[发明专利]基于移动阴影图像识别的光伏电站发电功率预测方法

说明书

基于移动阴影图像识别的光伏电站发电功率预测方法，首先调研光伏系统中光伏阵列具体结构及光伏组件的电气参数，利用计算机对光伏系统进行建模；其次构建基于移动阴影图像识别的光伏电站输出功率预测系统框架，将光伏阵列运行图像、辐照度数据及工作温度数据通过通信网络传送到光伏发电系统中控室；利用包括智能阈值分割、Canny算子边缘检测、边缘标记等技术的阴影识别算法对图像进行局部阴影识别；通过计算机分析各时间点的阴影边缘，归纳阴影移动规律，完成移动阴影预测，同时获取各个光伏组件的辐照度数据；最后综合光伏阵列的工作温度、辐照度及结构，利用计算机预测光伏电站发电功率。

技术领域

本发明涉及光伏发电技术领域，尤其涉及一种当光伏阵列遭遇局部阴影时输出功率的预测方法。

背景技术

随着社会经济的快速发展，传统能源消耗加快，化石能源紧缺。太阳能作为新能源中的重要组成部分，因其储存量大、清洁环保等优点，成为了人们的关注焦点。光伏发电作为太阳能发电中的主要方式，具有无燃料消耗、无排污、形式灵活、规模不受限、安全可靠等特点，应用前景广阔，受到了国内外学者的广泛关注。

光伏发电虽有诸多优点，其发电量却受到大量环境因素制约。辐照度、环境温度、大气湿度等气象因素不仅制约了光伏发电系统的输出功率，还导致了光伏发电输出功率的间歇性和随机波动性，光伏并网后，该波动性还可能会导致电网不稳定。随着并网光伏系统数量的增加，电力系统的安全稳定运行受到了许多干扰。若电网中接入大规模光伏发电，需要系统提供与其容量相匹配的旋转备用去平抑光伏发电的出力波动,以保证电力系统的功率平衡和频率稳定，产生大量不必要的消耗。因此预测光伏发电输出功率，并且提高预测精度至关重要。精确的光伏发电输出功率预测可以提高光伏的渗透水平，增强电网的稳定性，推进负荷侧管理策略的有效实行。

发明内容

本发明要克服现有技术的上述缺点，提供一种基于移动阴影图像识别的光伏电站发电功率预测方法。

本发明能克服现有光伏发电功率预测技术需要大量历史运行数据的问题，利用辐照度传感器与阴影识别算法获取光伏阵列上的辐照度数据与阴影图像，采用计算机分析多个连续时间点的阴影分布信息，预测超短期内光伏阵列表面阴影移动情况，并结合光伏组件参数、阵列结构，通过计算机仿真预测光伏电站的输出功率。本发明所需的光伏历史运行数据较少，且无需复杂的气象监测设备，就可以快速预测超短期内光伏电站发电功率。

为了实现上述技术目标，本发明提出的技术方案如下：

一种基于移动阴影图像识别的光伏电站发电功率预测方法，包括如下步骤：

步骤1：调研目标光伏电站中光伏阵列的具体结构及光伏组件的电气参数，利用计算机针对实际的光伏阵列进行建模，具体实现方法如下：

步骤11：调研实际光伏电站的光伏阵列，记录光伏阵列的具体结构；

步骤12：调查记录光伏组件的具体参数，包括最大功率P_MAX，开路电压V_OC，短路电流I_SC，最大功率点的工作电压V_MPP，最大功率点的工作电流I_MPP参数；

步骤13：基于步骤11和步骤12所获得的光伏阵列结构信息及光伏组件的具体参数，利用计算机进行光伏阵列建模，模型设置有常用的辐照度输入接口、温度输入接口；

步骤2：构建基于移动阴影的光伏电站功率预测系统；以实际运行的光伏阵列(1)为核心，布置辐照度传感器(2)采集入射光辐照度数据，设置摄像头(3)和温度检测仪(4)分别采集光伏阵列实际运行图像和工作温度，辐照度传感器(2)、摄像头(3)、温度检测仪(4)通过通信网络(5)连接至光伏发电系统中控室(6)；