CN113393046B - 一种光伏功率预测方法及其应用装置 - Google Patents
一种光伏功率预测方法及其应用装置 Download PDFInfo
- Publication number
- CN113393046B CN113393046B CN202110698784.XA CN202110698784A CN113393046B CN 113393046 B CN113393046 B CN 113393046B CN 202110698784 A CN202110698784 A CN 202110698784A CN 113393046 B CN113393046 B CN 113393046B
- Authority
- CN
- China
- Prior art keywords
- time
- cleaning
- photovoltaic power
- prediction
- dust accumulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004140 cleaning Methods 0.000 claims abstract description 175
- 239000000428 dust Substances 0.000 claims abstract description 97
- 238000009825 accumulation Methods 0.000 claims abstract description 92
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000010248 power generation Methods 0.000 claims abstract description 4
- 238000004891 communication Methods 0.000 claims description 33
- 238000012544 monitoring process Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 8
- 238000002955 isolation Methods 0.000 claims description 7
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的光伏功率预测方法及其应用装置，应用于光伏发电技术领域，该方法在获取自当前时刻至目标预测时刻的降雨量、光伏电站在目标预测时刻的初始功率预测值以及清扫机器人在当前时刻的清扫信息后，根据清扫信息确定光伏电站在目标预测时刻的积尘时长并根据降雨量和积尘时长确定光伏电站的积尘率，最后基于积尘率修正初始功率预测值，得到光伏电站在目标预测时刻的最终功率预测值。本方法中积尘时长是基于清扫机器人在当前时刻的清扫信息确定的，确定的积尘时长更为准确,同时，还综合考虑降雨量对光伏组件积尘的影响，进一步提高积尘率计算结果的准确性，进而提高光伏功率预测结果的准确性。
Description
技术领域
本发明涉及光伏发电技术领域，特别涉及一种光伏功率预测方法及其应用装置。
背景技术
光伏功率预测是指通过获取电站运行信息和气象数据对未来一段时间，比如未来4小时和24小时内的光伏发电功率进行预测，并进一步将预测结果上报调度机构，作为调度机构进行电能调度、分配的依据。随着光伏电站规模的不断扩大，对光伏电站进行光伏功率预测已经成为一项强制要求。
在实际应用中，自然环境中的灰尘沉降在光伏组件表面会造成发电量减少，为了提高光伏功率预测结果的准确性，现有技术会评估光伏组件积尘对发电功率预测结果的影响。具体做法是通过积尘率模型来预估组件的积尘率，并基于积尘率修正功率预测结果。
然而，发明人研究发现，现有积尘率的计算未将清扫机器人的清扫计划纳入考虑，或仅考虑清扫机器人预订的清扫计划，而在实际应用中，经常发生计划外清扫作业的情况，使得光伏组件的积尘时间发生改变，导致采用现有技术计算得到的积尘率不准确，进而影响光伏功率预测结果的准确性。
发明内容
本发明提供一种光伏功率预测方法及其应用装置，基于清扫机器人在当前时刻的清扫信息确定积尘时长，同时结合降雨量计算积尘率，积尘率计算结果更准确，进而有助于提高光伏功率预测结果的准确性。
为实现上述目的，本发明提供的技术方案如下：
