光伏发电预测模型构建方法、光伏供能调控方法和设备与流程

本发明涉及光伏预测及光伏电网调控，尤其是一种光伏发电预测模型构建方法、光伏供能调控方法和设备。

背景技术：

1、随着清洁能源的发展，光伏发电在现实中应用越来越广泛，比如当前设备必不可少的可视化设备、图像抓拍装置等都是用到光伏供电。

2、太阳能光伏电池主要是通过接收入射的太阳光，将太阳辐射能通过光生伏打效应转换成电能。光伏发电装置受太阳辐射随机波动性和环境温度影响较大，随着环境随时间的变化，光伏电池的输出功率情况也会不断变化，这对依靠光伏供能的系统运行无疑会产生较大的影响。用于光伏储能的直流储能装置容易出现过度充放电和极端使用等情况，进一步加速储能装置的老化，造成储能失效，从而造成装置离线率较高，而解决这一问题的核心在于提前预测光伏出力情况并相应调控装置的运行状态。

3、目前现有针对这一问题并没有一套完整系统性的解决方案，已有的一些预测设备也不能很好的结合各种情况对装置进行适当的调节，且目前已有的光伏监测系统一般针对较大型的光伏电站使用，且其对光伏发电的预测缺少结合蓄电池剩余电量、用电负荷的耗能情况以及蓄电池的老化情况等从而对系统运行进行智能调控，因此实用性往往不高。

技术实现思路

1、为了克服上述现有技术中光伏发电预测精度低的缺陷，本发明提出了一种光伏发电预测模型构建方法，可结合光伏工作环境数据实现光伏供电的高精度预测。

2、本发明提出的一种光伏发电预测模型构建方法，包括以下步骤：

3、s1、获取学习样本{光伏工作环境数据；光伏发电功率真值}，构建由分解模块和预测模块组成的基础模型，分解模块为预训练网络；分解模块对输入的光伏工作环境数据进行分解并输出目标imf子序列；预测模块基于分解模块输出的目标imf子序列获取光伏发电功率预测值并输出；光伏工作环境数据包括辐照强度、环境温度、相对湿度和大气压力中的一项或者多项；

4、s2、设置预测模块中待优化参数，并设置各个待优化参数的取值空间；

5、s3、构建由预测模块中待优化参数作为个体组成的种群，并初始化种群，个体的初始值为对应的取值空间的随机值；

6、s4、从学习样本中选择多个训练样本，结合设定的第一优化目标函数分别对种群中单个个体进行优化，获取n个优化后的种群；n为预测模块中待优化参数的数量；令第i个个体优化后的种群记作xi，xi对应的第一优化目标函数记作f(xi)，xi中第i个待优化参数的取值记作xi(t)；

7、s5、对各待优化参数进行优化，令第i个待优化参数优化后的值记作xi(t+1)；

8、

9、

10、

11、其中，和xi(t')表示过渡值，xi(t)表示种群xi中第i个个体，xi(t+1)表示xi(t)优化后的值，pi表示第i个待优化参数取值空间中xi(t)以外的任一取值，q为数值区间[0,1]上的随机值，e为集合{1,2}中的随机数；t(iter)为根据以种群迭代次数iter为自由度的t分布选择的随机值；

12、表示种群xi中第i个个体替换为后对应的第一优化目标函数值，表示种群xi中第i个个体替换为pi后对应的第一优化目标函数值，fi为种群xi的第一优化目标函数值；

13、s6、引入非线性权重因子对参数集合{xi(t+1)，1≤i≤n}进行迭代，将迭代后的参数集合{xi'(t+1)，1≤i≤n}作为新的种群xi；

14、s7、判断种群迭代次数是否达到最大迭代次数t；否，则返回步骤s4；是，则执行步骤s8；

15、s8、令ωi表示预测模块中第i个待优化参数的优化空间，ωi为种群迭代过程中生成的所有xi'(t+1)的集合，在各待优化参数的优化空间上，结合设定的第二优化目标确定各待优化参数的值，并将优化后的值赋予预测模块，将基础作为光伏发电预测模型。

16、优选的，s4中，令第i个个体优化后的种群记作xi，xi对应的第一优化目标函数记作f(xi)；s4中对种群xi中的第i个参数进行迭代，当种群xi满足第一优化目标函数f(xi)，则固定种群xi；1≤i≤n；第一优化目标函数为：

17、

18、其中，fk表示第k个训练样本的光伏发电功率真值，表示加载种群xi的基础模型对第k个训练样本的光伏发电功率预测值，表示n个训练样本的光伏发电功率真值均值，n表示训练样本总数量；

19、令fgi表示种群xi中第i个个体替换为gi后对应的第一优化目标函数值，fgi＝{f1xi→gi,f2xi→gi}，f1xi→gi表示种群xi中第i个个体xi替换为gi后代入基础模型计算获得的f1目标函数值，f2xi→gi表示种群xi中第i个个体xi替换为gi后代入基础模型计算获得的f2目标函数值；

20、

21、

22、

23、

24、f1i表示种群xi代入基础模型计算获得的f1目标函数值，f2i表示种群xi代入基础模型计算获得的f2目标函数值；

25、表示且表示或

26、表示且表示或

27、优选的，s6中，xi'(t+1)的获取方式如下：

28、

29、

30、其中，表示过渡值，γ和r均为设定参数，xi(t+1)为步骤s5优化后的参数，r为数值区间[0,1]上的随机值；表示种群xi中第i个个体替换为后对应的第一优化目标函数值，iter表示当前种群迭代次数；

