一种基于智能监控的光伏电站功率预测方法及其系统与流程

本公开涉及光伏电站功率预测领域，具体涉及一种基于智能监控的光伏电站功率预测方法及其系统。

背景技术：

1、光伏电站的功率预测项目通常适用于集中式光伏项目，对于分布式光伏项目使用不多；功率预测项目使用的方法有很多，大致可以分为直接预测法和间接预测法两类，直接预测法也即直接对光伏发电系统的输出功率进行预测，间接预测法则通过采购光伏电站所在地的气象数据对太阳辐照量进行预测来估算光伏电站的功率输出。

2、通常情况下，现有的功率预测会采用多种预测方法进行比较后选取误差较小的模型进行预测，实际上，很多光伏电站项目在立项之初就考虑到了所在地的气象情况，在气象条件未发生明显变化时，整体能够输出的功率是留有裕量的，只是在更小的时间尺度(例如一周内)上无法把控输出功率，因此还是需要将未来几天内的气象数据考虑在内，此时的功率预测通常称之为短期功率预测；短期功率预测通过实时获取气象数据、电站逆变器运行数据等数据建立预测模型，进而预测未来1天内甚至几个小时内的输出功率，以便于电力系统的电力调度、功率平衡、电力交易等。

3、由于短期功率预测的主要影响因素为气象条件也即日照条件决定，但是气象条件的预测影响因素复杂，完全依赖于气象预报来进行功率预测的精度有待提高，也难以提高，各种预测迷行如神经网络或自回归模型均偿试消除气象数据预测不准确而导致的不稳定的问题。《光伏发电站功率预测系统技术要求》中规定：光伏发电短期功率预测中次日0～24h预测月均方根误差应<20％，可见，光伏发电站功率预测留有的误差裕度通常是比较大的，实际上，短期的气象数据往往随机性较大，对其规律的预测通常是徒劳的，光伏电站在实际运行时通常会留有裕量以增强系统功率输出的稳定性，对于光伏电站内设备运行稳定性和光电转化效率的预测更有意义。

技术实现思路

1、本公开提供一种基于智能监控的光伏电站功率预测方法及其系统，能够将光伏电站设备的监控与气象条件预测相结合进行光伏电站功率预测，利于功率预测的稳定性。为解决上述技术问题，本公开提供如下技术方案：

2、作为本公开实施例的一个方面，提供一种基于智能监控的光伏电站功率预测方法，包括如下步骤：

3、获取光伏电站的历史转换效率，基于历史转换效率进行光伏电站的运行状况巡检；

4、基于历史转换效率、巡检得到的光伏电站运行情况、采集到的光伏电站所处的环境数据以及预测的气象数据，对光伏电站的输出功率进行预测以得到预测功率。

5、可选地，获取光伏电站的历史转换效率，包括：

6、获取历史上多个时间段内的平均辐射照度i和相应时间段内的输出功率p，所述平均辐射照度i为受辐射能照射的光组件表面上，单位面积单位时间内受照面上的辐射照度，历史辐照度计算公式：i＝dф/ds，其中i表示辐射照度，φ表示光通量，s表示光组件面积；

7、根据多个平均辐射照度i和多个平均输出功率p得到多个时间段内的历史转换效率η。

8、可选地，基于历史转换效率进行光伏电站的运行状况巡检，包括：

9、基于多个时间段内的历史转换效率的变化，根据是否超出设定的变化量阈值判断有无异常，如果有异常，则对光伏电站的运行状况进行持续巡检，所述运行状况包括如下中的一种或多种：光伏组件的遮挡情况和功率衰降测试结果，汇流箱、配电柜、逆变器以及变压器的运行情况；如果无异常，则获取光伏电站中的光伏组件、汇流箱、配电柜、逆变器以及变压器的一次巡检状况。

10、可选地，基于历史转换效率、巡检到的光伏电站运行情况、采集到的光伏电站所处的环境数据以及预测的气象数据，对光伏电站的输出功率进行预测以得到预测功率，包括：

11、将多个时间段内的历史转换效率作为因变量，平均辐射照度和平均输出功率作为自变量进行曲线拟合，得到关于预测功率的预测公式；

12、根据采集到的光伏电站所处的环境数据以及预测的气象数据得到预测辐射照度值；

13、根据巡检到的光伏电站运行情况和预测辐射照度值，利用所述预测公式进行计算得到预测功率。

14、可选地，所述预测公式中预测功率pcal为因变量，预测辐射照度ical和预测转换效率ηcal为自变量，具体为：

15、pcal＝k1*ical*k2*ηcal*a，

16、其中，k1和k2为曲线拟合得到的用于限定预测辐射照度ical和预测转换效率ηcal的常量，a为光伏组件的受光面积和。

17、可选地，根据多个平均辐射照度i和多个平均输出功率p得到多个时间段内的历史转换效率η，具体为：其中a为光伏组件的受光面积和。

18、可选地，所述环境数据包括如下数据中的至少两种：温度、湿度、风速、雨量和pm值；根据温度、湿度、风速、雨量或pm值中的至少两种得到影响预测辐射照度值的影响因子μ；

