一种分布式光伏发电系统日发电量的确定方法与流程

本发明涉及光伏发电
技术领域：
，特别是涉及一种分布式光伏发电系统日发电量的确定方法。
背景技术：
：发展太阳能分布式发电系统是智慧城市的发展趋势，光伏发电和光热发电是太阳能发电两种不同的形式。近年来，光伏-光热一体化分布式发电系统成为发展主流的方向和研究热点的主题。太阳光在不同区域辐射强度、日照时间会存在极大的差异性，在同一地点因云层遮挡形成阴影而造成在不同时间和空间上日照强度，也会存在极大的差异性、随机性和模糊性，这种不确定特性决定了光伏和光热发电系统出力也具有极大的差异性、随机性和模糊性。因此，要确定光伏和光热发电系统输出功率的大小，就需要对该区域内太阳光辐射强度、日照时间进行概率分析或模糊分析、概率模糊分析，还要对在不同时间和空间上日照强度进行概率分析或模糊分析、概率模糊分析。城市居民等小用户以及商业建筑物、社区、工业区等大用户群分布式光伏发电系统是一种同时具有关系复杂且交互作用的随机和模糊不确定性事件或参量的系统。拥有分布式光伏发电系统的城市居民等新能源小用户以及商业建筑物、社区、工业区等新能源大用户群，在各种不确定性随机和模糊事件或参量的影响下，其日发电量变得更具随机特性和模糊特性。以往新能源用户分布式光伏发电系统日发电量通常采用确定性的计算方法。确定性计算的方法通常是在假设区域内太阳光辐射强度、日照时间以及用户所在地在不同时间和空间上日照强度、日照时间、日照阴影、日照偏角度都确定的情况下，计算新能源用户分布式光伏发电系统的日发电量，没有考虑作为接续发电或连续发电的光伏发电系统的电池储能容量或光热发电系统的熔融盐储能装机容量、储能状态、能源转换效率、配电网调压要求和柔性控制方式等因素的影响，计算结果是唯一性和确定性的，往往不能反应新能源用户分布式光伏发电系统日发电量的实际情况。而有些采用概率分析的不确定性计算方法，通常是在只假设日照强度等单一因素为不确定性因素的情况下，计算新能源用户分布式光伏发电系统的日发电量，计算结果是具有一定置信水平的概率值。实际上，新能源用户光伏发电系统日发电量不仅由区域内太阳光辐射强度、日照时间的概率或模糊度决定，还由用户所在地在不同时间和空间上日照强度、日照时间、日照阴影、日照偏角度的概率或模糊度决定，同时还取决于作为接续发电或连续发电的光伏发电系统的电池储能容量或光热发电系统的熔融盐储能装机容量、储能状态、能源转换效率、配电网调压要求和柔性控制方式等因素。而且，这些影响因素通常都有随机不确定性或模糊不确定性，或者是具有随机和模糊不确定性，往往以随机和模糊不确定性事件或参量而存在。可见，新能源用户分布式光伏发电系统日发电量计算的现有技术都没有全面考虑影响因素的不确定性和随机性，计算方法适用性、实用性和应用性也难以得到满足。技术实现要素：本发明的目的是提供一种分布式光伏发电系统日发电量的确定方法，目的在于解决现有技术对光伏系统日发电量确定时未考虑各因素的不确定性和随机性，导致计算结果实用性较差的问题。为解决上述技术问题，本发明提供一种分布式光伏发电系统日发电量的确定方法，包括：通过气象数据平台获取用户所在地在各时段内日照相关参数的最大值、平均值以及最小值的数据信息；通过本地监控数据中心获取分布式光伏发电系统各时段发电量数据信息；通过电网能量管理系统获取电网运行的数据信息；假设所述日照相关参数以及用户电池储能充电事件均服从广义多维梯形模糊分布规律，确定所述日照相关参数以及电池储能充电有功功率控制值的广义多维梯形模糊集；在模糊概率分析的基础上，确定所述分布式光伏发电系统的日发电量。可选地，确定所述日照相关参数的广义多维梯形模糊集包括：根据分布式光伏发电系统输出功率与日照相关参数的特征关系，采用统计分析的方法，计算各时段光伏发电系统所述输出功率与各所述日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义多维梯形模糊集。