第一方面，本发明提供一种光伏功率预测方法，包括：
获取自当前时刻至目标预测时刻的降雨量、光伏电站在所述目标预测时刻的初始功率预测值以及清扫机器人在所述当前时刻的清扫信息；
根据所述清扫信息确定所述光伏电站在所述目标预测时刻的积尘时长；
根据所述降雨量和所述积尘时长确定所述光伏电站的积尘率；
基于所述积尘率修正所述初始功率预测值，得到所述光伏电站在所述目标预测时刻的最终功率预测值。
可选的，所述根据所述清扫信息确定所述光伏电站在所述目标预测时刻的积尘时长，包括：
根据所述清扫信息确定所述目标预测时刻之前最近一次清扫对应的清扫时刻；
将所述清扫时刻与所述目标预测时刻之间的时长，作为所述光伏电站在所述目标预测时刻的积尘时长。
可选的，所述清扫信息包括所述清扫机器人在所述当前时刻是否执行清扫作业和下一次清扫作业距所述当前时刻的间隔时长；
所述根据所述清扫信息确定所述目标预测时刻之前最近一次清扫对应的清扫时刻，包括：
若所述清扫机器人在所述当前时刻执行清扫作业，将所述当前时刻作为所述目标预测时刻之前最近一次清扫对应的清扫时刻；
若所述清扫机器人在所述当前时刻未执行清扫作业，基于所述当前时刻和所述间隔时长确定下一次清扫作业的作业时刻；
根据所述作业时刻与所述目标预测时刻的时序关系，确定所述目标预测时刻之前最近一次清扫对应的清扫时刻。
可选的，所述根据所述作业时刻与所述目标预测时刻的时序关系，确定所述目标预测时刻之前最近一次清扫对应的清扫时刻，包括：
若所述作业时刻在所述目标预测时刻之前或所述作业时刻和所述目标预测时刻为同一时刻，将所述作业时刻作为所述目标预测时刻之前最近一次清扫对应的清扫时刻；
若所述作业时刻在所述目标预测时刻之后，将所述当前时刻之前最近一次清扫对应的时刻作为所述目标预测时刻之前最近一次清扫对应的清扫时刻。
可选的，所述根据所述降雨量和所述积尘时长确定所述光伏电站的积尘率，包括：
将所述降雨量和所述积尘时长输入预设积尘率计算函数，得到所述光伏电站的积尘率。
可选的，所述预设积尘率计算函数输出的积尘率与降雨量负相关、与积尘时长正相关。
可选的，所述基于所述积尘率修正所述初始功率预测值，得到所述光伏电站在所述目标预测时刻的最终功率预测值，包括：
计算所述积尘率与所述初始功率预测值的乘积，得到预测偏差值；
将所述初始功率预测值与所述预测偏差值的差值，作为所述光伏电站在所述目标预测时刻的最终功率预测值。
可选的，所述清扫信息由设置于安全I区或安全Ⅲ区的清扫机器人提供。
可选的，所述降雨量由设置于安全Ⅲ区的气象服务器提供。
可选的，本发明第一方面任一项提供的光伏功率预测方法，还包括：
获取目标预测时间段；
按照预设划分规则在所述目标预测时间段内确定多个预测时刻；
分别将各所述预测时刻作为目标预测时刻。
可选的，所述分别将各所述预测时刻作为目标预测时刻，包括：
按照各所述预测时刻的时序依次将各所述预测时刻作为目标预测时刻；
或者，
将各所述预测时刻同时作为目标预测时刻。
第二方面，本发明提供一种功率预测服务器，包括：存储器和处理器；所述存储器存储有适于所述处理器执行的程序，以实现本发明第一方面任一项所述的光伏功率预测方法。
第三方面，本发明提供一种光伏电站监控系统，包括：清扫机器人、气象服务器和本发明第二方面所述的功率预测服务器，其中，
所述功率预测服务器分别与所述清扫机器人和所述气象服务器通讯连接；
所述清扫机器人向所述功率预测服务器提供当前时刻的清扫信息；
所述气象服务器向所述功率预测服务器提供包括降雨量的气象数据。
可选的，所述清扫机器人设置于安全I区，所述光伏电站监控系统还包括：通讯主机、数据采集器和监控主系统，其中，
所述清扫机器人经所述通讯主机与所述数据采集器相连；
所述数据采集器与所述监控主系统相连；
所述监控主系统与设置于安全II区的所述功率预测服务器相连。
可选的，所述清扫机器人设置于安全Ⅲ区，所述光伏电站监控系统还包括：通讯主机、数据采集器和反向隔离装置，其中，
所述清扫机器人经所述通讯主机与所述数据采集器相连；
所述数据采集器经所述反向隔离装置与设置于安全II区的所述功率预测服务器相连。
