一种光电转换模型的率定方法及系统与流程

本发明涉及太阳能利用领域，具体涉及一种光电转换模型的率定方法及系统。

背景技术：

新能源功率预测技术是新能源发电并网中不可或缺的支撑技术，在电网优化调度，发电计划制定，电站经济运行等发面都发挥着重要作用。其中，短期功率预测通常指未来72小时的新能源并网功率预测，有效的短期功率预测不仅可以为电力部门提供优化调度的决策支持，还便于电站合理安排维护与检修，不仅提高了间歇式新能源的竞争力，还提高了新能源发电的消纳水平。

目前，短期光伏发电预测主要有：先对辐射等气象要素进行预测，然后通过光电转换模型预测未来光伏输出功率。在该预测思路中，建立光电转换模型是光伏发电短期功率预测的重要环节，建立光电换模型通常基于历史实测辐射数据和功率数据，通过回归方法确定的。但是因为多方面因素导致光电转换模型的预测精度不高，如何提高通过光电转换模型进行光伏发电短期预测的精度具有重要意义。

技术实现要素：

为了解决现有技术中所存在的上述不足，本发明提供一种光电转换模型的率定方法及系统。通过光电转换模型进行光伏发电短期预测的过程中，历史实测数据质量对辐射功率转换影响较大，然而，一方面由于传感器质量，外部环境等因素的影响；另一方面，由于目前弃光问题严重，导致光伏电站历史积累数据中包含了许多受限功率数据；导致实测数据质量往往参差不齐，现有的光伏功率预测方法，大多依赖于历史数据建模，若不剔除历史数据的异常点，必然带来较大的预测误差，因此，有效地过滤异常数据点对提高光电转换模型的精度有突出性的改进。

本发明提供的技术方案是：一种光电转换模型的率定方法，包括：

基于获取的总辐射数据和功率数据得到建模数据集；

基于所述建模数据集和预设的参考值计算拟合优度值；

基于所述拟合优度值确定光电转换关系曲线。

优选的，所述基于所述建模数据集和预设的参考值计算拟合优度值，包括：

基于所述建模数据集采用最小二乘多项式拟合方法，得到辐射‐功率关系式；

将所述建模数据集中的总辐射数据和功率数据根据所述辐射‐功率关系式绘制辐射‐功率转换关系曲线；

基于所述绘制的辐射‐功率转换关系曲线计算拟合优度值；

根据数据离散程度预先设定参考值，当所述拟合优度值不小于预设的参考值时，则得到当前的拟合优度值；

否则，将所述绘制的辐射‐功率转换关系曲线中的各离散点根据预设条件进行筛选后，重新绘制辐射‐功率转换关系曲线；

基于所述重新绘制的辐射‐功率转换关系曲线计算拟合优度值；

基于所述拟合优度值和预设的参考值更新拟合优度值。

优选的，所述辐射‐功率关系式，如下式所示：

p(x)＝a0+a1x+...+amx^m

式中：x：总辐射数据；p(x)：功率数据；am：拟合多项式的第m项系数；x^m：拟合多项式的第m项。

优选的，所述将所述辐射‐功率转换关系曲线中的各离散点根据预设条件进行筛选后，重新绘制辐射‐功率转换关系曲线，包括：

计算所述辐射‐功率转换关系曲线中各离散点的实际功率与拟合功率值之间的相对误差；

筛除所有所述相对误差不满足预设条件的离散点后重新绘制辐射‐功率转换曲线。

优选的，所述基于所述拟合优度值和预设的参考值更新拟合优度值，包括：

当所述拟合优度值大于预设的参考值时，调整所述预设条件，继续绘制辐射‐功率转换关系曲线并计算拟合优度值；

当所述拟合优度值不小于预设的参考值时，结束循环，并更新拟合优度值。

优选的，所述拟合优度值按下式计算：

式中：r²：拟合优度值；yi：在辐射-功率转换关系曲线中第i个离散点；在辐射-功率转换关系曲线中离散点的均值；n：在辐射-功率转换关系曲线中离散点的个数；各离散点的拟合功率值。

