基于全年情景树和双立体魔方的光伏发电预测方法及系统

技术领域

本发明属于光伏电站发电预测技术领域，具体涉及一种基于全年情景树和双立体魔方的光伏发电预测方法及系统。

背景技术

光伏电站的发电量不仅受到太阳辐照度和工作温度的影响，而且同污染物遮挡有较强的相关性。由于光伏发电具有间歇性和波动性的特点，导致了其在大规模并网发电的过程中存在不稳定性，由此提高了光伏电站规划设计和运行维护的难度。因此，如果能够准确预测未来短期内光伏发电的影响情况并分析，就可以提前做出相应的运行调度策略，这对于提升光伏电站的运行效率具有重要意义。

光伏组件上的灰尘堆积已经严重影响了光伏组件的正常发电；但是光伏组件上的灰尘对光伏组件的发电影响分析和预测，是一个多维耦合的复杂问题。是一个相关影响因素诸多，相互关联函数不明显，计算过程复杂的问题。

在光伏发电过程中，为了进一步提升光伏电站的运行效率，需要更实时、更精细地把控复杂的能源供求关系。在能源的需求侧，准确的电力负荷预测是一项重要内容，传统的近期负荷预测方法为时间序列法。

时间序列法是指按照一定的时间间隔对电力负荷进行采样，从而获取光伏电站的历史负荷数据，建立数学模型，以确定负荷随时间变化的数学表达式，可对未来某个特定时间点或时间段的负荷进行预测。研究人员使用了时间序列法来预测电站的未来电力负荷，该方案采用了温特线性和季节指数平滑法，包括3个基础公式和1个预测方程；时间序列法具有数据少、计算速度快、能反映负荷变化的连续性的优点。但该方法的缺点是对脏数据的处理要求高，原始时间序列要有平稳性，对天气因素不敏感，难以解决节假日、天气变化较大时近期负荷预测误差较大的问题。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于全年情景树和双立体魔方的光伏发电预测方法及系统，用于解决不同气象条件下难以快速计算光伏组件光伏组件不同状态发电量的技术问题。

本发明采用以下技术方案：

基于全年情景树和双立体魔方的光伏发电预测方法，包括以下步骤：

S1、根据光伏组件的辐照度与发电量确定光伏组件的转换特性；

S2、使用一年的气象和灰尘关系构建全年灰尘情景树，根据全年灰尘情景树和遮挡率定位魔方得到当日的灰尘量；

S3、根据步骤S2得到的当日的单位灰尘量确定光伏组件表面的遮挡率；

S4、根据步骤S3得到的光伏组件表面遮挡率，结合光伏组件的温度，基于发电效率影响因子魔方确定光伏组件表面灰尘对发电效率影响因子；

S5、根据步骤S1得到的光伏组件转换特性和步骤S4得到的发电效率影响因子，通过第N天的预测辐照度F(N)得到第二天的发电量，完成光伏发电预测。

具体的，步骤S1中，光伏组件的转换特性如下：

P＝F*S*α*β

其中，P为发电功率，F为光伏组件表面单位面积上接收到的辐照量，S为光伏组件的表面面积；α为干净的新的光伏组件辐照量转换为功率的因子；β

具体的，步骤S2中，全年灰尘情景树包括16种，其中的灰尘关系包括起始灰尘量ω

进一步的，起始灰尘量ω

ω

空气指数AQI

AQI

风速WD

WD

雨量R

R

具体的，步骤S3中，光伏组件表面的遮挡率τ(N)为：

τ(N)＝e

其中，A为光伏组件的灰尘重量和遮挡率关系的常数，ω(N)为光伏组件表面单位面积的灰尘量。

具体的，步骤S4中，第N天光伏组件表面灰尘对发电效率影响因子γ(N)为：

γ(N)＝g

其中，g

进一步的，光伏组件表面遮挡率τ(N)

τ(N)

