[发明专利]一种太阳总辐射预测方法和装置

说明书

本发明提供了一种太阳总辐射预测方法和装置，先基于预先设定的影响太阳总辐射的环境要素，对获取的预测时段的气象数据、地形数据和排放源数据进行处理，得到新能源电站所在地的环境要素数据，然后基于所述新能源电站所在地的环境要素数据和预先构建的神经网络预测模型对太阳总辐射进行预测。本发明考虑了环境要素对辐射衰减的影响，提高太阳总辐射预测结果的准确性。本发明对太阳总辐射进行预测的过程中，基于实测太阳总辐射，采用卡尔曼滤波算法对未来太阳总辐射进行实时校正，进一步提高预测精度；本发明在提高太阳总辐射预测精度的基础上，保证光伏发电系统输出功率的稳定性，且为预测光伏发电系统输出功率提供基础。

技术领域

本发明涉及太阳辐射预测技术，具体涉及一种太阳总辐射预测方法和装置。

背景技术

由于光伏发电系统的输出功率具有随机性和波动性，近些年大规模光伏电站的接入电网已经对电网安全稳定和经济运行造成影响。对光伏电站的输出功率进行准确预测，有助于电力调度部门能够提前根据光伏发电功率变化及时调整调度计划，保证电能质量，减少系统的备用容量，降低电力系统运行成本，使得光伏资源得到充分的利用，从而获得更大的经济效益和社会效益。

光伏发电系统的输出功率很大程度上决定于光伏阵列所能接收到的太阳辐射量，而太阳辐射量容易受到大气的吸收、散射和反射等多方的影响。近年来，随着城市化和工业化进程的加快，雾霾天气出现的频率和强度有明显增加的趋势，已引起社会广泛关注。由于雾霾中的污染物质则可以吸收、散射和反射太阳辐射，所述当出现雾霾天气时，污染物质会对太阳辐射造成衰减，从而造成光伏发电系统的输出功率不稳定且难以预测。然而，现有技术一般采用气象数值模式直接预报太阳总辐射，导致对太阳总辐射的预测结果与实际情况有一定偏差，且现有的直接预报太阳总辐射的方法也不具有普遍适用性。

发明内容

为了克服上述现有技术中太阳总辐射预测结果不准确，本发明提供一种太阳总辐射预测方法和装置，先基于预先设定的影响太阳总辐射的环境要素，对获取的预测时段的气象数据、地形数据和排放源数据进行处理，得到新能源电站所在地的环境要素数据，然后基于新能源电站所在地的环境要素数据和预先构建的神经网络预测模型对太阳总辐射进行预测；神经网络预测模型通过获取的环境要素数据确定，本发明考虑了环境要素对辐射衰减的影响，提高太阳总辐射预测结果的准确性，具有普遍适用性。

为了实现上述发明目的，本发明采取如下技术方案：

一方面，本发明提供一种太阳总辐射预测方法，包括：

基于预先设定的影响太阳总辐射的环境要素，对获取的预测时段的气象数据、地形数据和排放源数据进行处理，得到新能源电站所在地的环境要素数据；

基于所述新能源电站所在地的环境要素数据和预先构建的神经网络预测模型对太阳总辐射进行预测；

所述神经网络预测模型通过环境要素数据确定。

所述环境要素的设定，包括：

通过环境自动监测站和气象自动监测站分别采集历史环境要素和历史太阳总辐射；

计算历史环境要素和历史太阳总辐射的相关系数；

基于所述相关系数，并按照预设比例确定环境要素；

所述环境要素包括：PM2.5、O₃、SO₂、NO₂中的一种或多种。

所述神经网络预测模型按下述过程构建：

基于预先设定的环境要素获取历史天气监测数据和历史太阳总辐射作为训练数据；

采用神经网络模型对所述训练数据进行多次迭代训练，当迭代收敛后确定神经网络的权系数，并根据权系数得到实测太阳总辐射值与历史环境监测数据的对应关系；