优选的，所述基于获取的总辐射数据和功率数据得到建模数据集，包括：

对预先获取的总辐射数据和功率数据进行处理生成初始样本；

在所述初始样本中利用数据相关性按天分析辐射-功率相关系数；

从所述辐射-功率相关系数中筛选出不小于预设阈值的辐射‐功率相关系数；

筛选出的辐射‐功率相关系数所对应的数据，作为建模数据集。

优选的，所述对预先获取的总辐射数据和功率数据进行处理生成初始样本，包括：

剔除所述总辐射数据和功率数据中辐射为0而功率不为0、功率为0而辐射不为0、功率和辐射都为0、不规则数据和超出预设范围的数据，生成初始样本。

基于同一发明构思，本发明提供了一种光电转换模型的率定系统，包括：

数据集模块，用于基于获取的总辐射数据和功率数据得到建模数据集；

计算模块，用于基于所述建模数据集和预设的参考值计算拟合优度值；

确定模块，用于基于所述拟合优度值确定光电转换关系曲线。

优选的，所述计算模块包括：

第一计算单元，用于基于所述建模数据集采用最小二乘多项式拟合方法，得到辐射‐功率关系式；

初次绘制单元，用于将所述建模数据集中的总辐射数据和功率数据根据所述辐射‐功率关系式绘制辐射‐功率转换关系曲线；

第二计算单元，用于基于所述绘制的辐射‐功率转换关系曲线计算拟合优度值；

判断单元，用于根据数据离散程度预先设定参考值，当所述拟合优度值不小于预设的参考值时，则得到当前的拟合优度值；

重新绘制单元，用于将所述绘制的辐射‐功率转换关系曲线中的各离散点根据预设条件进行筛选后，重新绘制辐射‐功率转换关系曲线；

第三计算单元，用于基于所述重新绘制的辐射‐功率转换关系曲线计算拟合优度值；

更新单元，用于基于所述拟合优度值和预设的参考值更新拟合优度值。

与最接近的现有技术相比，本发明提供的技术方案具有以下有益效果：

本发明提供的技术方案，基于获取的总辐射数据和功率数据得到建模数据集；基于所述建模数据和预设的参考值计算拟合优度值；基于所述拟合优度值确定光电转换关系曲线，通过相关性分析进行数据优选以及通过拟合优度的检验进行异常点过滤，以达到较好的模型率定效果。

本发明提供的技术方案，适用于限电频繁的区域，消除限电数据对光电转换模型的影响，提高光伏短期预测精度。

本发明提供的技术方案，可以实现自动化处理，可操作性强，适用于光伏短期功率预测系统。

附图说明

图1为本发明中率定方法的总体流程图；

图2为本发明实施例中率定方法的详细流程图；

图3为本发明实施例中电站原始辐射-功率散点图；

图4为本发明实施例中相关性校验后辐射-功率关系图；

图5为本发明实施例中循环校验结果示意图；

图6为本发明实施例中预测结果比较示意图。

具体实施方式

为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。

实施例1

图1为本实施例中提供了一种光电转换模型的率定方法的总体流程图，包括：

步骤s1、基于获取的总辐射数据和功率数据得到建模数据集；

步骤s2、基于所述建模数据和预设的参考值计算拟合优度值；

步骤s3、基于所述拟合优度值确定光电转换关系曲线。

图2为本发明实施例中率定方法的详细流程图，以适用于光伏短期功率预测的光电转换模型的率定方法为例，具体步骤如下：

步骤1：提取光伏电站的气象观测数据以及历史功率数据，进行完整性检验，剔除缺测、不合理数据，作为初始样本；

其中，气象观测数据主要指历史总辐射数据，不合理数据包括以下几种：辐射为0而功率不为0，功率为0而辐射不为0，功率和辐射都为0，不规则的数据以及超出合理范围的数据。

步骤2：数据相关性分析，计算历史每日辐射-功率对应相关系数，筛选辐射-功率相关性较好的历史完整天数据作为步骤3的输入数据；

进一步，通过相关性分析进行数据优选，包括：选取历史完整一天的总辐射、功率数据，根据总辐射与光伏发电功率之间的强相关特性，计算完整天数据的辐射-功率相关系数r，按下式计算r；

式中：x表示总辐射数据，表示总辐射数据的平均值，y表示功率数据，表示功率数据的平均值。

根据需求和经验确定相关性判断标准rref，选取辐射-功率相关系数r大于等于参考值rref的完整天数据作为建模初选数据，将建模初选数据作为步骤3的输入数据。

步骤3：以步骤2所得到的输入数据，基于最小二乘多项式拟合方法进行辐射-功率转换关系初步绘制辐射-功率转换曲线，具体包括：

对输入数据进行第一次最小二乘多项式拟合，得到辐射-功率关系式：

p(x)＝a0+a1x+...+amx^m

式中：x表示总辐射数据，p(x)表示功率数据，am表示拟合多项式的第m项系数；x^m表示拟合多项式的第m项。

将输入数据中的总辐射数据和功率数据根据上述辐射-功率关系式初步绘制辐射-功率转换曲线。

基于绘制辐射-功率转换曲线计算拟合优度值；

根据数据离散程度预先设定参考值，当拟合优度值不小于预设的参考值时，则得到当前的拟合优度值；

否则，执行步骤(4)。

本实施例中最小二乘法拟合方法是通过最小化误差的平方和寻找最佳的函数匹配来反映自变量和应变量之间的函数关系。

假设函数y＝f(x)在点x1,...,xn处的函数值为y1,...,yn，则最小二乘多项式拟合方法的目的是求多项式p(x)＝a0+a1x+...+amx^m∈πm(m+1＜n)，使得误差平方和最小。

