基于多因子的光伏电站中长期发电量预测方法与流程

本发明涉及光伏电站发电量预测技术领域，具体涉及一种基于多因子的光伏电站中长期发电量的预测方法。

背景技术：

随着光伏电站的大规模应用与投资，光伏电站前期规划和后期运维特别重要，现在算法都比较复杂，操作性不够，没有一种简单的小工具，让投资者时刻能掌握光伏电站的发电量或者收益，引起投资者对未来收益的担忧，收益重要因素就是发电量，光伏电站发电量计算在光伏电站规划设计阶段和建成之后有着不同的方法，如何建立一种计算简单，高效稳定，预测准确的光伏电站发电量的预测方法，为光伏电站投资者预测需要及运行中的电站纠偏提供可靠参考，是当前急需解决的问题。

技术实现要素：

本发明的目的是为了克服现有的光伏电站发电量预测，比较复杂，操作性不够，准确性差，不能为光伏电站投资者预测需要及运行中的电站纠偏提供可靠参考的问题。本发明的基于多因子的光伏电站中长期发电量的预测方法，基于多因子电站中长期电量预测及构建方法，可用于电站投资规划、电站出力、电站监控等多个场景报表导出，可以用在不同地区的电站的电量预测，预测方法计算简单，高效稳定，具有很好的预测收益，还能够电站设计人员或者后期运维人员都可以做一个简单预测工具，帮助电站规划或者预警，具有良好的应用前景。

为了达到上述目的，本发明所采用的技术方案是：

一种基于多因子的光伏电站中长期发电量的预测方法，其特征在于：包括以下步骤，

步骤(A)，根据环境检测仪及气象站的数据，获取光伏电站所在区域的电站维度、倾斜角、历史日水平辐射量，同时选取当月天数、所在一年中日期序号、太阳常数、地面反射率；

步骤(B)，建立光伏电站的年斜面总辐射量与年散射辐射量、年反射辐射量、年直射辐照量的数学模型，计算出年斜面总辐射量I；

步骤(C)，根据多因素修正经验值和拟合关系模拟算法相结合的方法，计算出光伏电站的综合效率η；

步骤(D)，根据年斜面总辐射量I和综合效率η，计算出光伏电站的年有效小时数H；

步骤(E)，根据光伏电站的装机容量C和光伏电站的年有效小时数H，计算出首年发电量W₁；

步骤(F)，通过光伏组件的衰变率修正值、该光伏电站的首年发电量W₁，计算出该光伏电站的第n年发电量值Wn和该光伏电站25年的总发电量W。

前述的基于多因子的光伏电站中长期发电量的预测方法，其特征在于：步骤(A)所述电站维度，其根据光伏电站所在位置，根据GPS定位器测量的维度wd；所述倾斜角度是历史经验值x；所述历史日水平辐射量，借助NASA数据库获得光伏电站所在位置的日水平辐照量spf(i)；所述当月天数为选取当年的每月的天数d(i)；所在一年中日期序号为选取当年的天数序号n(i)；所述太阳常数S＝1.367；所述地面反射率a＝0.2，其中i为1，2，……12，在选取当年的12个月中各选择一天。

前述的基于多因子的光伏电站中长期发电量的预测方法，其特征在于：步骤(B)建立光伏电站的年斜面总辐射量与年散射辐射量、年反射辐射量、年直射辐照量的数学模型，计算出年斜面总辐射量I，包括以下步骤，

(B1)根据公式(1)，计算太阳赤纬角cwj，

cwj＝pi*23.45*sin(2*π*(284+n(i))/365)/180

(1)

其中，pi为圆周率；

(B2)根据公式(2)，计算太阳时间角sjj，

sjj＝acos(-tan(wd)*tan(cwj))

(2)

(B3)根据公式(3)，计算大气外辐照量dqw，

dqw＝24/π*S*(1+0.033*cos(2*π*n(i)/365))*(cos(wd)*cos(cwj)*sin(sjj)+sjj*sin(wd)*sin(cwj))

(3)

(B4)根据公式(4)，计算透射系数tsxs，

tsxs＝spf(i)/dqw (4)

(B5)根据公式(5)，计算水平散射辐照量sps，

sps＝spf(i)*(1-1.13*(tsxs)) (5)

(B6)根据公式(6)，计算水平直射辐照量spz，

spz＝spf(i)-sps (6)

(B7)根据公式(7)，计算倾斜面散射辐照量qxsf，

qxsf＝(1+cos(x))*sps/2 (7)