可选地，所述确定所述日照相关参数的广义多维梯形模糊集包括：确定所述光伏发电系统输出功率与日照强度模糊不确定性关系的广义多维梯形模糊集；确定所述光伏发电系统输出功率与日照时间模糊不确定性关系的广义多维梯形模糊集；确定所述光伏发电系统输出功率与日照阴影模糊不确定性关系的广义多维梯形模糊集；确定所述光伏发电系统输出功率与日照偏角模糊不确定性关系的广义多维梯形模糊集；确定所述光伏发电系统输出功率与环境温度升高幅度模糊不确定性关系的广义多维梯形模糊集。可选地，所述确定所述光伏发电系统输出功率与日照强度模糊不确定性关系的广义多维梯形模糊集包括：获取用户所在地一天中白天NSH个时段日照强度值1、值2、…、值NV的相关数据信息，根据光伏发电系统输出功率与日照强度之间的特征关系，采用统计分析方法计算确定用户时段t，光伏发电系统输出功率与日照强度多个数值模糊不确定性关系的n维广义梯形模糊集SHVtk=(SHV1tk,SHV2tk,...,SHVntk)=[(SHV11tk,SHV12tk,SHV13tk,SHV14tk;kSHV1tk),(SHV21tk,SHV22tk,SHV23tk,SHV24tk;kSHV2tk),...(SHVn1tk,SHVn2tk,SHVn3tk,SHVn4tk;kSHVntk)]]]>式中，t＝1,2,...,NSH，k1＝1,2,...,NV1，NV1为历史数据中日照强度数值的数量，和分别为时段t日照强度值k第1、2、…、n个梯形模糊集及隶属度系数，j＝1,2,3,4，m＝1,2,...,n，为时段t日照强度值k第m个梯形模糊集的第j个模糊数。可选地，所述确定所述光伏发电系统输出功率与日照时间模糊不确定性关系的广义多维梯形模糊集包括：获取用户所在地一天中白天NSH个时段日照时间值1、值2、…、值NV的相关数据信息，根据光伏发电系统输出功率与日照时间之间的特征关系，采用统计分析方法计算确定用户时段t，光伏发电系统输出功率与日照时间多个数值模糊不确定性关系的n维广义梯形模糊集THVtk=(THV1tk,THV2tk,...,THVntk)=[(THV11tk,THV12tk,THV13tk,THV14tk;kTHV1tk),(THV21tk,THV22tk,THV23tk,THV24tk;kTHV2tk),...(THVn1tk,THVn2tk,THVn3tk,THVn4tk;kTHVntk)]]]>式中，k2＝1,2,...,NV2，NV2为历史数据中日照时间数值的数量，和分别为时段t日照时间值k第1、2、…、n个梯形模糊集及隶属度系数，为时段t日照时间值k第m个梯形模糊集的第j个模糊数。可选地，所述确定所述光伏发电系统输出功率与日照阴影模糊不确定性关系的广义多维梯形模糊集包括：获取用户所在地一天中白天NSH个时段日照阴影值1、值2、…、值NV的相关数据信息，根据光伏发电系统输出功率与日照阴影之间的特征关系，采用统计分析方法计算确定用户时段t光伏发电系统输出功率与日照阴影多个数值模糊不确定性关系的n维广义梯形模糊集YHVtk=(YHV1tk,YHV2tk,...,YHVntk)=[(YHV11tk,YHV12tk,YHV13tk,YHV14tk;kYHV1tk),(YHV21tk,YHV22tk,YHV23tk,YHV24tk;kYHV2tk),...(YHVn1tk,YHVn2tk,YHVn3tk,YHVn4tk;kYHVntk)]]]>式中，k3＝1,2,...,NV3，NV3为历史数据中日照阴影数值的数量，和分别为时段t日照阴影值k第1、2、…、n个梯形模糊集及隶属度系数，为时段t日照阴影值k第m个梯形模糊集的第j个模糊数。