现设对aj求偏导，并令偏导数为0，可得到：

整理方程，得到：

求解该方程组即可得到a0,a1,......,am的值，最终得到最小二乘拟合多项式：

p(x)＝a0+a1x+...+amx^m。

步骤4：以上一次的曲线为基准，计算各离散点相对误差，筛除误差大值点，重新绘制辐射-功率关系曲线，并计算拟合优度值r²，包括：

利用输入数据中的辐射数据，计算各离散点实际功率与拟合功率值之间的相对误差δ；

根据离散点在拟合曲线两侧分布情况确定上界判断标准δup以及下界判断标准δdown；

若δi＞δup或者δi＜δdown，则筛除该点，在前一次的基础上重新拟合辐射功率关系曲线，δi表示第i个离散点的相对误差；

按下式计算拟合优度值r²：

式中：设yi为辐射-功率转换关系曲线中第i个离散点，其均值为n表示离散点的个数，表示各离散点的拟合功率值。

步骤5：拟合优度r²判断，若未达到预先设定的参考值，调整离散点相对误差判断标准，重复步骤4，若达到参考值，完成光电转换关系曲线率定，包括：

根据数据离散程度确定拟合优度的参考值计算拟合优度r²值，若结束循环，输出当前的拟合优度值，及对应的辐射-功率转换关系曲线；

否则，调整上界判断标准δup以及下界判断标准δdown，重复步骤4的异常点剔除方法，直到拟合优度达值到要求，输出辐射功率关系曲线。

最终，得到符合要求的光电转换模型。

实施例2

以新疆某光伏电站为例，读取新疆某光伏电站连续一个月的实测辐射、功率数据，在该地区限电频繁的情况下，以最小二乘多项式拟合辐射-功率关系曲线，得到数据散点及关系曲线如图3所示，

其中，辐射-功率关系式：p＝-2e-05x²+0.0297x-0.0327；

拟合优度：r²＝0.8232。

由图中数据可以看到，在辐照度较高的区段时，对应输出功率呈现散状分布，在率定辐射-功率转换关系时，必然导致曲线的偏移，引起后续预测精度下降。

下面采用本实施例中的率定方法对光电转换模型进行重新率定。

经过相关性校验，选择辐射-功率相关系数大于0.9的完整天数据，共筛选出9天符合相关性要求，重新率定辐射-功率转换关系，得到图4所示曲线，其中，辐射-功率关系式：p＝-1e-05x²+0.0323x-0.713；

拟合优度：r²＝0.8677

经过循环校验，剔除离散大值点，得到最终辐射-功率转换关系如图5所示，此时辐射-功率关系式：p＝-1e-05x²+0.0351x-0.9302；曲线拟合优度达到0.9429。

应用该转换曲线对未来2天进行预测，采用同一数值预报源数据，得到预测结果如图6所示。

预测结果表明，未修正光电转换模型的预测方法，整体预测结果偏低，且变化趋势与实测偏差较大，应用本方法可以有效修正光电转换模型，提高非限电时段的预测精度，且整体趋势与实测功率相符。

基于同一发明构思，本发明还提供了一种光电转换模型的率定系统，包括：

数据集模块，用于基于获取的总辐射数据和功率数据得到建模数据集；

计算模块，用于基于所述建模数据集和预设的参考值计算拟合优度值；

确定模块，用于基于所述拟合优度值确定光电转换关系曲线。

实施例中，所述计算模块包括：

第一计算单元，用于基于所述建模数据集采用最小二乘多项式拟合方法，得到辐射‐功率关系式；

初次绘制单元，用于将所述建模数据集中的总辐射数据和功率数据根据所述辐射‐功率关系式绘制辐射‐功率转换关系曲线；

第二计算单元，用于基于所述绘制的辐射‐功率转换关系曲线计算拟合优度值；

判断单元，用于根据数据离散程度预先设定参考值，当所述拟合优度值不小于预设的参考值时，则得到当前的拟合优度值；

重新绘制单元，用于将所述绘制的辐射‐功率转换关系曲线中的各离散点根据预设条件进行筛选后，重新绘制辐射‐功率转换关系曲线；

第三计算单元，用于基于所述重新绘制的辐射‐功率转换关系曲线计算拟合优度值；

更新单元，用于基于所述拟合优度值和预设的参考值更新拟合优度值。

实施例中，所述确定模块，包括：

第一确定单元，用于根据数据离散程度预先设定参考值，当所述拟合优度值不小于预设的参考值时，则结束循环，得到当前的拟合优度值；

第二确定单元，用于当所述拟合优度值大于预设的参考值时，调整所述预设条件，继续绘制辐射‐功率转换关系曲线并计算拟合优度值，直到所述拟合优度值不小于预设的参考值。

实施例中，所述数据集模块，包括：

初始样本单元，用于对预先获取的总辐射数据和功率数据进行处理生成初始样本；

分析单元，用于在所述初始样本中利用数据相关性按天分析辐射-功率相关系数；

筛选单元，用于从所述辐射-功率相关系数中筛选出不小于预设阈值的辐射‐功率相关系数；

数据集单元，用于筛选出的辐射‐功率相关系数所对应的数据，作为建模数据集。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。