(B8)根据公式(8)，计算倾斜面反射辐照量qxff，

qxff＝(1-cos(x))*a*spf(i)/2 (8)(B9)根据公式(9)，计算最优时间角xsjj，

xsjj＝min((sjj),acos(-tan((wd)-x)*tan(cwj))) (9)(B10)根据公式(10)，计算倾斜面直射辐照量qxzf，

qxzf＝spz*(cos(wd-x)*cos(cwj)*sin(xsjj)+(xsjj)*sin(wd-x)*sin(cwj))/(cos(wd)*cos(cwj)*sin(sjj)+sjj*sin(wd)*sin(cwj))

(10)

(B11)根据公式(11)，计算年斜面总辐射量I，

I＝(qxsf+qxff+qxzf)*d(i) (11)。

前述的基于多因子的光伏电站中长期发电量的预测方法，其特征在于：步骤(C)根据多因素修正经验值和拟合关系模拟算法相结合的方法，计算出光伏电站的综合效率η，根据公式(12)得到，

η＝η₁*η₂*η₃*η₄*η₅*η₆*η₇ (12)

其中，η₁为光伏温度因子、η₂为灰尘损耗率折减因子、η₃为逆变器平均效率、η₄为光伏电站内的综合损耗系数、η₅为光伏电站内的机组可利用率、η₆为光伏组件组合利用率、η₇为可利用辐射量率。

前述的基于多因子的光伏电站中长期发电量的预测方法，其特征在于：步骤(D)，计算出光伏电站的年有效小时数H，根据公式(13)得到，

H＝I*η (13)

其中，I为年斜面总辐射量，η为光伏电站的综合效率。

前述的基于多因子的光伏电站中长期发电量的预测方法，其特征在于：步骤(E)，计算出首年发电量W₁，根据公式(14)得到，

W₁＝C*H (14)

其中，C为光伏电站的装机容量，η为光伏电站的年有效小时数H。

前述的基于多因子的光伏电站中长期发电量的预测方法，其特征在于：步骤(F)，计算出该光伏电站的第n年发电量值Wn，根据公式(15)得到，

Wn＝W₁*(1-(n-1)*K) (15)

其中，W₁为光伏电站的首年发电量，K为光伏组件的衰变率修正值，可为0.7％；

根据公式(16)，计算得到该光伏电站25年的总发电量W，

W＝W₁+W₂+……+Wn (16)

其中，n＝25。

本发明的有益效果是：本发明的基于多因子的光伏电站中长期发电量的预测方法，基于多因子电站中长期电量预测及构建方法，可用于电站投资规划、电站出力、电站监控等多个场景报表导出，可以用在不同地区的电站的电量预测，预测方法计算简单，高效稳定，具有很好的预测收益，还能够电站设计人员或者后期运维人员都可以做一个简单预测工具，帮助电站规划或者预警，本发明的预测方法适用于不同区域天气条件下，预测电站n年中每年电站发电量及多年电站总发电量，偏差率在5％-10％范围内，对投资者、国家电网等角色具有典型性意义，为规模化、大容量的光伏电站的建立提供技术依据和理论指导，同时确保电站及时预估偏差，评估合理，具有良好的应用前景。

附图说明

图1是本发明的基于多因子的光伏电站中长期发电量的预测方法的流程图。

图2是本发明实施例的因子分类的示意图。

图3是本发明可通过多因子建立关系封装成常态化的电量预测小工具的示意图。

具体实施方式

下面将结合说明书附图，对本发明作进一步的说明。

本发明的基于多因子的光伏电站中长期发电量的预测方法，如图1所示，包括以下步骤，

步骤(A)，根据环境检测仪及气象站的数据，获取光伏电站所在区域的电站维度、倾斜角、历史日水平辐射量，同时选取当月天数、所在一年中日期序号、太阳常数、地面反射率，所述电站维度，其根据光伏电站所在位置，根据GPS定位器测量的维度wd；所述倾斜角度是历史经验值x；所述历史日水平辐射量，借助NASA数据库获得光伏电站所在位置的日水平辐照量spf(i)；所述当月天数为选取当年的每月的天数d(i)；所在一年中日期序号为选取当年的天数序号n(i)；所述太阳常数S＝1.367；所述地面反射率a＝0.2，其中i为1，2，……12，在选取当年的12个月中各选择一天；