可选地，所述确定所述光伏发电系统输出功率与日照偏角模糊不确定性关系的广义多维梯形模糊集包括：获取用户所在地一天中白天NSH个时段日照偏角值1、值2、…、值NV的相关数据信息，根据光伏发电系统输出功率与日照偏角之间的特征关系，采用统计分析方法计算确定用户时段t光伏发电系统输出功率与日照偏角值1、值2、…、值NV模糊不确定性关系的n维梯形模糊集AHVtk=(AHV1tk,AHV2tk,...,AHVntk)=[(AHV11tk,AHV12tk,AHV13tk,AHV14tk;kAHV1tk),(AHV21tk,AHV22tk,AHV23tk,AHV24tk;kAHV2tk),...(AHVn1tk,AHVn2tk,AHVn3tk,AHVn4tk;kAHVntk)]]]>式中，和分别为时段t日照偏角值k第1、2、…、n个梯形模糊集及隶属度系数，为时段t日照偏角值k第m个梯形模糊集的第j个模糊数。可选地，所述确定所述光伏发电系统输出功率与环境温度升高幅度模糊不确定性关系的广义多维梯形模糊集包括：获取用户所在地一天中白天NSH个时段因日照而造成环境温度的升高幅度值1、值2、…、值NV的相关数据信息，根据光伏发电系统输出功率与环境温升之间的特征关系，采用统计分析方法计算确定用户时段t光伏发电系统输出功率与环境温度升高幅度多个数值模糊不确定性关系的n维广义梯形模糊集ΔTHVtk=(ΔTHV1tk,ΔTHV2tk,...,ΔTHVntk)=[(ΔTHV11tk,ΔTHV12tk,ΔTHV13tk,ΔTHV14tk;kΔTHV1tk),(ΔTHV21tk,ΔTHV22tk,ΔTHV23tk,ΔTHV24tk;kΔTHV2tk),...(ΔTHVn1tk,ΔTHVn2tk,ΔTHVn3tk,ΔTHVn4tk;kΔTHVntk)]]]>式中，k4＝1,2,...,NV4，NV4为历史数据中环境温升数值的数量，和分别为时段t日照偏角值k第1、2、…、n个梯形模糊集及隶属度系数，为时段t日照偏角值k第m个梯形模糊集的第j个模糊数。可选地，确定所述电池储能充电有功功率控制值的广义多维梯形模糊集包括：从监控系统获取时段t用户电池储能状态，按照光伏发电系统接入配电网的供电调度要求和调压需求的条件，依据时段t配电网负荷功率的需求水平和配电网本地及相邻区域电压的调整值，结合潮流计算数据，采用下垂控制方法计算确定用户第t时段电池储能充电有功功率控制值采用模糊分析方法计算确定用户第t时段电池储能充电有功功率多个控制值模糊不确定性关系的n维广义梯形模糊集CHVtk=(CHV1tk,CHV2tk,...,CHVntk)=[(CHV11tk,CHV12tk,CHV13tk,CHV14tk;kCHV1tk),(CHV21tk,CHV22tk,CHV23tk,CHV24tk;kCHV2tk),...(CHVn1tk,CHVn2tk,CHVn3tk,CHVn4tk;kCHVntk)]]]>式中，k5＝1,2,...,NV5，NV5为历史数据中电池储能充电有功功率控制值的数量，和分别为时段t日照偏角值k第1、2、…、n个梯形模糊集及隶属度系数，为时段t日照偏角值k第m个梯形模糊集的第j个模糊数。可选地，所述确定所述分布式光伏发电系统的日发电量包括：计算装机容量为PPVN的光伏发电系统日发电量：式中，PPVN≤1，为在参考温度下可发电功率，kPVE为光伏发电板光电转换系数，为历史数据中与日照强度在时段t值k第a个梯形模糊集的模糊数出现的概率，a＝1,2,...,n，为历史数据中与日照温升在时段t值k第a个梯形模糊集的模糊数出现的概率，为电池储能充电有功功率控制值在时段t值k第a个梯形模糊集的模糊数出现的概率，为历史数据中与日照阴影在时段t值k第a个梯形模糊集的模糊数出现的概率，为历史数据中与日照偏角在时段t值k第a个梯形模糊集的模糊数出现的概率，为历史数据中与日照时间在时段t值k第a个梯形模糊集的模糊数出现的概率，表示NSH个模糊集的并集。