[发明专利]一种基于模型参数优化的光伏短期发电量预测方法及系统

权利要求书

1.一种基于模型参数优化的光伏短期发电量预测方法，其特征在于，包括步骤：

S100,获取光伏电站历史数据以及光伏组件信息；

S200,对光伏电站历史数据分析处理，并对光伏电站的天气类型进行分类，归于相应的典型天气类型；

S300,利用典型天气类型所对应的光伏电站历史数据对模型参数优化；基于优化后的参数分别建立预测计算模型；

S400,对需要预测的光伏电站气象数据进行典型天气类型区分，并根据预测数据通过对应计算模型预测光伏发电量。

2.根据权利要求1所述的一种基于模型参数优化的光伏短期发电量预测方法，其特征在于，所述光伏电站历史数据包括光伏电站历史发电量、历史光伏组件电池温度信息和光伏电站的历史气象数据；所述光伏组件信息包括光伏电池参数短路电流Isc、开路电压Uoc、最大工作电流Im、最大工作电压Um以及光伏组件数目；

所述历史气象数据包括光伏电站所在地理位置的环境温度、辐射强度以及天气类型。

3.根据权利要求2所述的一种基于模型参数优化的光伏短期发电量预测方法，其特征在于，在步骤S200中，对光伏电站历史数据进行分析处理包括滤除缺失、异常的数据；

在步骤S200中，对该光伏电站的天气类型进行分类，归于相应的典型天气类型的处理过程为：

根据电站历史数据的统计，以历史光伏出力曲线的波动特征将光伏出力分为四类，每一类对应一种典型天气类型，并记为晴天、多云、阵雨和大雨；

以所得的典型天气类型分别建立A、B、C和D四个子集，按照光伏出力曲线变化规律相似程度从高到低的顺序和历史数据在各子集中的均衡分布原则，将所有气象专业天气类型均依次顺序合并到这四个子集中，每个子集均包含不止一个气象专业天气类型，将所述子集作为典型天气类型。

4.根据权利要求3所述的一种基于模型参数优化的光伏短期发电量预测方法，其特征在于，在步骤S300中，利用典型天气类型所对应的光伏电站历史数据对模型参数进行优化的处理过程为，通过将对应典型天气类型的光伏电站历史数据进行归类，将所有历史数据划分为四个数据子集，再利用四个数据子集分别对模型参数进行优化。

5.根据权利要求4中所述的一种基于模型参数优化的光伏短期发电量预测方法，其特征在于，在步骤S300中，基于优化后的参数分别建立预测计算模型，所述预测计算模型的计算公式为：

光伏电站发电量：P＝U'_m×I'_m×n；

其中，

I'_m、U'_m分别为实际辐射强度和环境温度下的最佳工作电流、最佳工作电压，n为光伏电站光伏组件数量；I_m、U_m分别为标况下最佳工作电流、最佳工作电压；a、b、c为待优化模型参数；ΔT为电池温度实际值与标况下电池温度的差值；ΔS为辐射强度实际值与标况下辐射强度的差值；

其中，ΔT＝T―T_ref，

T＝T_air+K×S；

T_ref为标况下电池温度；S_ref为标况下辐射强度；T为实际辐射强度和环境温度下的电池温度；T_air为光伏电站所在地环境温度；K为太阳辐射强度变化时太阳电池温度系数；S为辐射强度实际值；

其中，参数K、a、b、c作为需要优化的模型参数。

6.根据权利要求5中所述的一种基于模型参数优化的光伏短期发电量预测方法，其特征在于，通过四个数据子集分别对所述预测计算模型中的参数K、a、b、c进行优化，通过模型优化计算后将得到光伏电站的四组K、a、b、c模型参数；将优化后的模型参数代入模型计算公式中以建立新的四种典型天气类型的预测计算模型。