步骤(B)，建立光伏电站的年斜面总辐射量与年散射辐射量、年反射辐射量、年直射辐照量的数学模型，计算出年斜面总辐射量I，包括以下步骤，

(B1)根据公式(1)，计算太阳赤纬角cwj，

cwj＝pi*23.45*sin(2*π*(284+n(i))/365)/180

(1)

其中，pi为圆周率；

(B2)根据公式(2)，计算太阳时间角sjj，

sjj＝acos(-tan(wd)*tan(cwj))

(2)

(B3)根据公式(3)，计算大气外辐照量dqw，

dqw＝24/π*S*(1+0.033*cos(2*π*n(i)/365))*(cos(wd)*cos(cwj)*sin(sjj)+sjj*sin(wd)*sin(cwj))

(3)

(B4)根据公式(4)，计算透射系数tsxs，

tsxs＝spf(i)/dqw (4)

(B5)根据公式(5)，计算水平散射辐照量sps，

sps＝spf(i)*(1-1.13*(tsxs)) (5)

(B6)根据公式(6)，计算水平直射辐照量spz，

spz＝spf(i)-sps (6)

(B7)根据公式(7)，计算倾斜面散射辐照量qxsf，

qxsf＝(1+cos(x))*sps/2 (7)

(B8)根据公式(8)，计算倾斜面反射辐照量qxff，

qxff＝(1-cos(x))*a*spf(i)/2 (8)

(B9)根据公式(9)，计算最优时间角xsjj，

xsjj＝min((sjj),acos(-tan((wd)-x)*tan(cwj))) (9)(B10)根据公式(10)，计算倾斜面直射辐照量qxzf，

qxzf＝spz*(cos(wd-x)*cos(cwj)*sin(xsjj)+(xsjj)*sin(wd-x)*sin(cwj))/(cos(wd)*cos(cwj)*sin(sjj)+sjj*sin(wd)*sin(cwj))

(10)

(B11)根据公式(11)，计算年斜面总辐射量I，

I＝(qxsf+qxff+qxzf)*d(i) (11)；

步骤(C)，根据多因素修正经验值和拟合关系模拟算法相结合的方法，计算出光伏电站的综合效率η，根据公式(12)得到，

η＝η₁*η₂*η₃*η₄*η₅*η₆*η₇ (12)

其中，η₁为光伏温度因子、η₂为灰尘损耗率折减因子、η₃为逆变器平均效率、η₄为光伏电站内的综合损耗系数、η₅为光伏电站内的机组可利用率、η₆为光伏组件组合利用率、η₇为可利用辐射量率，η₁-η₇的具体介绍取值如下，

1)光伏温度因子η₁

根据晶硅电池片的温度特性，光伏电池的效率会随着其工作时的温度变化而变化，选用的是多晶硅太阳能组件，其温度系数为-0.41％/℃，即当电池片温度每上升1℃，电池片功率输出减少0.41％，结合本发明实施例的杭州气候状况，光伏温度因子η₁取95％；

2)光伏阵列的灰尘损耗折减因子η₂

经过试验，发现积灰量在0～0.7g/m²时，减少率从0迅速增加为7.4％；光伏方阵的输出功率迅速减小，当灰尘密度大于1g/m²时，减少率逐渐趋缓；直到灰尘密度达到4g/m²时，减少率增加到12.2％，对减少率与灰尘密度之间的关系进行了拟合，得出修正数学模型为

y＝3.291lnz+7.904(z≥0.132)

y＝-25.06z²+14.15z-0.001(0≤z＜0.132)

公式中，z为光伏方阵表面积灰的灰尘密度，单位g/m²；y为输出功率的减少率，单位％，为了验证分析的光伏方阵表面灰尘密度影响输出功率的程度公式，选取杭州、嘉兴、马鞍山等地区夏季和秋季典型周期的测试数据，以一段时间内的光伏组件灰尘数据为基础，将通过所述影响模型预测得出输出功率与实际功率数值进行对比，结合实际功率数据验证影响模型的可靠度，并对影响模型进行修订，灰尘损耗折减因子η₂选取97％为修正值；

3)逆变器平均效率η₃

本发明实施例选用逆变器额定工作效率为98.6％(华为逆变器),综合工作效率逆变器平均效率η₃取97％；

4)光伏电站内的综合损耗系数η₄

光伏电站内线缆以线损不超过2％为设计，综合损耗系数η₄取98％计(行业经验值)；

5)光伏电站内的机组可利用率η₅

虽然太阳能电池的故障率极低，但定期检修及电网故障依然造成一定损失，损失系数取1％，光伏电站内的机组可利用率η₅取99％(行业经验值)；

6)光伏组件组合利用率η₆

由于太阳能电池板差异性，在串联、并联使用中会造成电流、电压损失，本项目选用一线品牌组件，在组件一致性上能得到较好的控制，光伏组件组合利用率η₆取98％(行业经验值)；