本发明所提供的分布式光伏发电系统日发电量的确定方法，通过气象数据平台获取用户所在地在各时段内日照相关参数的最大值、平均值以及最小值的数据信息；通过本地监控数据中心获取分布式光伏发电系统各时段发电量数据信息；通过电网能量管理系统获取电网运行的数据信息；假设日照相关参数以及用户电池储能充电事件均服从广义多维梯形模糊分布规律，确定日照相关参数以及电池储能充电有功功率控制值的广义多维梯形模糊集；在模糊概率分析的基础上，确定分布式光伏发电系统的日发电量。本申请可以计算出一天光伏发电系统的发电量，反映了日照相关参量以及用户电池储能充电事件的随机特性、模糊特性及其概率特征、模糊分布规律，揭示了这些随机和模糊不确定性事件或参量对新能源用户分布式光伏发电系统日发电量的影响机理，为分布式新能源发电及智能电网调度运行提供了必要的技术支撑。附图说明为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本发明所提供的分布式光伏发电系统日发电量的确定方法的一种具体实施方式的流程图；图2为本发明所提供的分布式光伏发电系统日发电量的确定方法中确定所述日照相关参数的广义多维梯形模糊集的过程流程图。具体实施方式为了使本
技术领域：
的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。本发明所提供的分布式光伏发电系统日发电量的确定方法的一种具体实施方式的流程图如图1所示，该方法包括：步骤S101：通过气象数据平台获取用户所在地在各时段内日照相关参数的最大值、平均值以及最小值的数据信息；步骤S102：通过本地监控数据中心获取分布式光伏发电系统各时段发电量数据信息；步骤S103：通过电网能量管理系统获取电网运行的数据信息；步骤S104：假设所述日照相关参数以及用户电池储能充电事件均服从广义多维梯形模糊分布规律，确定所述日照相关参数以及电池储能充电有功功率控制值的广义多维梯形模糊集；步骤S105：在模糊概率分析的基础上，确定所述分布式光伏发电系统的日发电量。本发明所提供的分布式光伏发电系统日发电量的确定方法，通过气象数据平台获取用户所在地在各时段内日照相关参数的最大值、平均值以及最小值的数据信息；通过本地监控数据中心获取分布式光伏发电系统各时段发电量数据信息；通过电网能量管理系统获取电网运行的数据信息；假设日照相关参数以及用户电池储能充电事件均服从广义多维梯形模糊分布规律，确定日照相关参数以及电池储能充电有功功率控制值的广义多维梯形模糊集；在模糊概率分析的基础上，确定分布式光伏发电系统的日发电量。本申请可以计算出一天光伏发电系统的发电量，反映了日照相关参量以及用户电池储能充电事件的随机特性、模糊特性及其概率特征、模糊分布规律，揭示了这些随机和模糊不确定性事件或参量对新能源用户分布式光伏发电系统日发电量的影响机理，为分布式新能源发电及智能电网调度运行提供了必要的技术支撑。在上述实施例的基础上，本发明所提供的分布式光伏发电系统日发电量的确定方法中，确定所述日照相关参数的广义多维梯形模糊集的过程可以包括：根据分布式光伏发电系统输出功率与日照相关参数的特征关系，采用统计分析的方法，计算各时段光伏发电系统所述输出功率与各所述日照相关参数最大值、平均值以及最小值模糊不确定性关系的广义多维梯形模糊集。