基于相似日分析的光伏电站发电量预测方法及预测系统的制作方法
【技术领域】
[0001] 本发明属于光伏发电量预测领域，尤其设及一种基于相似日分析的光伏电站发电 量预测方法及预测系统。
【背景技术】
[0002] 光伏发电W清洁高效的优点在新能源利用中占据越来越重要的地位。我国在光伏 发电技术的应用与推广上也出台了许多政策，年累计新增光伏装机增长迅速，然而多数企 业立足于光伏电站发电功能的实现，对系统运维监测的研究尚存在不足。光伏电站发电量 与其所在地的环境因素有很大关系（如福照量、气溫、空气质量、天气类型等），结合各环境 信息对光伏系统发电量进行预测是现阶段研究较少的领域，而对发电量的预测是实现企业 电网调度和生产调整的关键和前提，是企业实现效益最大化的重要途径，也是光伏发电领 域中急需解决的一大问题。
【发明内容】
[0003] 本发明的目的是提供一种基于相似日分析的光伏电站发电量的预测方法及预测 系统，W实现对光伏电站发电量的预测，为企业光伏生产的评估和调度提供参考。
[0004] 为了解决上述技术问题，本发明提供了一种基于相似日分析的光伏电站发电量的 预测方法，包括如下步骤：
[0005] 步骤S1，收集光伏电站所在地的与日期相对应的历史环境信息、历史发电量数据； 步骤S2,对预知的环境因素及历史环境信息中确定的各历史环境因素分别进行数值化处 理;步骤S3，再根据数值化处理后的数据及历史发电量数据建立相似日处理模型；W及步骤 S4，通过相似日处理模型进行发电量预测。
[0006] 进一步，所述预知的环境因素及各历史环境因素均包括为光伏电站所对应的福照 量指数、天气类型指数、环境溫度指数和空气质量指数;其中
[0007] 所述天气类型指数，其根据不同天气状况对福照量指数的影响程度模糊分为数值 1~7;
[000引所述空气质量指数，其选用PM2.5指数。
[0009] 进一步，所述步骤S3中根据数值化处理后的数据及历史发电量数据建立相似日处 理模型的方法包括如下步骤：
[0010] 步骤S31，对历史环境因素中相应指数的数值进行多元回归分析，并确定上述各指 数分别对历史发电量数据的影响程度；
[0011] 步骤S32,根据预知的环境因数对历史环境信息进行筛选，W获取若干天的相似日 天数，及将该相似日天数所对应的历史发电量数据，作为所述相似日处理模型。
[0012] 进一步，所述步骤S31中对历史环境因素中相应指数的数值进行多元回归分析，即 通过多元回归分析确定各影响因子，
[0013] 取XI表示福照量指数，其影响因子为系数K1;
[0014] X2表示天气类型指数，其影响因子为系数Κ2;
[0015] Χ3表示环境溫度指数，其影响因子为系数Κ3;
[0016] Χ4表示ΡΜ2.5指数，其影响因子为系数Κ4;
[0017] 进一步，所述步骤S31中确定上述各指数分别对历史发电量数据的影响程度，即通 过各影响因子得出对光伏电站发电量的影响程度，其方法包括:对各影响因子的绝对值进 行排序，W确定各环境因素对历史发电量数据的影响程度;针对发电量的影响程度由高到 低排序分别是福照量指数〉天气类型指数〉环境溫度指数〉空气质量指数；即将各影响因子 绝对值排序为 |Κ1|〉|Κ2|〉|Κ3|〉|Κ4|。
[0018] 进一步，所述步骤S32中根据预知的环境因数对历史环境信息进行筛选，W获取若 干天的相似日天数的方法包括：由预知的环境因素确定各影响因素的预知信息，并根据预 知的环境因素对历史环境信息逐一筛选;即先筛选影响程度大的因素，即福照量指数，再依 次筛选天气类型指数、环境溫度指数、空气质量指数，并调节各筛选范围，W筛选出相应相 似日天数，设定从第1天到第η天的相似日对应的历史发电量数据分别Ε1、Ε2、Ε3……化。
[0019] 进一步，所述步骤S4中通过相似日处理模型进行发电量预测的方法包括：
[0020] 上述相似日发电量数据作平均处理，W作为对应预知时间发电量Ε的预测均值，即 Ε=化 1+Ε2 巧 3+……巧 η)/η。
[0021] 又一方面，本发明还提供了一种基于相似日分析的光伏电站发电量的预测系统， 包括：
[0022] 数据采集模块，收集光伏电站所在地的与日期相对应的历史环境信息、历史发电 量数据；
[0023] 与数据采集模块相连的数值化模块，其适于对预知的环境因素及历史环境信息中 确定的各历史环境因素分别进行数值化处理；
[0024] 与数值化模块相连的模型建立模块，其适于根据数值化处理后的数据及历史发电 量数据建立相似日处理模型；W及
[0025] 与模型建立模块相连的输出模块，其适于通过相似日处理模型进行发电量预测。
[0026] 进一步，所述预知的环境因素及各历史环境因素均包括为光伏电站所对应的福照 量指数、天气类型指数、环境溫度指数和空气质量指数;其中
[0027] 所述天气类型指数，其根据不同天气状况对福照量指数的影响程度模糊分为数值 1~7;