7)可利用辐射量率η₇

当太阳辐射达到一定强度时逆变器方能启动工作，同时综合早晚太阳高度角低造成的组件阵列前后遮挡等因素，早晚不可利用辐射损失约5％，可利用辐射量率η₇取95％(行业经验值)；

步骤(D)，根据年斜面总辐射量I和综合效率η，计算出光伏电站的年有效小时数H，根据公式(13)得到，

H＝I*η (13)

其中，I为年斜面总辐射量，η为光伏电站的综合效率；

步骤(E)，根据光伏电站的装机容量C和光伏电站的年有效小时数H，计算出首年发电量W₁，根据公式(14)得到，

W₁＝C*H (14)

其中，C为光伏电站的装机容量，η为光伏电站的年有效小时数H；

步骤(F)，通过光伏组件的衰变率修正值、该光伏电站的首年发电量W₁，计算出该光伏电站的第n年发电量值Wn，根据公式(15)得到，

Wn＝W₁*(1-(n-1)*K) (15)

其中，W₁为光伏电站的首年发电量，K为光伏组件的衰变率修正值，可为0.7％；

根据公式(16)，计算得到该光伏电站25年的总发电量W，

W＝W₁+W₂+……+Wn (16)

其中，n＝25，可以根据需要选择不同数量的年份总和。

根据本发明的基于多因子的光伏电站中长期发电量的预测方法，下面介绍一具体实施例，如图2所示，获取随机指标和固定指标两类信息

随机指标指标电站的基本档案及所在地区的气象数据，包括采集电站所在区域的月平均辐射量、电站倾斜角、电站维度、电站组件品牌、逆变器品牌、汇流箱、电站容量及影响综合效率的各个因子的采集，其中，选取杭州电站的2015年情况，电站维度wd＝0.529，倾斜角x＝0.349，纬度和倾斜角要转换pi/180，历史日水平辐射量spf(i)＝[1.95 2.54 2.56 3.61 4.34 3.96 5.00 4.53 3.71 3.06 2.35 1.96]；

固定因子一般不随电站地理位置变化又受影响的指标，区域内区域一个常值的电站综合效率指标、太阳常数、地面反射率，固定因子：当月天数d(i)＝[31，28，31，30，31，30，31，31，30，31，30，31]；日期序号，n(i)＝[15，47，64，105，135，166，198，228，258，288，319，344]，取当年的12个月中各选择一天；太阳常数S＝1.367；地面反射率a＝0.2；i＝[1，2，3，4，5，6，7，8，9，10，11，12]，

η₁光伏温度因子η₁为95％、灰尘损耗率折减因子η₂为97％、逆变器平均效率η₃为97％、光伏电站内的综合损耗系数η₄为98％、光伏电站内的机组可利用率η₅为99％、光伏组件组合利用率η₆为98％、可利用辐射量率温度折减因子η₇为95％；

通过上述参数的确认，能够计算出光伏电站的综合效率η为80.7％，能够依次计算光伏电站的年有效小时数H、光伏电站的首年发电量W₁、光伏电站第n年发电量值Wn、光伏电站25年的总发电量W。

本发明的基于多因子的光伏电站中长期发电量的预测方法，如图3所示，能够通过多因子建立关系，通过编程或者简单EXCEL建立公式实现业务封装，实现常态化的电量预测小工具。

综上所示，本发明的基于多因子的光伏电站中长期发电量的预测方法，基于多因子电站中长期电量预测及构建方法，可用于电站投资规划、电站出力、电站监控等多个场景报表导出，可以用在不同地区的电站的电量预测，预测方法计算简单，高效稳定，具有很好的预测收益，还能够电站设计人员或者后期运维人员都可以做一个简单预测工具，帮助电站规划或者预警，本发明的预测方法适用于不同区域天气条件下，预测电站n年中每年电站发电量及多年电站总发电量，偏差率在5％-10％范围内，对投资者、国家电网等角色具有典型性意义，为规模化、大容量的光伏电站的建立提供技术依据和理论指导，同时确保电站及时预估偏差，评估合理，具有良好的应用前景。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。