一种基于动态建模的光伏出力预测方法与流程

本发明涉及光伏出力预测，尤其涉及一种基于动态建模的光伏出力预测方法。

背景技术：

1、近年来随着可再生能源的需求的日益提高，风电/光伏技术迅猛发展，可再生能源装机以指数级别逐年增长。由于可再生能源与风力、太阳辐射等气象条件密切相关，具有随机性和间歇性的固有特点，因此大规模的可再生能源并网给电网消纳能力提出了巨大挑战。为了保证电网的平衡和安全调度，风电/光伏发电系统出力的准确预测成为电网首要考虑的重要工作。因此，人们提出了光伏出力一次，用以对光伏组件的光能转化效率的统称，其中，影响光伏组件出力的因素主要有以下几个方面：1、灰尘、雨水遮挡。大型光伏电站一般建设在戈壁地区，风沙较大，降水很少，同时清理的频率不会太高，长久使用后，可造成效率损失约8％。2、电池片隐裂。裂纹是电池的缺陷。由于晶体结构本身的特点，晶体硅电池片极易断裂。晶体硅模块的生产过程很长，很多环节都可能导致电池出现裂纹。开裂的根本原因可以概括为硅片的机械应力或热应力。3、pid效应。电位诱发衰减效应是电池组件长期在高电压作用下，使玻璃、封装材料之间存在漏电流，大量电荷狙击在电池片表面，使得电池表面的钝化效果恶化，导致组件性能低于设计标准，排出正常设备的使用弊端。人们一般会对地区进行光伏出力预测，以便达到最大的光伏效果，传统的光伏出力预测模型一般根据历史出力和气象条件建立归回预测模型，模型建立好之后一般会长期使用。

2、申请号为号201710769135.8公开了一种基于动态建模的光伏出力预测方法，步骤1：对原始气象、出力数据进行预处理；步骤2：对步骤1当中得到的所述训练样本进行训练，得到初始的光伏出力预测模型；步骤3：对所述训练样本进行设定样本筛选条件；步骤4：采集新数据样本，对新数据进行预处理工作加入原始数据中，再根据上述步骤3的样本筛选条件进行筛选，形成新的训练样本；步骤5：对步骤4当中所述新的训练样本重新训练出力模型；判断新的出力模型与上一次更新的模型是否收敛，若满足条件则完成模型更新输出，退出迭代；若不满足则返回步骤4进行样本的进一步筛选；提高光伏处理预测精度、提高电网调度安全性与经济性的目的。

3、现有的预测方法较为简单，对于预测结果难以得到最准确的结果，且不能对其结果与历史数据进行有效验证，所以我们提出一种基于动态建模的光伏出力预测方法。

技术实现思路

1、本发明的目的是为了解决现有的预测方法较为简单，对于预测结果难以得到最准确的结果，且不能对其结果与历史数据进行有效验证的缺点，而提出的一种基于动态建模的光伏出力预测方法。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种基于动态建模的光伏出力预测方法，包括以下步骤：

4、步骤1：先进行数据收集，搭建数据框架，并在数据框架内构建数据计算方法，然后再建立初始动态模型；

5、步骤2：通过历史气象数据进行动态模型验证；

6、步骤3：利用动态模型与初始数据进行对比；

7、步骤4：判断模型数据是否正确，当数据正确时，输入当前气象数据进行出力预测，从而完成动态模型出力预测；

8、步骤5：当判断模型数据不正确时，调整数据的计算方法，从而重新建立初始动态模型。

9、优选的，所述步骤1中数据收集时，首先进行数据分析整理，并建立数据库，同时对数据库内的数据进行备份存储，且将数据库内的数据上传至云端进行存储。

10、优选的，所述数据库内建立多个数据表，分别为单日气象数据表、月份气象数据表、年份气象数据表和气象数据总结表，并进行逐个汇总。

11、优选的，所述步骤2中动态模型验证内设有模型输入模块，模型输入模块上连接有模型数据模拟模块，模型数据模拟模块上连接有模型数据验证模块，模型数据验证模块上设有对比错误数据，且模型数据验证模块上连接有触发警报，所述触发警报上连接有人工操作模块。

12、优选的，所述数据收集输入包括数据扫描模块、数据联网采集模块、数据分类模块和数据初级筛选模块。

13、优选的，所述数据云端包括数据传输模块、数据压缩模块、数据存储模块和数据加密模块。

14、优选的，所述人工操作包括错误数据录入、错误数据验证和错误数据存储。

15、优选的，所述步骤1中数据框架包括数据类型、数据时间与数据单位，并建立数据曲线表。

16、优选的，所述数据分析整理包括数据识别模块、数据对比模块、数据判断模块、数据存储模块和数据剔除模块。

17、优选的，所述初始动态模型包括数据分储模块、数据运行模块、数据对比模块和数据演示模块。

18、与现有技术相比，本发明的优点在于：

19、1、提高电网稳定性、增加电网消纳光电能力光伏发电具有间歇性、随机性和波动性，由此给电网的安全运行带来了一系列问题，电网调度部门传统的做法只能采取拉闸限电这样的无奈之举。随着光伏发电站电网电源结构比重的增加，光伏功率预测系统变得尤为重要,光伏功率预测越准，光伏并网给电网的安全运行带来的影响就越小，就能够有效的帮助电网调度部部门做好各类电源的调度计划。