本发明提供的光伏功率预测方法，在获取自当前时刻至目标预测时刻的降雨量、光伏电站在目标预测时刻的初始功率预测值以及清扫机器人在当前时刻的清扫信息后，根据清扫信息确定光伏电站在目标预测时刻的积尘时长并根据降雨量和积尘时长确定光伏电站的积尘率，最后基于积尘率修正初始功率预测值，得到光伏电站在目标预测时刻的最终功率预测值。本发明提供的光伏功率预测方法，积尘时长是基于清扫机器人在当前时刻的清扫信息确定的，与现有技术中不考虑清扫机器人清扫计划或仅采用预设清扫计划的方法相比，确定的积尘时长更为准确，可以避免临时清扫作业对积尘时长计算的影响，同时，还综合考虑降雨量对光伏组件积尘的影响，进一步提高积尘率计算结果的准确性，进而提高光伏功率预测结果的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术内的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述内的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例述及的积尘率与积尘时间和降雨量之间的关系；
图2是本发明实施例提供的一种光伏功率预测方法的流程图；
图3是本发明实施例提供的另一种光伏功率预测方法的流程图；
图4是本发明实施例提供的一种功率预测服务器的结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
发明人通过对光伏电站的实际运行数据的分析与整理，发现光伏电站的积尘率与光伏组件的积尘时间和预测时间段内的降雨量有着密切的关系。参见图1，图1所示内容中记录有某光伏电站在实际运行过程中，测量得到积尘率随积尘时间和降雨量变化的变化过程。具体的，从曲线中可以看出，2019年10月13日-11月12日、11月18日-11月29日和11月30日-12月15日这三段没有降雨的时间段内，组件积尘率随着时间增加而增加；11月13日、11月16日-11月18日、11月30日有降雨，组件积尘率下降。
因此，可以确定组件积尘率ρ(％)和积尘时间t、降雨量p具有相关性。通过大量实验观察，便可以拟合出积尘时间、降雨量和组件积尘率的函数关系，本发明后续实施例提供提供的光伏功率预测方法，便是基于此内容实现的。
基于上述内容，本发明实施例提供一种光伏功率预测方法，本发明实施例提供的光伏功率预测方法应用于能够接收相应数据，并通过运行控制程序以对所得数据进行处理、分析的服务器，当然，还可以应用于其他电子设备。可选的，参见图2，本发明实施例提供的预测方法的流程可以包括：
S100、获取自当前时刻至目标预测时刻的降雨量、光伏电站在目标预测时刻的初始功率预测值以及清扫机器人在当前时刻的清扫信息。
在实际应用中，当前时刻即当前程序运行所对应的时刻，相应的，目标预测时刻即指希望或需要进行光伏输出功率预测的时刻，当然，目标预测时刻是相对于当前时刻的未来的任意时刻，基于现有技术中对光伏电站输出功率的预测需求，目标预测时刻有多种确定方式以及相应的选取范围，具体将在后续内容中展开，此处暂不详述。
对于初始功率预测值的获取，可以基于训练神经网络得到相应的初始功率预测模型，进而通过初始功率预测模型确定光伏电站在目标预测时刻的初始功率预测值。当然，还可以通过现有技术中的其他方式确定初始功率预测值，本发明对此不做限定。
可选的，清扫机器人在当前时刻的清扫信息至少包括清扫机器人在当前时刻是否执行清扫作业和下一次清扫作业距当前时刻的间隔时长。可以想到的是，当前时刻是否执行清扫作业和下一次清扫作业距离当前时刻的间隔时长，主要影响的是光伏组件的积尘时间，是本发明实施例提供的预测方法中极为关键的两个参量。
结合实际应用中清扫机器人与外界的通讯方式可以想到的是，前述清扫信息可以通过通讯报文实现传递，通过报文中指定字段来表示清扫信息中的两个参量，不同的字段值则对应不同的清扫信息。比如，以A字段表示当前时刻是否执行清扫作业，A＝1，表示当前时刻执行清扫作业，A＝0，表示当前时刻未执行清扫作业。
降雨量的获取主要通过访问气象服务器实现，当然，也可以通过其他方式以及来源得到，在不超出本发明核心思想的前提下，同样属于本发明保护的范围内。
S110、根据清扫信息确定光伏电站在目标预测时刻的积尘时长。
具体的，根据清扫信息确定光伏电站在目标预测时刻的积尘时长，首先需要根据清扫信息确定目标预测时刻之前最近一次清扫对应的清扫时刻，并进一步将目标预测时刻之前最近一次清扫对应的清扫时刻与目标预测时刻之间的时长，作为光伏电站在目标预测时刻的积尘时长。
如前所述，清扫信息包括清扫机器人在当前时刻是否执行清扫作业和下一次清扫作业距当前时刻的间隔时长，基于此，如果清扫机器人在当前时刻执行清扫作业，则可以将当前时刻作为目标预测时刻之前最近一次清扫对应的清扫时刻，相应的，光伏电站在目标预测时刻的积尘时长即当前时刻至目标预测时刻对应的时长。