31、表示种群xi中第i个个体xi替换为后代入基础模型计算获得的f1目标函数值，表示种群xi中第i个个体xi替换为后代入基础模型计算获得的f2目标函数值；

32、表示且表示或

33、优选的，s5中：

34、

35、

36、其中，iter表示当前种群迭代次数；t表示设定的最大迭代次数，π为圆周率。

37、优选的，第二优化目标为：

38、

39、

40、其中，f(xi')为种群xi中第i个个体替换为xi'后对应的第一优化目标函数值，fi*为优化空间ωi中取值对应的最小第一优化目标函数值；ωi为第i个待优化参数的权重。

41、优选的，s2中各待优化参数的取值空间分布为：xm+1＝ρxm(1-xm2)；其中，ρ表示设定的控制参数，xm+1表示取值空间中第m+1个值，xm表示取值空间中第m个值，0≤m≤m-1，x0为设定的初始化值；m为设定值，表示取值空间内的数值数量。

42、优选的，s5中，t(iter)的计算公式如下：

43、

44、其中，u为在以种群迭代次数iter为自由度的t分布上的随机值；f(u)为以种群迭代次数iter为自由度的t分布的概率密度函数。

45、本发明还提出了一种光伏供能调控方法和系统，采用上述的光伏发电预测模型，可精确高效的预测光伏发电功率。

46、本发明提出的一种光伏供能调控方法，其特征在于，首先采用所述的光伏发电预测模型构建方法获取光伏发电预测模型，将检测到的光伏工作环境数据输入光伏发电预测模型获取光伏发电功率预测值；检测光伏供电系统的蓄电池电量和负载功率，根据设定的调控规则控制蓄电池充放电以及负载工作状态；

47、设定的调控规则为：

48、当发电功率预测值大于负载功率，且蓄电池充满；则控制模块生成太阳光追踪装置控制指令，太阳光追踪装置调整光伏板倾角，使得光伏发电功率与负载功率匹配；

49、当发电功率预测值大于负载功率，且蓄电池未充满；则控制模块开启蓄电池充电支路，利用光伏发电对蓄电池充电，充电功率为光伏发电功率预测值减去负载功率后的余值；

50、当发电功率预测值小于或者等于负载功率，且蓄电池蓄电量不充足，则控制模块控制负载调整工作状态，以延长工作时间；

51、当发电功率预测值小于或者等于负载功率，且蓄电池蓄电量充足，则控制模块开启蓄电池，使得蓄电池与光伏发电设备联合供电。

52、本发明提出的一种光伏供能调控设备，包括光伏板、环境检测仪、数据采集仪、蓄电池、通信模块、智能预测调控模块、控制模块和太阳光追踪装置；光伏板用于光伏供电，蓄电池用于充放电；

53、太阳光追踪装置用于支撑光伏板并带动光伏板运动，以调整光伏板对太阳光的接收角度；

54、环境检测仪用于采集光伏工作环境数据；智能预测调控模块加载有光伏发电预测模型；智能预测调控模块与环境检测仪连接，其接收环境检测仪采集的光伏工作环境数据，并输入光伏发电预测模型，以获取光伏发电功率预测值；

55、数据采集仪用于采集光伏板发电数据、蓄电池剩余电量以及负载工作状态数据；

56、控制模块分别连接光伏板、数据采集仪、蓄电池、通信模块、智能预测调控模块、太阳光追踪装置和负载；控制模块用于执行所述的调控规则；

57、通信模块用于与远端平台通信。

58、本发明提出的一种光伏发电预测系统，包括存储器和处理器，存储器中存储有计算机程序和采用所述的光伏发电预测模型构建方法构建的光伏发电预测模型，处理器连接存储器，处理器用于获取光伏工作环境数据并输入光伏发电预测模型，以获取光伏发电功率预测值。

59、本发明的优点在于：

60、(1)本发明提出的光伏发电预测模型构建方法，在样本学习的基础上，针对光伏发电的特征设计了一种新的种群迭代方法，以优化模型中预测模块的参数。本发明中，分解模块采用预先训练的网络结果，在样本学习过程中，固定预测模块的输入，从而对预测模块的参数以种群迭代的方式进行优化，优化过程中，通过单参数迭代的方式寻找各参数的优化空间，然后结合多参数优化目标从各参数的优化空间中寻找最终的参数集合，既考虑了单个参数对预测模块性能的影响，又平衡了各参数在预测模块上的表现，从而大大提高了整体模型的性能，提高了预测结果的可靠性。

61、(2)本发明中，在单参数优化过程中，多次引入随机参数，从而保证了最终获得的优化空间中取值的多样性，保证了最终参数优化的多样性，从而为搜寻最优值奠定了基础。同时，单参数优化通过迭代次数限制实现了可控制的迭代速度，从而提高了模型的训练速度。

62、(3)本发明提出的第一优化目标函数，由多个优化目标组成，进一步提高了单参数寻优的效率，从而提高了整体模型的迭代效率。

63、(4)本发明中预先设置各待优化参数的取值空间，提高了参数迭代的效率，并对参数遍历取值的距离给出了一定的限定，有利于避免单参数迭代时遗漏优质取值。

64、(5)本发明提出的光伏供能调控方法，基于光伏发电预测模型预测光伏发电功率，然后根据预定的调控规则对光伏板、蓄电池和负载进行联动调控，保证了蓄电池的及时充电，保证了负载的工作可靠性，并且避免了光伏板实时高效率转换电能造成的能量冗余损耗，从而有利于提高光伏板以及负载的工作寿命。

65、(6)本发明提出的光伏供能调控系统，考虑了系统各个部件的功耗情况以及环境条件，做出的指令更具有针对性。