在上述任一实施例的基础上，本发明所提供的分布式光伏发电系统日发电量的确定方法中确定所述日照相关参数的广义多维梯形模糊集的过程流程图如图2所示，该过程包括：步骤S201：确定所述光伏发电系统输出功率与日照强度模糊不确定性关系的广义多维梯形模糊集；步骤S202：确定所述光伏发电系统输出功率与日照时间模糊不确定性关系的广义多维梯形模糊集；步骤S203：确定所述光伏发电系统输出功率与日照阴影模糊不确定性关系的广义多维梯形模糊集；步骤S204：确定所述光伏发电系统输出功率与日照偏角模糊不确定性关系的广义多维梯形模糊集；步骤S205：确定所述光伏发电系统输出功率与环境温度升高幅度模糊不确定性关系的广义多维梯形模糊集。在本实施例中，步骤S201的具体实施过程可以为：获取用户所在地一天中白天NSH个时段日照强度值1、值2、…、值NV的相关数据信息，根据光伏发电系统输出功率与日照强度之间的特征关系，采用统计分析方法计算确定用户时段t(t＝1,2,...,NSH)，光伏发电系统输出功率与日照强度多个数值(值1、值2、…、值NV)模糊不确定性关系的n维广义梯形模糊集(t＝1,2,...,NSH；k＝1,2,...,NV，NV为历史数据中日照强度数值的数量)：SHVtk=(SHV1tk,SHV2tk,...,SHVntk)=[(SHV11tk,SHV12tk,SHV13tk,SHV14tk;kSHV1tk),(SHV21tk,SHV22tk,SHV23tk,SHV24tk;kSHV2tk),...(SHVn1tk,SHVn2tk,SHVn3tk,SHVn4tk;kSHVntk)]]]>式中，和分别为时段t日照强度值k第1、2、…、n个梯形模糊集及隶属度系数，(j＝1,2,3,4，t＝1,2,...,NSH，k＝1,2,...,n)为时段t日照强度值k第m(m＝1,2,...,n)个梯形模糊集的第j个模糊数。步骤S202确定所述光伏发电系统输出功率与日照时间模糊不确定性关系的广义多维梯形模糊集的过程可以具体包括：获取用户所在地一天中白天NSH个时段日照时间值1、值2、…、值NV的相关数据信息，根据光伏发电系统输出功率与日照时间之间的特征关系，采用统计分析方法计算确定用户时段t(t＝1,2,...,NSH)，光伏发电系统输出功率与日照时间多个数值(值1、值2、…、值NV)模糊不确定性关系的n维广义梯形模糊集(t＝1,2,...,NSH；k＝1,2,...,NV，NV为历史数据中日照时间数值的数量)：THVtk=(THV1tk,THV2tk,...,THVntk)=[(THV11tk,THV12tk,THV13tk,THV14tk;kTHV1tk),]]>(THV21tk,THV22tk,THV23tk,THV24tk;kTHV2tk),...(THVn1tk,THVn2tk,THVn3tk,THVn4tk;kTHVntk)]]]>式中，和分别为时段t日照时间值k第1、2、…、n个梯形模糊集及隶属度系数，(j＝1,2,3,4，t＝1,2,...,NSH，k＝1,2,...,n)为时段t日照时间值k第m(m＝1,2,...,n)个梯形模糊集的第j个模糊数。作为一种具体实施方式，步骤S203确定所述光伏发电系统输出功率与日照阴影模糊不确定性关系的广义多维梯形模糊集可以包括：获取用户所在地一天中白天NSH个时段日照阴影值1、值2、…、值NV的相关数据信息，根据光伏发电系统输出功率与日照阴影之间的特征关系，采用统计分析方法计算确定用户时段t(t＝1,2,...,NSH)光伏发电系统输出功率与日照阴影多个数值(值1、值2、…、值NV)模糊不确定性关系的n维广义梯形模糊集(t＝1,2,...,NSH；k＝1,2,...,NV，NV为历史数据中日照阴影数值的数量)：YHVtk=(YHV1tk,YHV2tk,...,YHVntk)=[(YHV11tk,YHV12tk,YHV13tk,YHV14tk;kYHV1tk),(YHV21tk,YHV22tk,YHV23tk,YHV24tk;kYHV2tk),...