20、2、帮助光伏电站减少由于限电带来的经济损失,提高光伏电站运营管理效率光伏功率预测越准，电网就会减少光伏限电,由此大大提高了电网消纳阳光的能力，进而减少了由于限电给光伏业主带来的经济损失,增加了光伏电站投资回报率。

21、本发明操作方便，能够便于自动对光伏出力进行数据预测，并方便进行数据对比，形成更加准确的光伏预测数据，增加了光伏电站投资回报率。

技术特征：

1.一种基于动态建模的光伏出力预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于动态建模的光伏出力预测方法，其特征在于，所述步骤1中数据收集时，首先进行数据分析整理，并建立数据库，同时对数据库内的数据进行备份存储，且将数据库内的数据上传至云端进行存储。

3.根据权利要求2所述的一种基于动态建模的光伏出力预测方法，其特征在于，所述数据库内建立多个数据表，分别为单日气象数据表、月份气象数据表、年份气象数据表和气象数据总结表，并进行逐个汇总。

4.根据权利要求1所述的一种基于动态建模的光伏出力预测方法，其特征在于，所述步骤2中动态模型验证内设有模型输入模块，模型输入模块上连接有模型数据模拟模块，模型数据模拟模块上连接有模型数据验证模块，模型数据验证模块上设有对比错误数据模块，且模型数据验证模块上连接有触发警报模块，所述触发警报模块上连接有人工操作模块。

5.根据权利要求2所述的一种基于动态建模的光伏出力预测方法，其特征在于，所述数据收集输入包括数据扫描模块、数据联网采集模块、数据分类模块和数据初级筛选模块。

6.根据权利要求1所述的一种基于动态建模的光伏出力预测方法，其特征在于，所述数据云端包括数据传输模块、数据压缩模块、数据存储模块和数据加密模块，数据传输模块能够将历史气象数据进行传输至网络，同时通过压缩模块进行数据压缩，降低存储内存，同时通过存储模块进行存储，并通过加密模块进行保密放置。

7.根据权利要求4所述的一种基于动态建模的光伏出力预测方法，其特征在于，所述人工操作包括错误数据录入、错误数据验证和错误数据存储。

8.根据权利要求1所述的一种基于动态建模的光伏出力预测方法，其特征在于，所述步骤1中数据框架包括数据类型、数据时间与数据单位，并建立数据曲线表，数据类型是针对不同数据的不同作用进行标记，并通过数据时间进行分类规划，同时针对不同数据进行单位设置，并根据此条件制作数据曲线表，方便人们进行观察，同时还能便于存储到数据库内。

9.根据权利要求1所述的一种基于动态建模的光伏出力预测方法，其特征在于，所述数据分析整理包括数据识别模块、数据对比模块、数据判断模块、数据存储模块和数据剔除模块，数据整理时，通过数据识别模块进行数据识别，从而方便进行初步的数据筛选，同时通过数据对比模块可以查看有没有重复数据，通过判断模块能够对数据进行正确或者错误判断，并通过存储模块进行存储，或者通过数据剔除模块进行删除。

10.根据权利要求1所述的一种基于动态建模的光伏出力预测方法，其特征在于，所述初始动态模型包括数据分储模块、数据运行模块、数据对比模块和数据演示模块，数据分储模块能够对不同时间线的数据进行分类存储，同时通过运行模块能够快速的将数据进行调取与运行使用，然后与原始数据进行对比，同时通过数据演示模块进行演示预测，便于与原始数据进行对比。

技术总结
本发明属于光伏出力预测技术领域，尤其是一种基于动态建模的光伏出力预测方法，针对现有的预测方法较为简单，对于预测结果难以得到最准确的结果，且不能对其结果与历史数据进行有效验证的问题，现提出如下方案，其包括以下步骤：步骤1：先进行数据收集，搭建数据框架，并在数据框架内构建数据计算方法，然后再建立初始动态模型；步骤2：通过历史气象数据进行动态模型验证；步骤3：利用动态模型与初始数据进行对比；步骤4：判断模型数据是否正确，当数据正确时，输入当前气象数据进行出力预测。本发明操作方便，能够便于自动对光伏出力进行数据预测，并方便进行数据对比，形成更加准确的光伏预测数据，增加了光伏电站投资回报率。

技术研发人员：陟晶,蔡成明,张斌,李雪玉,关斌,黄立琛,李小刚,张海萍
受保护的技术使用者：国网甘肃省电力公司武威供电公司
技术研发日：
技术公布日：2024/2/1