一种分布式光伏发电系统日发电量的确定方法与流程

技术特征：

1.一种分布式光伏发电系统日发电量的确定方法，其特征在于，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。

2.如权利要求1所述的分布式光伏发电系统日发电量的确定方法，其特征在于，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。

3.如权利要求1或2所述的分布式光伏发电系统日发电量的确定方法，其特征在于，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。

4.如权利要求3所述的分布式光伏发电系统日发电量的确定方法，其特征在于，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N_SH个时段日照强度值1、值2、…、值N_V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

$\begin{array}{c}{S}_{HV}^{tk}=(S_{HV1}^{tk},S_{HV2}^{tk},...,S_{HVn}^{tk})=\[(S_{HV11}^{tk},S_{HV12}^{tk},S_{HV13}^{tk},S_{HV14}^{tk};k_{SHV1}^{tk}),\\ (S_{HV21}^{tk},S_{HV22}^{tk},S_{HV23}^{tk},S_{HV24}^{tk};k_{SHV2}^{tk}),\\ ...\\ (S_{HVn1}^{tk},S_{HVn2}^{tk},S_{HVn3}^{tk},S_{HVn4}^{tk};k_{SHVn}^{tk})\]\end{array}$

式中，t＝1,2,...,N_SH，k₁＝1,2,...,N_V1，N_V1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。

5.如权利要求4所述的分布式光伏发电系统日发电量的确定方法，其特征在于，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N_SH个时段日照时间值1、值2、…、值N_V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

$\begin{array}{c}{T}_{HV}^{tk}=(T_{HV1}^{tk},T_{HV2}^{tk},...,T_{HVn}^{tk})=\[(T_{HV11}^{tk},T_{HV12}^{tk},T_{HV13}^{tk},T_{HV14}^{tk};k_{THV1}^{tk}),\\ (T_{HV21}^{tk},T_{HV22}^{tk},T_{HV23}^{tk},T_{HV24}^{tk};k_{THV2}^{tk}),\end{array}$

$\begin{array}{c}...\\ (T_{HVn1}^{tk},T_{HVn2}^{tk},T_{HVn3}^{tk},T_{HVn4}^{tk};k_{THVn}^{tk})\]\end{array}$

式中，k₂＝1,2,...,N_V2，N_V2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。

6.如权利要求5所述的分布式光伏发电系统日发电量的确定方法，其特征在于，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N_SH个时段日照阴影值1、值2、…、值N_V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

$\begin{array}{c}{Y}_{HV}^{tk}=(Y_{HV1}^{tk},Y_{HV2}^{tk},...,Y_{HVn}^{tk})=\[(Y_{HV11}^{tk},Y_{HV12}^{tk},Y_{HV13}^{tk},Y_{HV14}^{tk};k_{YHV1}^{tk}),\\ (Y_{HV21}^{tk},Y_{HV22}^{tk},Y_{HV23}^{tk},Y_{HV24}^{tk};k_{YHV2}^{tk}),\\ ...\\ (Y_{HVn1}^{tk},Y_{HVn2}^{tk},Y_{HVn3}^{tk},Y_{HVn4}^{tk};k_{YHVn}^{tk})\]\end{array}$

式中，k₃＝1,2,...,N_V3，N_V3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。

7.如权利要求6所述的分布式光伏发电系统日发电量的确定方法，其特征在于，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N_SH个时段日照偏角值1、值2、…、值N_V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N_V模糊不确定性关系的n维梯形模糊集

$\begin{array}{c}{A}_{HV}^{tk}=(A_{HV1}^{tk},A_{HV2}^{tk},...,A_{HVn}^{tk})=\[(A_{HV11}^{tk},A_{HV12}^{tk},A_{HV13}^{tk},A_{HV14}^{tk};k_{AHV1}^{tk}),\\ (A_{HV21}^{tk},A_{HV22}^{tk},A_{HV23}^{tk},A_{HV24}^{tk};k_{AHV2}^{tk}),\\ ...\\ (A_{HVn1}^{tk},A_{HVn2}^{tk},A_{HVn3}^{tk},A_{HVn4}^{tk};k_{AHVn}^{tk})\]\end{array}$

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。

8.如权利要求7所述的分布式光伏发电系统日发电量的确定方法，其特征在于，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N_SH个时段因日照而造成环境温度的升高幅度值1、值2、…、值N_V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

$\begin{array}{c}{\mathrm{\ΔT}}_{HV}^{tk}=({\mathrm{\ΔT}}_{HV1}^{tk},{\mathrm{\ΔT}}_{HV2}^{tk},...,{\mathrm{\ΔT}}_{HVn}^{tk})=\[({\mathrm{\ΔT}}_{HV11}^{tk},{\mathrm{\ΔT}}_{HV12}^{tk},{\mathrm{\ΔT}}_{HV13}^{tk},{\mathrm{\ΔT}}_{HV14}^{tk};k_{\mathrm{\Δ}THV1}^{tk}),\\ ({\mathrm{\ΔT}}_{HV21}^{tk},{\mathrm{\ΔT}}_{HV22}^{tk},{\mathrm{\ΔT}}_{HV23}^{tk},{\mathrm{\ΔT}}_{HV24}^{tk};k_{\mathrm{\Δ}THV2}^{tk}),\\ ...\\ ({\mathrm{\ΔT}}_{HVn1}^{tk},{\mathrm{\ΔT}}_{HVn2}^{tk},{\mathrm{\ΔT}}_{HVn3}^{tk},{\mathrm{\ΔT}}_{HVn4}^{tk};k_{\mathrm{\Δ}THVn}^{tk})\]\end{array}$

式中，k₄＝1,2,...,N_V4，N_V4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。

9.如权利要求8所述的分布式光伏发电系统日发电量的确定方法，其特征在于，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

$\begin{array}{c}{C}_{HV}^{tk}=(C_{HV1}^{tk},C_{HV2}^{tk},...,C_{HVn}^{tk})=\[(C_{HV11}^{tk},C_{HV12}^{tk},C_{HV13}^{tk},C_{HV14}^{tk};k_{CHV1}^{tk}),\\ (C_{HV21}^{tk},C_{HV22}^{tk},C_{HV23}^{tk},C_{HV24}^{tk};k_{CHV2}^{tk}),\\ ...\\ (C_{HVn1}^{tk},C_{HVn2}^{tk},C_{HVn3}^{tk},C_{HVn4}^{tk};k_{CHVn}^{tk})\]\end{array}$

式中，k₅＝1,2,...,N_V5，N_V5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。

10.如权利要求9所述的分布式光伏发电系统日发电量的确定方法，其特征在于，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P_PVN的光伏发电系统日发电量：

式中，P_PVN≤1，为在参考温度下可发电功率，k_PVE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N_SH个模糊集的并集。