如果清扫机器人在当前时刻未执行清扫作业，则需要基于当前时刻和清扫机器人下一次清扫作业距当前时刻的间隔时长确定清扫机器人下一次清扫作业的作业时刻，可以想到的是，当前时刻与该间隔时长之和即清扫机器人下一次清扫作业的作业时刻，进一步的，需要根据所得作业时刻与目标预测时刻的时序关系，确定目标预测时刻之前最近一次清扫对应的清扫时刻。
具体的，如果所得作业时刻在目标预测时刻之前或作业时刻和目标预测时刻为同一时刻，则将作业时刻作为目标预测时刻之前最近一次清扫对应的清扫时刻，如果作业时刻在目标预测时刻之后，将当前时刻之前最近一次清扫对应的时刻作为目标预测时刻之前最近一次清扫对应的清扫时刻，目标预测时刻之前最近一次清扫对应的清扫时刻与目标预测时刻之间的时长，即光伏电站的积尘时长。
S120、根据降雨量和积尘时长确定光伏电站的积尘率。
根据前述内容以及图1所示，光伏电站的积尘率与降雨量和积尘时长有直接的对应关系，通过对历史数据的分析，可以得到三者之间的函数关系，即得到预设积尘率计算函数，且该预设积尘率计算函数输出的积尘率与降雨量负相关、与积尘时长正相关。
将前述步骤中得到的自当前时刻至目标预测时刻的降雨量和光伏电站在目标预测时刻的积尘时长输入预设积尘率计算函数，即可得到光伏电站的积尘率。
需要说明的是，对于预设积尘率计算函数，在实际应用中可以有多种具体的体现形式，在不超出本发明核心思想范围的前提下，同样属于本发明保护的范围内。
S130、基于积尘率修正初始功率预测值，得到光伏电站在目标预测时刻的最终功率预测值。
可选的，计算所得积尘率与初始功率预测值的乘积，即得到预测偏差值，进一步计算初始功率预测值与预测偏差值的差值，便可得到光伏电站在目标预测时刻的最终功率预测值。
综上所述，本发明提供的光伏功率预测方法，积尘时长是基于清扫机器人在当前时刻的清扫信息确定的，与现有技术中不考虑清扫机器人清扫计划或仅采用预设清扫计划的方法相比，确定的积尘时长更为准确，可以避免临时清扫作业对积尘时长计算的影响，同时，还综合考虑降雨量对光伏组件积尘的影响，进一步提高积尘率计算结果的准确性，进而提高光伏功率预测结果的准确性。
进一步的，对于清扫机器人计划外清扫以及智能调节清扫周期的情况，均能通过获取清扫机器人当前时刻的清扫信息予以解决，应用范围更广。
在实际应用中，光伏电站的功率预测主要分为短期功率预测和超短期功率预测，其中，短期功率预测是指对未来二十四小时内光伏电站的输出功率的预测，超短期功率预测是指对未来四小时内光伏电站的输出功率的预测。结合实际应用中的预测需求，本发明在上述实施例的基础上，提供另一种光伏功率预测方法，该实施例的步骤可以包括：
S200、获取目标预测时间段。
目标预测时间段的选取主要依据实际预测需求确定，可以是前述短期功率预测对应的时间段，也可以是前述超短期功率预测对应的时间段，当然，还可以是其他需要进行功率预测的时间段，本发明对于目标预测时间段的具体选取不做限定。
S210、按照预设划分规则在目标预测时间段内确定多个预测时刻。
以超短期功率预测为例，预测的目的是确定未来4小时内每15分钟对应的输出功率，此种情况下，在确定目标预测时间段之后，以15分钟为间隔，即可确定多个预测时刻。
因此，本步骤中述及的预设划分规则，可以依据实际预测需求设置，主要取决于输出功率预测密度以及预测精度的具体要求。
S220、分别将各预测时刻作为目标预测时刻。
在对目标预测时间段进行划分，得到多个预测时刻之后，即可分别将各预测时刻作为目标预测时刻，进而基于目标预测时刻执行图2所示实施例中的后续步骤，此处不再具体展开，详情可参见前述内容。
可选的，基于执行本实施例提供的预测方法的服务器的硬件性能的差异，将各预测时刻作为目标预测时刻也可以有两种不同的实现方式，其一是按照各预测时刻的时序依次将各预测时刻作为目标预测时刻，即按照时间先后顺序，依次将各个预测时刻作为目标预测时刻，此时因为每次只对一个目标预测时刻进行预测，对服务器的硬件性能要求较低；其二是将各预测时刻同时作为目标预测时刻，同时对各个目标预测时刻对应的输出功率进行预测，此种情况下，对服务器的硬件性能要求则相对较高。
综上所述，本实施例提供的光伏功率预测方法，可以结合实际预测需求，提供不同的预测方式，在满足实际应用中不同预测场景的预测需求的基础上，还可结合硬件设备的性能参数，提供不同的预测方法，适用性更强。