19、所述气象数据包括如下数据：倾斜太阳总辐射、水平太阳总辐射、水平太阳直接辐射或水平太阳散射辐射；根据倾斜太阳总辐射、水平太阳总辐射、水平太阳直接辐射或水平太阳散射辐射进行相加得到太阳总辐射量，进而得到单位面积单位时间内受照面上的辐射照度ipre；

20、根据影响因子和辐射照度ipre进行综合计算得到预测辐射照度ical，ical＝μ*ipre。

21、作为本公开实施例的另一个方面，提供一种基于智能监控的光伏电站功率预测系统，包括：

22、历史转换效率获取单元，获取光伏电站的历史转换效率，基于历史转换效率进行光伏电站的运行状况巡检；

23、功率预测单元，基于历史转换效率、巡检到的光伏电站运行情况、采集到的光伏电站所处的环境数据以及预测的气象数据，对光伏电站的输出功率进行预测以得到预测功率。

24、作为本公开实施例的另一个方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的基于智能监控的光伏电站功率预测方法。

25、作为本公开实施例的另一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现所述的基于智能监控的光伏电站功率预测方法。

26、相对于现有的光伏电站功率预测系统，本公开根据现有的光伏电站涉及到的设备的运行情况，根据历史转换效率的变化情况对光伏电站中的设备进行智能监控，也即根据历史转换效率的变化阈值来开启巡检模式或者一次巡检或常规间隔巡检模式；同时，还充分考虑周围小环境对于光伏电站转换效率的影响，再加上未来的气象数据影响，得到相对更加精准的预测功率。

技术特征：

1.一种基于智能监控的光伏电站功率预测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于智能监控的光伏电站功率预测方法，其特征在于，获取光伏电站的历史转换效率，包括：

3.如权利要求2所述的基于智能监控的光伏电站功率预测方法，其特征在于，基于历史转换效率进行光伏电站的运行状况巡检，包括：

4.如权利要求2所述的基于智能监控的光伏电站功率预测方法，其特征在于，基于历史转换效率、巡检到的光伏电站运行情况、采集到的光伏电站所处的环境数据以及预测的气象数据，对光伏电站的输出功率进行预测以得到预测功率，包括：

5.如权利要求4所述的基于智能监控的光伏电站功率预测方法，其特征在于，所述预测公式中预测功率pcal为因变量，预测辐射照度ical和预测转换效率ηcal为自变量，具体为：

6.如权利要求2所述的基于智能监控的光伏电站功率预测方法，其特征在于，根据多个平均辐射照度i和多个平均输出功率p得到多个时间段内的历史转换效率η，具体为：其中a为光伏组件的受光面积和。

7.如权利要求5所述的基于智能监控的光伏电站功率预测方法，其特征在于，所述环境数据包括如下数据中的至少两种：温度、湿度、风速、雨量和pm值；根据温度、湿度、风速、雨量或pm值中的至少两种得到影响预测辐射照度值的影响因子μ；

8.一种基于智能监控的光伏电站功率预测系统，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的基于智能监控的光伏电站功率预测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至7任一项所述的基于智能监控的光伏电站功率预测方法。

技术总结
本公开涉及光伏电站功率预测领域，具体涉及一种基于智能监控的光伏电站功率预测方法及其系统，所述方法包括如下步骤：获取光伏电站的历史转换效率，基于历史转换效率进行光伏电站的运行状况巡检；基于历史转换效率、巡检到的光伏电站运行情况、采集到的光伏电站所处的环境数据以及预测的气象数据，对光伏电站的输出功率进行预测以得到预测功率。本公开能够将光伏电站设备的监控与气象条件预测相结合进行光伏电站功率预测，利于功率预测的稳定性。

技术研发人员：马振东,殷堃
受保护的技术使用者：电暴猿（上海）科技有限公司
技术研发日：
技术公布日：2024/3/4