具体的，步骤S5中，发电量P(N)为：

P(N)＝F(N)*S*α*β

其中，F(N)为第N天的光伏组件表面的辐照度，S为光伏组件的面积，α为标准光照情况下的转换因子，β

进一步的，第N天的灰尘量ω(N)为：

ω(N)＝ω

其中，q＝1,2,…，36，ω

第二方面，本发明实施例提供了一种基于全年情景树和双立体魔方的光伏发电预测系统，包括：

特性模块，根据光伏组件的辐照度与发电量确定光伏组件的转换特性；

划分模块，使用一年的气象和灰尘关系构建全年灰尘情景树，根据全年灰尘情景树和遮挡率定位魔方得到当日的灰尘量；

计算模块，根据划分模块得到的当日的单位灰尘量确定光伏组件表面的遮挡率；

分析模块，根据计算模块得到的光伏组件表面遮挡率，结合光伏组件的温度，基于发电效率影响因子魔方确定光伏组件表面灰尘对发电效率影响因子；

预测模块，根据特性模块得到的光伏组件转换特性和分析模块得到的发电效率影响因子，通过第N天的预测辐照度F(N)得到第二天的发电量，完成光伏发电预测。。

与现有技术相比，本发明至少具有以下有益效果：

本发明基于全年情景树和双立体魔方的光伏发电预测方法，首先根据季节和灰尘量，确定情景树，然后根据第一个魔MAG1快速定位到环境对于光伏组件遮挡率的影响，然后再根据第二个魔方MAG2快速找到对于光伏组件发电功率的综合影响因子，然后预测发电量。

进一步的，给出标准环境下的发电效率因子α和β

进一步的，但是由于环境会对光伏组件的发电造成很大的影响，主要是造成光伏组件表面的灰尘堆积，但是不同的季节灰尘重量对于光伏板的遮挡率的影响不同给，因此就先要建立以季节和灰尘量划分的情景树。

进一步的，由于主要的影响因素为之前的空气质量指数AQI，风速以及雨量的影响，根据历史数据，通过神经网络进行训练，形成MAG1，找到灰尘对于遮挡率的影响，然后根据情景树计算出灰尘量，再根据灰尘量计算出光伏组件的遮挡率。

进一步的，然后根据遮挡率，和光伏板背板的温度，然后再根据MAG2，快速找到遮挡率和温度对于发电功率的影响因子，也就计算出了预测的发电功率。

进一步的，MAG1能够很快找到灰尘的计算方法，然后有了第一天的的灰尘量，就有了下一天的灰尘量，然后利用MAG1，就能迅速查出对应公式，通过天气预报就可以预测出多天的灰尘量，简单明了的就能够将多天的灰尘变化量计算出来。

进一步的，灰尘量会造成光伏组件的表面被遮挡，遮挡率和灰尘的关系为指数关系。

进一步的，对于不同的遮挡率会造成光伏组件表面的温度升高，进行聚类计算，得到MAG2，根据遮挡率和温度的情景树分类，从而知道每一种情景下对于光伏组件发电功率的影响因子。

进一步的，将各个影响因子与辐照度相乘，就得到了发电功率。

可以理解的是，上述第二方面至第三方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

综上所述，本发明不仅能够耦合多维性的复杂影响因素，还能快速完成污染物对光伏组件的发电效率效率分析，实现光伏发电量预测。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明流程图；

图2为第一个全年情景树示意图；

图3为积灰光伏组件表面光线传播示意图；

图4为第一个定位遮挡率的魔方示意图；

图5为第二个定位发电影响率的魔方示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述预设范围等，但这些预设范围不应限于这些术语。这些术语仅用来将预设范围彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一预设范围也可以被称为第二预设范围，类似地，第二预设范围也可以被称为第一预设范围。