可选的，参见图4，图4为本发明实施例提供的功率预测服务器的结构框图，参见图4所示，可以包括：至少一个处理器100，至少一个通信接口200，至少一个存储器300和至少一个通信总线400；
在本发明实施例中，处理器100、通信接口200、存储器300、通信总线400的数量为至少一个，且处理器100、通信接口200、存储器300通过通信总线400完成相互间的通信；显然，图4所示的处理器100、通信接口200、存储器300和通信总线400所示的通信连接示意仅是可选的；
可选的，通信接口200可以为通信模块的接口，如GSM模块的接口；
处理器100可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器300，存储有应用程序，可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
其中，处理器100具体用于执行存储器内的应用程序，以实现上述所述的光伏功率预测方法的任一实施例。
可选的，本发明实施例还提供一种光伏电站监控系统，包括：清扫机器人、气象服务器和上述实施例提供的功率预测服务器，其中，
功率预测服务器分别与清扫机器人和气象服务器通讯连接；
清扫机器人向功率预测服务器提供当前时刻的清扫信息；
气象服务器向功率预测服务器提供包括降雨量的气象数据。
按照现有技术中对于光伏电站安全区的划分，清扫机器人可以设置于安全I区，也可以设置于安全Ⅲ区，而功率预测服务器大都设置于安全II区。
基于上述内容，如果清扫机器人设置于安全I区，光伏电站监控系统中还包括：通讯主机、数据采集器和监控主系统，其中，
清扫机器人经通讯主机与数据采集器相连，具体的，清扫机器人可以通过LoraWan、蓝牙或4G等无线通信方式接入通讯主机，通讯主机则通过Modbus协议将清扫机器人的清扫信息发送至数据采集器。
数据采集器与监控主系统相连，并基于IEC104协议的方式，将清扫机器人反馈的信息由电站通讯环网上报至监控主系统，进一步由监控主系统通过内网防火墙与设置于安全II区的功率预测服务器相连。
如果清扫机器人设置于安全Ⅲ区，则光伏电站监控系统还包括：通讯主机、数据采集器和反向隔离装置，其中，
清扫机器人经通讯主机与数据采集器相连，具体连接方式可参见上述内容，此处不再复述。
数据采集器经反向隔离装置与设置于安全II区的功率预测服务器相连。
气象服务器设置于安全Ⅲ区，可以通过FTP协议访问外网，并获取降雨量等气象数据，同时，通过反向隔离装置，将降雨量等气象数据发送至功率预测服务器。
本发明实施例提供的光伏功率预测系统，利用电站现有的数据链路和监控系统，无需新增硬件设备、运维系统，系统连接简单，安全性高，且对于清扫机器人位于安全I区和III区的情况均适用。
本发明中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。
Claims (13)
1.一种光伏功率预测方法，其特征在于，包括：
获取自当前时刻至目标预测时刻的降雨量、光伏电站在所述目标预测时刻的初始功率预测值以及清扫机器人在所述当前时刻的清扫信息；
根据所述清扫信息确定所述光伏电站在所述目标预测时刻的积尘时长；
根据所述降雨量和所述积尘时长确定所述光伏电站的积尘率；
基于所述积尘率修正所述初始功率预测值，得到所述光伏电站在所述目标预测时刻的最终功率预测值；
其中，所述根据所述清扫信息确定所述光伏电站在所述目标预测时刻的积尘时长，包括：
根据所述清扫信息确定所述目标预测时刻之前最近一次清扫对应的清扫时刻；
将所述清扫时刻与所述目标预测时刻之间的时长，作为所述光伏电站在所述目标预测时刻的积尘时长；
其中，所述清扫信息包括所述清扫机器人在所述当前时刻是否执行清扫作业和下一次清扫作业距所述当前时刻的间隔时长；
所述根据所述清扫信息确定所述目标预测时刻之前最近一次清扫对应的清扫时刻，包括：
若所述清扫机器人在所述当前时刻执行清扫作业，将所述当前时刻作为所述目标预测时刻之前最近一次清扫对应的清扫时刻；
若所述清扫机器人在所述当前时刻未执行清扫作业，基于所述当前时刻和所述间隔时长确定下一次清扫作业的作业时刻；
根据所述作业时刻与所述目标预测时刻的时序关系，确定所述目标预测时刻之前最近一次清扫对应的清扫时刻。
2.根据权利要求1所述的光伏功率预测方法，其特征在于，所述根据所述作业时刻与所述目标预测时刻的时序关系，确定所述目标预测时刻之前最近一次清扫对应的清扫时刻，包括：