[002引所述空气质量指数，其选用ΡΜ2.5指数。
[0029] 进一步，所述模型建立模块中根据数值化处理后的数据及历史发电量数据建立相 似日处理模型，即对历史环境因素中相应指数的数值进行多元回归分析，并确定上述各指 数分别对历史发电量数据的影响程度；W及根据预知的环境因数对历史环境信息进行筛 选，W获取若干天的相似日天数，及将该相似日天数所对应的历史发电量数据，作为所述相 似日处理模型。
[0030] 本发明的有益效果是，本发明提供的基于相似日分析的光伏电站发电量的预测方 法及预测系统，根据光伏电站历史发电量数据和天气参数进行相似日分析，基于大数据分 析和多元回归分析，寻求与各预知环境因素相近的各历史环境信息，实现对光伏电站中短 期发电量的预测和评估，为光伏企业的生产和调度提供数据基础；同时，本发明不需要额外 在光伏电站中增加专业的发电量预测装置，成本低，应用前景广泛。
【附图说明】
[0031] 下面结合附图和实施例对本发明进一步说明。
[0032] 图1是本发明的发电量的预测方法的流程图。
【具体实施方式】
[0033] 现在结合附图对本发明作进一步详细的说明。运些附图均为简化的示意图，仅W 示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
[0034] 实施例1
[0035] 如图1所示，本发明的一种基于相似日分析的光伏电站发电量的预测方法，其特征 在于，包括如下步骤：
[0036] 步骤S1，收集光伏电站所在地的与日期相对应的历史环境信息、历史发电量数据；
[0037] 步骤S2,对预知的环境因素及历史环境信息中确定的各历史环境因素分别进行数 值化处理；
[0038] 步骤S3,再根据数值化处理后的数据及历史发电量数据建立相似日处理模型；W 及
[0039] 步骤S4，通过相似日处理模型进行发电量预测。
[0040] 所述预知的环境因素通过天气预报获得。
[0041] 具体的，所述预知的环境因素及各历史环境因素均包括为光伏电站所对应的福照 量指数（即光伏电站中光伏系统所获得的福照量）、天气类型指数、环境溫度指数和空气质 量指数;其中，所述天气类型指数，其根据不同天气状况对福照量指数的影响程度模糊分为 数值1~7;所述空气质量指数，其选用PM2.5指数。
[0042] 具体的数值化处理对应表如表1所示。
[0043] 表1天气类型数值化对照表
[0044]
[0045] 优选的，所述步骤S3中根据数值化处理后的数据及历史发电量数据建立相似日处 理模型的方法包括如下步骤：
[0046] 步骤S31，在Matlab中对历史环境因素中相应指数的数值进行多元回归分析，结合 Stepwise Regression模块判断上述各指数分别对历史发电量数据的影响程度；
[0047] 步骤S32,根据预知的环境因数对历史环境信息进行筛选，W获取若干天的相似日 天数，及将该相似日天数所对应的历史发电量数据，作为所述相似日处理模型。
[0048] 所述步骤S31中对历史环境因素中相应指数的数值进行多元回归分析，即
[0049] 通过多元回归分析确定各影响因子，
[0050] 取XI表示福照量指数，其影响因子为系数K1;
[0051] X2表示天气类型指数，其影响因子为系数K2;
[0052] X3表示环境溫度指数，其影响因子为系数K3;
[0053] X4表示PM2.5指数，其影响因子为系数K4;
[0054] 具体的，各影响因子K1~K4通过采集相应历史环境因素（例如一年的数据）由 Matlab中Stepwise Regression模块进行求解。具体处理结果如表2所示。
[0055] 表2各环境因素处理方式对应表
[0化6]
[0057]优选的，所述步骤S31中确定上述各指数分别对历史发电量数据的影响程度，即通 过各影响因子得出对光伏电站发电量的影响程度，其方法包括：
[005引结合Matlab中Stepwise Regression模块对各影响因子的绝对值进行排序，W确 定各环境因素对历史发电量数据的影响程度。
[0059] 针对发电量的影响程度由高到低排序分别是福照量指数〉天气类型指数〉环境溫 度指数〉空气质量指数;即
[0060] 将各影响因子绝对值排序为IK11〉IK2 I〉IK3 I〉IK4 I。
[0061] 所述步骤S32中根据预知的环境因数对历史环境信息进行筛选，W获取若干天的 相似日天数的方法包括：
[0062] 由预知的环境因素确定各影响因素的预知信息，并根据预知的环境因素对历史环 境信息逐一筛选;即
[0063] 先筛选影响程度大的因素，即福照量指数，再依次筛选天气类型指数、环境溫度指 数、空气质量指数，并调节各筛选范围，W筛选出相应相似日天数，设定从第1天到第η天的 相似日对应的历史发电量数据分别Ε1