光伏发电功率预测预报系统升级方案设计及关键技术实现

doi:10.11930/j.issn.1004-9649.2014.10.142.5

中国电力 ›› 2014, Vol. 47 ›› Issue (10): 142-147.DOI: 10.11930/j.issn.1004-9649.2014.10.142.5

光伏发电功率预测预报系统升级方案设计及关键技术实现

崔杨^{1, 2}, 陈正洪^{1, 2}, 成驰^{1, 2}, 唐俊^{1, 2}, 谷春³

1. 湖北省气象服务中心,湖北武汉 430070;
2. 湖北省气象能源技术开发中心,湖北武汉 430074;
3. 武汉鼎盛科技有限公司,湖北武汉 430077

收稿日期:2014-06-19 出版日期:2014-10-18 发布日期:2015-12-10
作者简介:崔杨（1987—）,女,陕西旬邑人,硕士,助理工程师,从事专业气象服务软件开发工作。E-mail: qhcuiyang@126.com
基金资助:
财政部公益性行业（气象）科研专项资助项目（GYHY201006036,GYHY201306048）; 中国气象局小型业务专项资助项目（中气函〔2014〕3号）; 湖北省气象局科技发展基金资助项目（2013Q06）

Upgrade of the PV Power Prediction System and Implementation of the Key Technologies

CUI Yang^{1, 2}, CHEN Zhen-hong^{1, 2}, CHEN Chi^{1, 2}, TANG Jun^{1, 2}, GU Chun³

1. Hubei Meteorological Service Center, Wuhan 430070, China;
2. Meteorological Energy Development Center of Hubei Province,Wuhan 430074, China;
3. Wuhan Science and Technology Co., Ltd. Ding Sheng, Wuhan 430077, China

Received:2014-06-19 Online:2014-10-18 Published:2015-12-10
Supported by:
This work is supported by China Special Fund for Meteorological Research in the Public Interest(GYHY201006036, GYHY201306048); Special Found of Small Business in CMA(Letter No.3[2014] of CMA); Special Found for Science and Technology Development in Hubei Meteorological Bureau (2013Q06)

摘要/Abstract

摘要： “光伏发电功率预测预报系统V2.0”开发完成于2012年初,由于国家能源行业标准《光伏发电功率预测系统功能规范》（2014）即将颁布,完善系统功能,提高系统适用性,对系统升级尤其必要。从系统框架完善、预报方法改进、网络技术应用以及功能模块优化等4个方面对“光伏发电功率预测预报系统V2.0”进行了升级。升级内容主要包括：新增集合预报法以实现多种预报方法的集成优化,新增B/S架构方式并通过Silverlight 4.0技术实现预报产品的网络发布,新增电站地理信息地图显示从而增强系统的展示性,加强入库数据的规范化管理及对系统进行发电单元划分。升级后的系统已推广应用于全国多家光伏电站,将有助于电网对光伏发电的合理有效调度及光伏电站发电效率的提高。

关键词: 光伏发电, 功率预测预报, Silverlight 4.0, 集合预报法, Google Earth

Abstract: The “Solar Power Generation Forecasting System V2.0” was developed in early 2012. As the national energy industry standard- the “Functional Specification for Photovoltaic Power Prediction System” (2014) is to be issued soon, it's necessary to upgrade this system to further perfect its function and improve its suitability. The upgrade mainly consists the following respects. Firstly, the B/S technical architecture is added to achieve the network publishing of forecasting products through Silverlight 4.0. Secondly, the combined forecast method is included in the upgrade to integrate various forecasting methods as to improve the forecast accuracy. Thirdly, the Google Earth will be incorporated to show the geographic information of plant which can enhance the display performance of the system. Finally, the upgrade strengthens the standardized management of data and divides the system by power generation units. The upgraded system has been applied to several PV power plants and it will help to effectively schedule the photovoltaic power generation and improve the power generation efficiency.

Key words: photovoltaic power generation, power prediction system, Silverlight 4.0, combined forecast method, Google Earth

中图分类号:

TM615

崔杨, 陈正洪, 成驰, 唐俊, 谷春. 光伏发电功率预测预报系统升级方案设计及关键技术实现[J]. 中国电力, 2014, 47(10): 142-147.