若所述作业时刻在所述目标预测时刻之前或所述作业时刻和所述目标预测时刻为同一时刻，将所述作业时刻作为所述目标预测时刻之前最近一次清扫对应的清扫时刻；
若所述作业时刻在所述目标预测时刻之后，将所述当前时刻之前最近一次清扫对应的时刻作为所述目标预测时刻之前最近一次清扫对应的清扫时刻。
3.根据权利要求1所述的光伏功率预测方法，其特征在于，所述根据所述降雨量和所述积尘时长确定所述光伏电站的积尘率，包括：
将所述降雨量和所述积尘时长输入预设积尘率计算函数，得到所述光伏电站的积尘率。
4.根据权利要求3所述的光伏功率预测方法，其特征在于，所述预设积尘率计算函数输出的积尘率与降雨量负相关、与积尘时长正相关。
5.根据权利要求1所述的光伏功率预测方法，其特征在于，所述基于所述积尘率修正所述初始功率预测值，得到所述光伏电站在所述目标预测时刻的最终功率预测值，包括：
计算所述积尘率与所述初始功率预测值的乘积，得到预测偏差值；
将所述初始功率预测值与所述预测偏差值的差值，作为所述光伏电站在所述目标预测时刻的最终功率预测值。
6.根据权利要求1所述的光伏功率预测方法，其特征在于，所述清扫信息由设置于安全I区或安全Ⅲ区的清扫机器人提供。
7.根据权利要求1所述的光伏功率预测方法，其特征在于，所述降雨量由设置于安全Ⅲ区的气象服务器提供。
8.根据权利要求1-7任一项所述的光伏功率预测方法，其特征在于，还包括：
获取目标预测时间段；
按照预设划分规则在所述目标预测时间段内确定多个预测时刻；
分别将各所述预测时刻作为目标预测时刻。
9.根据权利要求8所述的光伏功率预测方法，其特征在于，所述分别将各所述预测时刻作为目标预测时刻，包括：
按照各所述预测时刻的时序依次将各所述预测时刻作为目标预测时刻；
或者，
将各所述预测时刻同时作为目标预测时刻。
10.一种功率预测服务器，其特征在于，包括：存储器和处理器；所述存储器存储有适于所述处理器执行的程序，以实现权利要求1至9任一项所述的光伏功率预测方法。
11.一种光伏电站监控系统，其特征在于，包括：清扫机器人、气象服务器和权利要求10所述的功率预测服务器，其中，
所述功率预测服务器分别与所述清扫机器人和所述气象服务器通讯连接；
所述清扫机器人向所述功率预测服务器提供当前时刻的清扫信息；
所述气象服务器向所述功率预测服务器提供包括降雨量的气象数据。
12.根据权利要求11所述的光伏电站监控系统，其特征在于，所述清扫机器人设置于安全I区，所述光伏电站监控系统还包括：通讯主机、数据采集器和监控主系统，其中，
所述清扫机器人经所述通讯主机与所述数据采集器相连；
所述数据采集器与所述监控主系统相连；
所述监控主系统与设置于安全II区的所述功率预测服务器相连。
13.根据权利要求11所述的光伏电站监控系统，其特征在于，所述清扫机器人设置于安全Ⅲ区，所述光伏电站监控系统还包括：通讯主机、数据采集器和反向隔离装置，其中，
所述清扫机器人经所述通讯主机与所述数据采集器相连；
所述数据采集器经所述反向隔离装置与设置于安全II区的所述功率预测服务器相连。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110698784.XA CN113393046B (zh) | 2021-06-23 | 2021-06-23 | 一种光伏功率预测方法及其应用装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110698784.XA CN113393046B (zh) | 2021-06-23 | 2021-06-23 | 一种光伏功率预测方法及其应用装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113393046A CN113393046A (zh) | 2021-09-14 |
| CN113393046B true CN113393046B (zh) | 2024-06-18 |
Family
ID=77623564
