[发明专利]一种光伏电站发电量预测系统及方法

权利要求书

1.一种光伏电站发电量预测系统，其特征在于，包括数据采集模块、数据处理模块和预测模型模块，所述数据采集模块用于采集光伏电站发电量的环境影响因素和内在影响因素历史数据及其所对应的光伏发电量历史数据，确定历史数据样本集，还用于采集待测日的环境影响因素和内在影响因素；

所述数据处理模块用于对采集到的数据进行去噪处理，根据内在影响因素计算光伏电站实际光电转换效率，以环境影响因素和实际光电转换效率的历史数据为输入向量，以其所对应的发电量的历史数据为输出向量，确定训练样本，并对训练样本行归一化处理；

所述预测模型模块用于根据归一化后的训练样本建模，以待测日的环境影响因素和实际光电转换效率作为模型输入，输出待测日的发电量预测值。

2.如权利要求1所述的光伏电站功率预测系统，其特征在于，所述数据处理模块采用去燥自编码器对预测样本数据进行去噪处理，对缺损的数据进行补充。

3.如权利要求1所述的光伏电站功率预测系统，其特征在于，所述环境影响因素包括太阳辐射强度和大气温度，所述内在影响因素包括组件出厂时的标称光电转换效率、光衰减曲线和老化衰减曲线，所述数据处理模块还用于通过组件出厂光电转换效率、光衰减曲线和老化衰减曲线获取光电转换效率随时间变化曲线，并计算历史时间段内每日和待测日的光电转换效率值。

4.一种光伏电站发电量预测方法，其特征在于，步骤如下：

采集光伏电站发电量的环境影响因素和内在影响因素及其所对应的发电量历史数据，确定历史数据样本集，同时采集待测日的环境影响因素和内在影响因素；

对采集到的数据进行去噪处理，根据内在影响因素计算组件实际光电转换效率，以环境影响因素和实际光电转换效率的历史数据为输入向量，以其所对应的光伏发电量的历史数据为输出向量，确定训练样本，并对训练样本行归一化处理；

建立弹性自适应BP神经网络模型，通过训练样本对模型进行训练，重复利用历史时间段每天的太阳辐射强度、大气温度、组件实际光电转换效率和发电量进行模型优化；

以待测日的环境影响因素和组件实际光电转换效率作为模型输入，输出待测日的发电量输出向量。

5.如权利要求4所述的光伏电站发电量预测方法，其特征在于，环境影响因素包括太阳辐射强度和大气温度，所述内在影响因素包括组件出厂时的标称光电转换效率、光衰减曲线和老化衰减曲线。

6.如权利要求5所述的光伏电站发电量预测方法，其特征在于，当内在影响因素为已知数据时，对采集到的标称光电转换效率、光衰减曲线和老化衰减曲线进行数据拟合，得到真实光电转换效率随时间变化曲线，间隔一定时间对光伏电站取一定比例的组件电池板进行光电转换效率检测，获取检测数据，求取平均值，通过检测数据平均值对光电转换效率随时间变化曲线进行修正。

7.如权利要求5所述的光伏电站发电量预测方法，其特征在于，当内在影响因素为未知数据时，抽取同型号同批次的一定数量的光伏组件以相同方式安装在光伏电站周边但不组网，每间隔一定时间对抽取的光伏组件进行光电转换效率检测，对检测到的光电转换效率进行数据拟合，得到光电转换效率随时间变化曲线。

8.如权利要求4所述的光伏电站功率预测系统，其特征在于，对训练样本进行归一化处理，归一化公式为：

其中，i＝1,2,…,n_i，x^*_i为归一化处理前的预测输入向量中第i个分量，为归一化处理后预测输入向量中第i个分量，x_i,min，x_i,max分别为归一化处理前原始输入向量中第i个分量的最小值和最大值。