(YHVn1tk,YHVn2tk,YHVn3tk,YHVn4tk;kYHVntk)]]]>式中，和分别为时段t日照阴影值k第1、2、…、n个梯形模糊集及隶属度系数，(j＝1,2,3,4，t＝1,2,...,NSH，k＝1,2,...,n)为时段t日照阴影值k第m(m＝1,2,...,n)个梯形模糊集的第j个模糊数。可选地，步骤S204确定所述光伏发电系统输出功率与日照偏角模糊不确定性关系的广义多维梯形模糊集具体包括：获取用户所在地一天中白天NSH个时段日照偏角值1、值2、…、值NV的相关数据信息，根据光伏发电系统输出功率与日照偏角之间的特征关系，采用统计分析方法计算确定用户时段t(t＝1,2,...,NSH)光伏发电系统输出功率与日照偏角值1、值2、…、值NV模糊不确定性关系的n维(值1/A1、值2/A2、…，值n/An)梯形模糊集(t＝1,2,...,NSH，k＝1,2,...,n)：AHVtk=(AHV1tk,AHV2tk,...,AHVntk)=[(AHV11tk,AHV12tk,AHV13tk,AHV14tk;kAHV1tk),(AHV21tk,AHV22tk,AHV23tk,AHV24tk;kAHV2tk),...(AHVn1tk,AHVn2tk,AHVn3tk,AHVn4tk;kAHVntk)]]]>式中，和分别为时段t日照偏角值k第1、2、…、n个梯形模糊集及隶属度系数，(j＝1,2,3,4，t＝1,2,...,NSH，k＝1,2,...,n)为时段t日照偏角值k第m(m＝1,2,...,n)个梯形模糊集的第j个模糊数。进一步地，上述步骤S205确定所述光伏发电系统输出功率与环境温度升高幅度模糊不确定性关系的广义多维梯形模糊集包括：获取用户所在地一天中白天NSH个时段因日照而造成环境温度的升高幅度值1、值2、…、值NV的相关数据信息，根据光伏发电系统输出功率与环境温升之间的特征关系，采用统计分析方法计算确定用户时段t(t＝1,2,...,NSH)光伏发电系统输出功率与环境温度升高幅度多个数值(值1、值2、…、值NV)模糊不确定性关系的n维广义梯形模糊集(t＝1,2,...,NSH；k＝1,2,...,NV，NV为历史数据中环境温升数值的数量)：ΔTHVtk=(ΔTHV1tk,ΔTHV2tk,...,ΔTHVntk)=[(ΔTHV11tk,ΔTHV12tk,ΔTHV13tk,ΔTHV14tk;kΔTHV1tk),(ΔTHV21tk,ΔTHV22tk,ΔTHV23tk,ΔTHV24tk;kΔTHV2tk),...(ΔTHVn1tk,ΔTHVn2tk,ΔTHVn3tk,ΔTHVn4tk;kΔTHVntk)]]]>式中，和分别为时段t日照偏角值k第1、2、…、n个梯形模糊集及隶属度系数，(j＝1,2,3,4，t＝1,2,...,NSH，k＝1,2,...,n)为时段t日照偏角值k第m(m＝1,2,...,n)个梯形模糊集的第j个模糊数。上述实施例的基础上，确定所述电池储能充电有功功率控制值的广义多维梯形模糊集的过程包括：从监控系统获取时段t用户电池储能状态，按照光伏发电系统接入配电网的供电调度要求和调压需求的条件，依据时段t配电网负荷功率的需求水平和配电网本地及相邻区域电压的调整值，结合潮流计算数据，采用下垂控制方法计算确定用户第t时段电池储能充电有功功率控制值采用模糊分析方法计算确定用户第t时段电池储能充电有功功率多个控制值(值1、值2、…、值NV，如值1/C1、值2/C2、…、值NV/CNV)模糊不确定性关系的n维广义梯形模糊集(t＝1,2,...,NSH；k＝1,2,...,NV，NV为历史数据中电池储能充电有功功率控制值的数量)：CHVtk=(CHV1tk,CHV2tk,...,CHVntk)=[(CHV11tk,CHV12tk,CHV13tk,CHV14tk;kCHV1tk),(CHV21tk,CHV22tk,CHV23tk,CHV24tk;kCHV2tk),...