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110698784.XA Active CN113393046B (zh) | 2021-06-23 | 2021-06-23 | 一种光伏功率预测方法及其应用装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113393046B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117021105B (zh) * | 2023-08-30 | 2024-10-22 | 北京瑞科同创科技股份有限公司 | 光伏清洗机器人的控制方法、装置及设备 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109299820A (zh) * | 2018-09-20 | 2019-02-01 | 国网河南省电力公司电力科学研究院 | 基于斜面辐射修正的光伏发电功率预测方法及装置 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10409925B1 (en) * | 2012-10-17 | 2019-09-10 | Clean Power Research, L.L.C. | Method for tuning photovoltaic power generation plant forecasting with the aid of a digital computer |
| CN107565900A (zh) * | 2017-08-29 | 2018-01-09 | 阳光电源股份有限公司 | 一种太阳能电池板清扫系统和清扫方法 |
| CN107679672A (zh) * | 2017-10-20 | 2018-02-09 | 中冶华天南京电气工程技术有限公司 | 一种基于积尘发电损失预测的光伏电站清洗时机辅助决策方法 |
| CN107818410B (zh) * | 2017-10-23 | 2021-12-14 | 长沙理工大学 | 一种光伏组件积灰程度远程智能诊断方法 |
| CN108399493B (zh) * | 2018-02-02 | 2022-07-12 | 上海电气分布式能源科技有限公司 | 积灰致光伏发电量损失预测方法及光伏组件清洗判断方法 |
| CN108390644B (zh) * | 2018-03-14 | 2019-07-19 | 重庆能源职业学院 | 一种光伏电站的清扫方法 |
| CN108880470B (zh) * | 2018-06-28 | 2019-08-06 | 河海大学常州校区 | 一种计算积灰对光伏组件输出功率及发电量影响的方法 |
| CN110022123A (zh) * | 2019-03-07 | 2019-07-16 | 王成 | 光伏电站智能清洁管理系统 |
| CN110059446A (zh) * | 2019-05-17 | 2019-07-26 | 河海大学常州校区 | 一种预测光伏组件积灰程度的方法 |
| CN111222084B (zh) * | 2020-01-09 | 2021-02-26 | 国网宁夏电力有限公司经济技术研究院 | 可降低积尘影响的光伏板结构和设计光伏板结构的方法 |
| CN112326684B (zh) * | 2020-10-21 | 2022-05-24 | 阳光电源股份有限公司 | 一种光伏组件积尘检测方法、装置、设备及存储介质 |
| CN112487609B (zh) * | 2020-11-06 | 2024-03-26 | 华北电力科学研究院有限责任公司 | 一种光伏组件清洗时刻确定方法及装置 |
| CN112871938B (zh) * | 2020-12-21 | 2022-08-05 | 国家能源集团新能源技术研究院有限公司 | 一种光伏电站清扫监控一体化管理系统 |
| CN112561190B (zh) * | 2020-12-23 | 2023-01-24 | 宁夏中科嘉业新能源研究院（有限公司） | 一种基于离散粒子群算法的光伏电站清洗模型预测方法 |
-
2021
- 2021-06-23 CN CN202110698784.XA patent/CN113393046B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109299820A (zh) * | 2018-09-20 | 2019-02-01 | 国网河南省电力公司电力科学研究院 | 基于斜面辐射修正的光伏发电功率预测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113393046A (zh) | 2021-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dutta et al. | Load and renewable energy forecasting for a microgrid using persistence technique | |
