[发明专利]一种光伏组件温度短期预测方法及其预测系统

权利要求书

1.一种基于WRF模式和多维卡尔曼滤波的光伏组件温度短期预测方法，其特征在于，所述预测方法包括下述步骤：

步骤1：将全球预测GFS数据及资料同化数据作为WRF模式输入，得到指定位置气象要素预报数据；

步骤2：收集分析自动气象监测站临近历史时段的监测数据；

步骤3：建立基于多维卡尔曼滤波的光伏电池组件温度短期预测模型；

步骤4：预测光伏电池组件的温度值。

2.如权利要求1所述的光伏组件温度短期预测方法，其特征在于，所述步骤1中，所述气象要素预报数据包括气温、相对湿度、风速、风向和总辐射。

3.如权利要求1所述的光伏组件温度短期预测方法，其特征在于，所述步骤2中，利用相关系数计算公式，计算组件温度与总辐射、气温、相对湿度、气压和风速影响因子的相关系数，相关系数计算公式如下式(1)所示：

式中x_i，y_i——变量x，y的第i个数据点；

——变量x，y的均值；

n——数据点个数。

4.如权利要求1所述的光伏组件温度短期预测方法，其特征在于，所述步骤3包括：根据步骤2的光伏电池组件温度气象影响因子相关性分析，选择总辐射、气温、相对湿度、风速、风向作为光伏电池组件温度的影响因子，将t时刻总辐射R(t)、气温T(t)、相对湿度H(t)、风速W_t、风向D(t)作为多维卡尔曼滤波输入因子，t时刻光伏电池组件温度T_M(t)为输出因子，建立多维卡尔曼滤波短期预测模型；

多维卡尔曼滤波的方程包括：

系统方程X_t＝X_t-1+w_t (2)

观测方程y_t＝X_t+v_t (3)

预测方程

更新方程

W_t、V_t分别由以下公式计算得到：

通过以上方程，通过输入总辐射、气温、相对湿度、风速、风向，以及组件温度，从而完成预测模型的训练；其中，X_t、X_t-1分别是t时刻和t-1时刻的总辐射、气温、相对湿度、风速和风向的矩阵，X_t/t-1是X在t时刻的估计，y_t是t时刻的组件温度序列，P_t、P_t-1分别是t时刻和t-1时刻X_t的协方差矩阵，K_t是更新系数矩阵，P_t/t-1是P在t时刻的估计，P_t-1是P在t-1时刻的实际值，w_t是系统误差，v_t是观测误差，W_t、V_t分别是w_t、v_t的协方差矩阵，X表示输入因子矩阵，X_t-i是X在t-i时刻的实际值，X_t-i-1是X在t-i-1时刻的实际值，y_t-i是y在t-i时刻的实际值，i是指在t时刻前的某一时刻。

5.如权利要求1所述的光伏组件温度短期预测方法，其特征在于，所述步骤3包括：获取光伏组件所处位置的临近历史时段的气象要素数据，滚动更新光伏电池组件温度短期预测模型，将日前气象要素预报数据输入最新的多维卡尔曼滤波短期预测模型，预测光伏电池组件的温度值。