[发明专利]基于神经网络的光伏电站发电量的计算方法及系统

说明书

本发明公开了一种基于神经网络的光伏电站发电量的计算方法，包括：计算得到水平面理论太阳辐射强度S；获取光伏电站的历史发电量以及光伏电站所在位置的气象要素历史运行数据；所述气象要素包含光伏电站所在位置的环境温度Ta、光伏组件的背板温度Tb和实际辐照强度C；将获取的数据样本[T C S]作为神经网络的输入向量，将[0 0 P]作为神经网络的输出向量，建立基于神经网络的光伏电站发电量P的计算模型；输入任意时刻的气象要素数据，通过所述计算模型计算得到该时刻光伏电站的发电量。本发明还公开了一种基于神经网络的光伏电站发电量的计算系统。所述基于神经网络的光伏电站发电量的计算方法及系统能够快速、准确计算得到光伏电站发电量。

技术领域

本发明涉及光伏电站发电量计算技术领域，特别是指一种基于神经网络的光伏电站发电量的计算方法及系统。

背景技术

随着光伏发电装机容量的日益增加，光伏电站发电量的计算在光伏电站的并网运行、规划、设计和决策方面起到的作用越来越重要。准确计算出光伏电站的发电量，有助于掌握大规模光伏电站的运行特性，实现大规模光伏电站和电力系统的协调运行。一方面，由于光伏出力的随机波动性使得光伏发电的出力难以准确预测，从而影响电力系统的调度和发电计划的指定；另一方面，光伏电站发电量的准确计算也是光伏电站优化设计，实现光伏电站精细化运行管理的基础。

光伏电站发电量计算在光伏电站规划设计阶段和建成之后有着不同的方法。在光伏电站设计的科研阶段，通常根据当地年均辐射量来推算光伏电站的发电量，通过建立太阳辐射模型和光伏发电系统模型，实现对光伏电站输出功率和发电量的计算。该类计算方法由于数据源颗粒度粗大和气象资料同化所带来的误差导致计算发电量和实际发电量偏差较大。光伏电站运行后能够有效获取高分辨率的气象数据，使得实现光伏电站发电量的精确计算成为可能，通常根据光伏发电机理模型建立光伏电站辐照量和功率模型实现光伏电站发电量计算。对于光伏电站发电量的精确计算而言，问题主要来自于如下几个方面：传统的光伏电站发电量计算方法没有考虑电站实际特性，仅仅用转换效率来表征实际辐照量输入和输出功率之间的映射关系，模型误差较大；在实际环境条件下光伏阵列排布复杂、倾角不一致，特别是固定式安装的光伏电站实际辐照量难以计算；基于机理的光伏发电量计算模型结构复杂，参数难以获得，同时光伏电站实际发电量受光伏电站核心关键设备性能退化和实际运行温度影响较大，难以用机理模型进行描述。

发明内容

有鉴于此，本发明的目的在于提出一种基于神经网络的光伏电站发电量的计算方法及系统，能够快速、准确计算得到光伏电站发电量。

基于上述目的本发明提供的基于神经网络的光伏电站发电量的计算方法，包括：根据光伏电站所在地理位置和时间计算得到水平面理论太阳辐射强度；

获取光伏电站的历史发电量以及光伏电站所在位置的气象要素历史运行数据；所述气象要素包含光伏电站所在位置的环境温度、光伏组件的背板温度和实际辐照强度；

将获取的数据样本[T C S]作为神经网络的输入向量，将[0 0 P]作为神经网络的输出向量，建立基于神经网络的光伏电站发电量的计算模型，其中T为光伏组件的背板温度或环境温度，C为实际辐照强度，S为水平面理论太阳辐射强度，P为光伏电站发电量；

输入任意时刻的气象要素数据，通过所述计算模型计算得到该时刻光伏电站的发电量。

可选的，所述水平面理论太阳辐射强度的计算步骤为：根据大气衰减系数以及太阳高度角计算得到太阳直接辐射强度；根据大气衰减系数、太阳高度角以及散射系数计算得到太阳散射辐射强度；将太阳直接辐射强度加上太阳散射辐射强度即为所述水平面理论太阳辐射强度。

进一步，所述太阳直接辐射强度的计算公式为：

S_bh＝S₀×τ_b×sin h

所述太阳散射辐射强度的计算公式为：