取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。

本发明提供了一种基于全年情景树和双立体魔方的光伏发电预测方法，采用全年情景树加双立体魔方的简便计算方法，能够快速得到污染物影响光伏组件的发电效率，计算流程简单。

请参阅图1，本发明一种基于全年情景树和双立体魔方的光伏发电预测方法，包括以下步骤：

S1、根据光伏组件的辐照度与发电量确定光伏组件的转换特性；

根据厂家给出的标准环境下的发电功率，确定光伏组件发电的效率影响因子，包括了光伏组件正常的发电效率以及使用期间每一年的衰减因子；这些因子之外的发电功率的损失，就是因为气象污染等环境问题造成的；

环境中的污染物会造成光伏组件表面灰尘堆积，从而影响到光伏组件的发电效率。但是光伏组件表面的灰尘，和气象中空气质量指数AQI、还有风速WS、雨量R都会有直接的关系。其中AQI越大降尘越多空气越脏，空气中的灰尘就越多，然后落到光伏组件上的灰尘就越多。

风是大气温差而产生的空气运动，一般风是气候或温度变化自然形成的，风会直接吹拂光伏组件表面的积灰，使光伏组件的积灰程度发生变化，风速越大灰尘被吹走的越多。

不同的雨，会对灰尘量有不同的影响，降雨会冲刷反光板上的灰尘，大中雨就会基本冲洗干净。小雨会略有减少，但是对于透光率影响不大。

这个多种因素对于光伏组件上灰尘量的影响是一个多维的复杂问题，很难找到统一的公式进行计算。

因此本申请采用了情景树划分法，简单的解决了这个问题。步骤为首先把原始的气象和灰尘量数据进行聚类分析，将各个影响因素分类分析，然后综合组合起来形成144重情景树，每种情况下有单独的拟合经验公式f

S2、使用一年的气象和灰尘关系构建全年灰尘情景树，根据全年情景树和遮挡率魔方定位得到当日的灰尘量；

把气象环境中与光伏组件表面灰尘量相关性大的起始灰量、AQI、风速、雨量、异常气象一起进行情景的划分，从而确定出一个当日的单位灰尘量ω(单位为g/cm)；

首先把一年分为春夏秋冬，每一个季节都有灰尘的构成，落在光伏板上灰尘的平均粒径按如下规则，春天>秋天>夏天>冬天，春天的灰尘平均粒径最大，秋天和夏天的灰尘粒径较小，冬天的灰尘粒径最小；不同的灰尘的粒径导致虽然同样的灰尘重量，但是不同的季节对与光伏板的遮挡率却是不同的。

然后和AQI，风速、雨量，所以不同的季节，就有不同的光伏板遮挡率的计算公式，采用第一个魔方——遮挡率定位魔方迅速查找到对应的遮挡率。

灰尘量分为(4种)ω

AQI分为(3种)AQI

风速分为(3种)WD

雨量分为(4种)R

3*3*4＝36块的魔方块，q＝1，2，……，36。

然后通过三级神经网络，多重拟合出来，每一种情景树和灰尘的公式，这样，根据实际的灰尘和气象的关系f

ω(N)＝ω

其中，q＝1,2,…，36，N为第N天，N-1是前一天。

请参阅图2，总共划分36种情况，也就是36块魔方块，因为只要定位，将事先规划好的36个计算魔方(也就是算法魔方)存储起来，一旦根据情景搜索，就提取其中的一个魔方进行运算。

不同的雨，会对灰尘量有不同的影响，降雨会冲刷反光板上的灰尘，大中雨就会基本冲洗干净。小雨会略有减少，但是对于透光率影响不大。

风是大气温差而产生的空气运动，一般风是气候或温度变化自然形成的，风会直接吹拂光伏组件表面的积灰，使光伏组件的积灰程度发生变化。

S3、根据步骤S2得到的当日的单位灰尘量确定光伏组件表面的遮挡率；

积灰对光伏组件透光率的影响因素，由于光伏组件的遮挡率与光伏组件的灰尘重量直接相关，采用权威的遮挡率和灰尘重量的指数函数，进行光伏组件灰尘遮挡率的计算；

然后计算出光伏组件遮挡率τ(N)：

τ(N)＝e

其中，A为光伏组件的灰尘重量和遮挡率关系的常数，ω(N)为光伏组件表面单位面积的灰尘量。

光伏组件表面温度t(N)对于发电发电效率影响因子遮挡率τ(N)