(CHVn1tk,CHVn2tk,CHVn3tk,CHVn4tk;kCHVntk)]]]>式中，和分别为时段t日照偏角值k第1、2、…、n个梯形模糊集及隶属度系数，(j＝1,2,3,4，t＝1,2,...,NSH，k＝1,2,...,n)为时段t日照偏角值k第m(m＝1,2,...,n)个梯形模糊集的第j个模糊数。下面对确定所述分布式光伏发电系统的日发电量的过程进行进一步详细阐述。计算装机容量为PPVN(PPVN≤1，为在参考温度下可发电功率)的光伏发电系统日发电量：式中，kPVE为光伏发电板光电转换系数，为历史数据中与日照强度在时段t值k第a(a＝1,2,...,n)个梯形模糊集的模糊数出现的概率，a＝1,2,...,n，为历史数据中与日照温升在时段t值k第a(a＝1,2,...,n)个梯形模糊集的模糊数出现的概率，为电池储能充电有功功率控制值在时段t值k第a(a＝1,2,...,n)个梯形模糊集的模糊数出现的概率，为历史数据中与日照阴影在时段t值k第a(a＝1,2,...,n)个梯形模糊集的模糊数出现的概率，为历史数据中与日照偏角在时段t值k第a(a＝1,2,...,n)个梯形模糊集的模糊数出现的概率，为历史数据中与日照时间在时段t值k第a(a＝1,2,...,n)个梯形模糊集的模糊数出现的概率，表示NSH个模糊集的并集。本发明克服了现有技术的不足，采用一种模糊概率计算的方法。其基本原理是同时考虑影响分布式光伏发电系统日发电量的随机和模糊不确定性，主要考虑区域内太阳光辐射强度、日照时间以及用户所在地在不同时间和空间上日照强度、日照时间、日照阴影、日照偏角度等随机和模糊不确定性因素，同时还考虑作为接续发电或连续发电的光伏发电系统的电池储能容量或光热发电系统的熔融盐储能装机容量、储能状态、能源转换效率、配电网调压要求和柔性控制方式等因素的影响，通过公共气象数据平台获取用户所在地一天中白天NSH个时段日照强度、日照时间、日照阴影、日照偏角等参量最大值、平均值和最小值的相关数据信息，通过本地监控数据中心获取分布式光伏发电系统时段发电量的相关数据信息，通过电网能量管理系统EMS获取电网运行的数据，在考虑日照强度、日照时间、日照阴影、日照偏角度等时主要是引入维梯形模糊集概念及其计算方法，假设日照强度、日照时间、日照阴影、日照偏角度等参量以及用户电池储能充电事件均服从广义多维梯形模糊分布规律，在模糊概率分析的基础上计算分布式光伏发电系统日发电量。利用本发明所提出的基于n维梯形模糊集的分布式光伏发电系统日发电量计算方法，可以计算出一天分布式光伏发电系统发电量。反映了日照强度、日照时间、日照阴影、日照偏角度等参量以及用户电池储能充电事件的随机特性、模糊特性及其概率特征、模糊分布规律，揭示了这些随机和模糊不确定性事件或参量对分布式光伏发电系统日发电量的影响机理，为分布式新能源发电及智能电网调度运行提供必要的技术支撑。本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或
技术领域：
内所公知的任意其它形式的存储介质中。以上对本发明所提供的分布式光伏发电系统日发电量的确定方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本
技术领域：
的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。当前第1页1 2 3