| Pinson et al. | On‐line assessment of prediction risk for wind power production forecasts | |
| Dong et al. | Frequency prediction of power systems in FNET based on state-space approach and uncertain basis functions | |
| CN111198808B (zh) | 预测性能指标的方法、装置、存储介质及电子设备 | |
| CN102223264B (zh) | 一种用于监控系统的告警处理方法及系统 | |
| CN102316496A (zh) | 无线传感器网络中基于卡尔曼滤波的数据融合方法 | |
| CN111008727A (zh) | 一种配电台区负荷预测方法及装置 | |
| CN112702219B (zh) | 物联网网络监测方法、装置、设备及存储介质 | |
| CN116227637A (zh) | 一种面向有源配电网的精细化负荷预测方法和系统 | |
| CN103246939A (zh) | 基于安全稳定裕度的电网运行安全风险事件在线辨识方法 | |
| CN116894539A (zh) | 一种服装生产监测方法、系统及介质 | |
| CN113393046B (zh) | 一种光伏功率预测方法及其应用装置 | |
| CN114786190A (zh) | 一种流量的预测方法、装置及存储介质 | |
| CN116484554A (zh) | 一种配电网的拓扑辨识方法、装置、设备及介质 | |
| CN106849064B (zh) | 一种基于气象数据的区域电网负荷预测管理系统 | |
| CN117644794A (zh) | 一种基于充电桩的智能时段控制系统 | |
| CN110971492A (zh) | 考虑广域量测时延的rtu全网同时断面生成方法及系统 | |
| CN116055419A (zh) | 面向工业的物联网云边协同传输控制方法与流程 | |
| CN112493100B (zh) | 基于土壤水势的棉花水分监测滴灌控制方法及系统 | |
| CN117200223A (zh) | 日前电力负荷预测方法和装置 | |
| CN111028487B (zh) | 一种水处理监测方法及系统 | |
| CN113469419A (zh) | 一种商业楼宇用电量预测方法及系统 | |
| CN118589494B (zh) | 一种基于时空融合的风电功率预测方法及系统 | |
| CN114414938B (zh) | 一种配电网故障的动态响应方法及系统 | |
| CN117195580B (zh) | 一种配电网智能规划方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221222 Address after: Room 214-49, Block B, Phase III (South District), Huguang Road Independent Innovation Industrial Base, Shushan New Industrial Park, Shushan District, Hefei City, Anhui Province, 230088 Applicant after: Hefei Zero Carbon Technology Co.,Ltd. Address before: 230088 No. 1699 Xiyou Road, Hefei High-tech Zone, Anhui Province Applicant before: SUNGROW POWER SUPPLY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |