44] 步骤S，计算每个工作日连续两采集点之间的溫度变化值ATw、湿度变化值ASw、 福照度变化值A Fw、W及当前采集点的光伏电站实测功率与预测功率差值APw;
[0045] 其实现方法为：
[0046] A Tn= T N I-Tn 2;
[0047] A Sn= S N I-Sn 2;
[0048] A Fn= F N I-Fn 2; 阳049] APn= Pc, N-Py, N;
[0050] N点是未来的时间点，N-I和N-2是已经发生的时间点，我们运里用前面两个时间 点的溫度、湿度、福照度的变化规律来衡量未来时间点的变化规律；
[0051] 其中A Tw为工作日第N个采集点的溫度变化值，A S W为工作日第N个采集点的湿 度变化值，AFw为工作日第N个采集点的福照度变化值，APw为工作日第N个采集点的实 测功率与预测功率差值，P。^为工作日第N个采集点的光伏电站实测功率，Py,W为工作日第 N个采集点的光伏电站预测功率，N为工作日的第N个采集点，早晨6点为第一个采集点，此 时N为1，下午6点为最后一个采集点，此时N为48,每个工作日连续两采集点之间的溫度 变化值A町、湿度变化值A或、福照度变化值A Fw均为46个；
[0052] 步骤四，按月计算每数据集合连续两采集点的溫度影响系数Ktw、湿度影响系数 KSn、福照度影响系数KfN;
[0053] 第N个采集点的光伏电站实测功率与预测功率差值A Pw为：
[0054] A馬二 也+ ASww .&W.M + Ai古，M ?嫁; 阳化5] 对于光伏电站的历史发电数据，上述APw的算式存在3个未知数，即Ktw,M、 Ksw,m、Kfw,M，需要3组数据可W求出Ktw,M、Ksw,m、Kfw,M，但在数据集合中对应某种日类型存 在6组工作日数据（每月4种日类型，每种日类型平均对应6个工作日），故可W得到
种解，具体来说，对于溫度影响系数KV具有Ktwj个解，B是1到20的 数，对于湿度影响系数Ksw，具有Ksw,e个解，B是1到20的数，对于福照度影响系数Kf W，具 有Kfw,B个解，B是1到20的数；于是，
[0056] 某日类型下的第N采集点的溫度影响系数Ktw为：
[005引某日类型下的第N采集点的湿度影响系数Ksw为：
W60] 某日类型下的第N采集点的福照度影响系数Kfw为：
[0062] 步骤五，对光伏电站预测功率进行修正，其方法为：
[0063] Px, N = P y, N+ A Tn ? Ktw+ A Sn ? Ksn+ A Fn ? KfN
[0064] 其中，Px,w为工作日第N个采集点的光伏电站预测功率修正值，P y,W为工作日第N 个采集点的光伏电站预测功率，ATN、KtN、ASn、Ksn、AFN、KfN同上； 阳0化]上述求解某月某种日类型的超短时功率预测修正方法，按其同样方法可W应用于 某月其它3种日类型的超短时功率预测修正方法，也同理可W应用于其它月的4种不同日 类型超短时功率预测修正方法。
[0066] 本实施例中，光伏电站预测功率通过现有的光伏电站功率预测系统得到。本实施 例一种光伏电站超短时功率预测修正方法，引入了溫度变化量、福照度变化量、W及湿度变 化量运些气象参数用来衡量实时天气变化，也即把时时的气象变化因素考虑进来，才能有 效了解当前具体的溫度、福照度、湿度的变化情况，来准确分析当前的气象变化规律，通过 当前的气象变化规律更加准确地纠正下一个时间点的功率预测结果，该功率修正方法可W 更加准确地衡量某种日类型下天气变化对光伏电站发电功率的影响，从而对原有功率预测 模型的光伏电站预测功率加 W修正，W提高光伏电站超短时功率预测的准确性。
[0067] 图2为采用本发明得到的光伏电站预测功率修正值曲线图W及光伏电站实测功 率曲线图，图中1为光伏电站预测功率修正值曲线，2为光伏电站实测功率曲线；图3为本 发明的溫度、湿度、福照度的日变化曲线图，图中3为溫度日变化曲线，4为归一化的福照度 变化曲线，5为湿度日变化曲线。
[0068] W上所述仅为本发明的较佳实施例，并不用W限制本发明，凡在本发明的精神和 原则之内所作的修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种光伏电站超短时功率预测修正方法，其特征在于，包括W下步骤： 步骤一，对光伏电站历史数据按月建立4种日类型集合； 光伏电站历史数据按月建立4种日类型集合，其具体实施方法为同周期历史气象 参数及光伏发电功率为主要参数依据，按月建立数据集合，每月同日类型的光伏电站的气 象变化和发电功率具有相似性； 4种日类型集合为A、B、C、D四种，其中A类日类型为晴、晴间多云、多云间晴天气，B类 日类型为阴、阴间多云、多云、多云间阴、雾天气，C类日类型为雨夹雪、小雨、冻雨、小到中 雨、阵雪、小雪、小到中雪阵雨、雷阵雨、雷阵雨伴有冰富天气，D类日类型为特大暴雨、中雪、 大雪、暴雪、大暴雨到特大暴雨、中雨、大雨、暴雨、大暴雨、中到大雪、大到暴雪、沙尘暴、中 到大雨、大到暴雨、雷雨到大暴雨天气； 步骤二，每数据集合选取每周6个工作日的光伏电站历史数据，共建立每月24组工作 日数据，其中每组工作日的光伏电站历史数据至少包括溫度T、湿度S、福照度F、光伏电站 实测功率P。、W及功率预测系统的光伏电站预测功率Py，每组工作日的光伏电站历史数据 从早晨6点到下午6点之间采集，光伏电站历史数据的采集分辨率为15分钟； 步骤Ξ，计算每个工作日连续两采集点之间的溫度变化值ATw、湿度变化值ASw、福照 度变化值A Fw、W及当前采集点的光伏电站实测功率与预测功率差值ΔΡκ; 其实现方法为： ΔΤν= Τν ι-Τν2; A Sn= S Ν 1-Sn 2; AFn=Fni_Fn2; A Pn 二 P e,厂 Py,N; N点是未来的时间点，N-1和N-2是已经发生的时间点，我们运里用前面两个时间点的 溫度、湿度、福照度的变化规律来衡量未来时间点的变化规律； 其中ATw为工作日第N个采集点的溫度变化值，ASw为工作日第N个采集点的湿度变 化值，A Fw为工作日第N个采集点的福照度变化值，ΔΡ,为工作日第N个采集点的实测功 率与预测功率差值，Ρ。^为工作日第Ν个采集点的光伏电站实测功率，为工作日第Ν个 采集点的光伏电站预测功率，N为工作日的第N个采集点，早晨6点为第一个采集点，此时N 为1，下午6点为最后一个采集点，此时N为48,每个工作日连续两采集点之间的溫度变化 值A町、湿度变化值Δ或、福照度变化值Δ Fw均为46个； 步骤四，按月计算每数据集合连续两采集点的溫度影响系数Ktw、湿度影响系数Ksw、福 照度影响系数Kfw; 第N个采集点的光伏电站实测功率与预测功率差值ΔΡ,为： Δ Ρν= Δ Τ ν,μ · KtN,M+ Δ Sn,m · KSn,m+ Δ Fn,m · KfN,M; 对于光伏电站的历史发电数据，上述APw的算式存在3个未知数，即Kt 需要3组数据可W求出Ktw,Μ、KSw,Μ、Kfw,Μ，但在数据集合中对应每种日类型存在6组工作日 数据，故可W得質种解，具体来说，对于溫度影响系数Ktw，具有Ktw,e个 解，B是1到20的数，对于湿度影响系数Ksw，具有Ksw,e个解，B是1到20的数，对于福照度 影响系数Kfw，具有个解，B是1到20的数；于是， 某日类型下的第N采集点的溫度影响系数Ktw为：某日类型下的第N采集点的湿度影响系数Ksw为：某日类型下的第N采集点的福照度影响系数Kfw为：〇. 女 步骤五，对光伏电站预测功率进行修正，其方法为： Ρχ,Ν= Ρυ,ν+ΔΤν · KtN+ASw · KSn+AFn · Kfw 其中，Piw为工作日第N个采集点的光伏电站预测功率修正值，Py,历工作日第N个采 集点的光伏电站预测功率，ATw、Ktw、ASw、Ksw、AFw、Kfw同上； 上述求解某月某种日类型的超短时功率预测修正方法，按其同样方法可W应用于某月 其它3种日类型的超短时功率预测修正方法，也同理可W应用于其它月的4种不同日类型 超短时功率预测修正方法。
【专利摘要】本发明公开了一种光伏电站超短时功率预测修正方法，包括以下步骤：步骤一，对光伏电站历史数据按月建立4种日类型集合；步骤二，每数据集合选取每周6个工作日的光伏电站历史数据；步骤三，计算每个工作日连续两采集点之间的温度变化值ΔTN、湿度变化值ΔSN、辐照度变化值ΔFN、以及当前采集点的光伏电站实测功率与预测功率差值ΔPN；步骤四，按月计算每数据集合连续两采集点的温度影响系数KtN、湿度影响系数KsN、辐照度影响系数KfN；步骤五，对光伏电站预测功率进行修正。本发明引入了温度变化量、辐照度变化量、以及湿度变化量这些气象参数用来衡量实时天气变化，对原有功率预测模型的光伏电站预测功率值加以修正。
【IPC分类】G06Q50/06, G06Q10/04
【公开号】CN105701556
【申请号】CN201510745368
【发明人】廖东进, 黄云龙, 刘晓龙, 方晓敏, 黄志平
【申请人】衢州职业技术学院
【公开日】2016年6月22日
【申请日】2015年11月5日