光伏组件遮挡率τ(N)

光伏组件表面温度t(N)

n＝1为温度大于45°，n＝2为温度小于等于45°，分成的情景树就是3*2＝6，所以p＝1，2，…，6，一共有6种。

S4、根据步骤S3得到的光伏组件表面遮挡率，结合光伏组件的温度，在第二个魔方——发电效率影响因子魔方里面迅速锁定确定光伏组件表面灰尘对发电效率影响因子；

第N天光伏组件表面灰尘对发电效率影响因子γ(N)为：

γ(N)＝g

其中，g

γ(N)＝g

其中，a

S5、根据步骤S1得到的光伏组件转换特性和步骤S4得到的发电效率影响因子，通过第N天的预测辐照度F(N)得到第二天的发电量，完成光伏发电预测。

通过第N天的预测辐照度F(N)得到发电量P(N)如下：

P(N)＝F(N)*S*α*β

其中，F(N)为第N天的光伏组件表面的辐照度，S为光伏组件的面积，α为标准光照情况下的转换因子，β

第N天的灰尘量ω(N)为：

ω(N)＝ω

其中，q＝1,2,…，16，ω

从而实现光伏发电的准确预测。

本发明再一个实施例中，提供一种基于全年情景树和双立体魔方的光伏发电预测系统，该系统能够用于实现上述基于全年情景树和双立体魔方的光伏发电预测方法，具体的，该基于全年情景树和双立体魔方的光伏发电预测系统包括特性模块、划分模块、计算模块、分析模块以及预测模块。

其中，特性模块，根据光伏组件的辐照度与发电量确定光伏组件的转换特性；

划分模块，使用一年的气象和灰尘关系构建全年灰尘情景树，根据全年灰尘情景树和遮挡率定位魔方得到当日的灰尘量；

计算模块，根据划分模块得到的当日的单位灰尘量确定光伏组件表面的遮挡率；

分析模块，根据计算模块得到的光伏组件表面遮挡率，结合光伏组件的温度，基于发电效率影响因子魔方确定光伏组件表面灰尘对发电效率影响因子；

预测模块，根据特性模块得到的光伏组件转换特性和分析模块得到的发电效率影响因子，通过第N天的预测辐照度F(N)得到第二天的发电量，完成光伏发电预测。

覆盖在光伏组件表面的灰尘阻挡了太阳光的辐射，导致光伏玻璃板的透光率下降，表面接受的有效光照减少，系统输出功率减少。

请参阅图3，辐射强度为E的太阳光照射在光伏组件表面，辐射强度为E1的太阳光被组件表面的积灰颗粒物吸收，另一部分辐射强度为E2的太阳光被积灰散射；被散射的太阳光部分照射到玻璃板上，再次发生反射和折射，图中的辐射强度为E3和E4的光路线就是此过程，最后光伏组件接受的辐射强度只有E4，小于太阳光辐射强度E。所以积灰会使光伏组件的透光率降低，影响系统的发电性能。

在实际工程中，一般以人工观测或者工程师经验的方法对光伏组件进行清洗，清洗周期的制定缺乏灵活性和科学性。光伏组件长期处于外部环境，地理位置、天气、季节等因素会使积灰程度显著变化，采用不科学的周期设定方法会造成经济的损失。因此光伏组件需要定期清理表面的灰尘，提升发电效率。

综上所述，本发明一种基于全年情景树和双立体魔方的光伏发电预测方法及系统，对当前光伏发电领域各个环节的负荷预测、太阳辐照度预测的应用研究进行了综述，由于具有传统算法不具备的优点，因此收到了良好效果；随着光伏发电规模在所有发电方式中的占比的扩大，本发明方法将越来越广泛的应用于光伏发电领域的各项预测及管理中。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。