装置定时发送给数据服务中心的实时天气数据为错误数据，则所述数据服务中心向所述微气象采集装置发送自检请求，所述微气象采集装置接收到自检请求后，先对自身进行检查，然后把检查结果返回到所述数据服务中心。
7.根据权利要求1至3任一项所述的一种基于微气象数据的分布式太阳能辐射预测方法，其特征在于:通过微气象采集装置处理实时天气数据的过程包括分析、整理实时天气数据并剔除错误和不需要的实时天气数据，通过数据服务中心处理未来的天气预报数据的过程包括分析、整理未来的天气预报数据并剔除不需要的未来天气预报数据。
8.根据权利要求1至3任一项所述的一种基于微气象数据的分布式太阳能辐射预测方法，其特征在于:还包括步骤S400，所述步骤S400为将所述未来一年内预设日的太阳能辐射预测结果和未来一年内预设日的实际天气数据进行精确度对比，并进行太阳日照率的计算公式中的固定值系数调整。
9.一种基于微气象数据的分布式太阳能辐射预测系统，其特征在于:包括微气象采集装置和数据服务中心，微气象采集装置与所述数据服务中心相连， 所述微气象采集装置用于采集和处理实时天气数据并对采集的实时天气数据进行存储，并将实时天气数据定时发送给数据服务中心； 所述数据服务中心将微气象采集装置传递过来的实时天气数据形成过去一年的历史天气数据，所述数据服务中心还用于从气象台收集和处理未来天气预报数据，所述数据服务中心还用于对历史天气数据进行归纳整理和多元回归数据分析，得出未来一年内每一旬的大气透过率和每个月的晴天、阴天和雨天对应的太阳日照率，并结合得到的未来天气预报数据，得出未来一年内预设日的太阳辐射强度。
10.根据权利要求9所述的一种基于微气象数据的分布式太阳能辐射预测系统，其特征在于:所述太阳日照率的计算公式为Y = &1朽~3+32朽~2+33朽+34,其中，31、32、33和a4为通过多元回归算法得出来的太阳日照率计算公式的系数，X为未来天气预报数据中预设日的大气湿度减去历史天气数据中的最小湿度后除以5后的值，y为太阳日照率； 所述太阳辐射强度=倾斜面日照量*日照率+水平面日照量。
【文档编号】G06Q50/06GK103984991SQ201410197960
【公开日】2014年8月13日 申请日期:2014年5月12日 优先权日:2014年5月12日
【发明者】崔小武, 徐海波, 石自力, 李德华, 甘杰, 杨晗, 黄媛, 李麓, 刘伟, 尾崎哲男 申请人:武汉东日科技有限公司