CUI Yang, CHEN Zhen-hong, CHEN Chi, TANG Jun, GU Chun. Upgrade of the PV Power Prediction System and Implementation of the Key Technologies[J]. Electric Power, 2014, 47(10): 142-147.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2014.10.142.5

https://www.electricpower.com.cn/CN/Y2014/V47/I10/142

参考文献

[1] 中国电力网. 2013年光伏十大新闻[EB/OL].（2014-01-08）[2014-06-01]. http://www.chinapower.com.cn/newsarticle/1202/new1202414.asp
[2] 张伯泉,杨宜民. 风力和太阳能光伏发电现状及发展趋势[J].中国电力,2006,39（6）：65-69.
ZHANG Bo-quan, YANG Yi-min. Status and trend of wind/photovoltaic power development [J]. Electric Power, 2006, 39(6):65-69.
[3] 张岚,张艳霞,郭嫦敏,等.基于神经网络的光伏系统发电功率预测[J]. 中国电力,2010,43（9）：75-78.
ZHANG Lan, ZHANG Yan-xia, GUO Chang-min, et al .Photovoltaic system power forecasting based on neutral networks[J]. Electric Power, 2010, 43(9): 75-78.
[4] LORENZ E, HURKA J, HEINEMANN D, et al . Irradiance forecasting for the power prediction of grid-connected photovoltaic systems[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2009, 2(1): 2-10.
[5] 丁宇宇,丁杰,周海,等. 基于全天空成像仪的光伏电站水平面总辐射预报[J]. 中国电机工程学报,2014,34（1）：50-56.
DING Yu-yu, DING Jie, ZHOU Hai, et al . Forecasting of global horizontal irradiance in photovoltaic power stations based on the total sky imager [J]. Proceedings of the CSEE, 2014, 34(1): 50-56.
[6] 代倩,段善旭,蔡涛,等. 基于天气类型聚类识别的光伏系统短期无辐照度发电预测模型研究[J]. 中国电机工程学报,2011,31（34）：28-35.
DAI Qian, DUAN Shan-xu, CAI Tao, et al . Short-term PV generation system forecasting model without irradiation based on weather type clustering [J]. Proceedings of the CSEE, 2011, 31(34): 28-35.
[7] 陈正洪,李芬,成驰,等. 太阳能光伏发电预报技术原理及其业务系统[M]. 北京：气象出版社,2011.
[8] BATES J M, GRANGER C W J. The combination of forecasts. Operational Research Quarterly, 1969, 20(4): 451-468.
[9] MARINO L, ADOLFO L T, MIGUEL A. Perez-Toledano, et al . Providing RIA user interfaces with accessibility properties[J]. Journal of Symbolic Computation, 2011, 46(2): 207-217.
[10] 陈强,姜立新,帅向华,等. Google Earth在地震应急中的应用[J]. 地震,2008,28（1）：121-128.
CHEN Qiang, JIANG Li-xin, SHUAI Xiang-hua, et al . The application of google earth in earthquake emergency[J].Earthquake, 2008, 28(1): 121-128.
[11] 何明琼,成驰,陈正洪,等. 太阳能光伏发电预报效果评价[J].水电能源科学,2011,29（12）：196-199.
HE Ming-qiong, CHENG Chi, CHEN Zheng-hong, et al .Prediction effect assessment of solar PV power generation[J]. Water Resources and Power, 2011, 29(12): 196-199.

[1]	潘鹏程, 韩文舜, 郭雪丽. 基于有源和无源阻尼协同控制的光伏直流升压汇集系统谐振抑制[J]. 中国电力, 2025, 58(3): 20-30.
[2]	徐一伦, 张彬桥, 黄婧, 谢枭, 王若昕, 沈丹青, 何丽娜, 杨凯帆. 考虑天气类型和相似日的IWPA-LSSVM光伏发电功率预测[J]. 中国电力, 2023, 56(2): 143-149.
[3]	张倩, 蒙飞, 李涛, 杨勇, 白鹭. 基于周期信息增强的Informer光伏发电功率预测[J]. 中国电力, 2023, 56(10): 186-193.
[4]	朱林, 韩涛, 董颖华, 余雅博, 薛玉龙. 基于时变因素的光伏发电系统可靠性评估[J]. 中国电力, 2023, 56(1): 158-165.
[5]	韩子颜, 王守相, 赵倩宇, 郑志杰. 计及分时电价的5 G基站光储系统容量优化配置方法[J]. 中国电力, 2022, 55(9): 8-15.
[6]	赵安军, 王鹏柱, 荆竞, 高之坤, 李旺. 考虑电动汽车影响的农村家庭新能源容量优化配置方法[J]. 中国电力, 2022, 55(8): 31-39,50.
[7]	颜湘武, 王晨光, 贾焦心, 马宏斌. 基于小交流信号的低压配电网中分布式光伏辅助调压控制策略[J]. 中国电力, 2022, 55(5): 134-142.
[8]	薛飞, 马鑫, 田蓓, 吴慧. 基于改进蜻蜓算法的光伏全局最大功率追踪[J]. 中国电力, 2022, 55(2): 131-137.
[9]	申屠刚, 吴正骅, 王思家, 吴翔宇. 含光伏电站的电力系统低频振荡广域阻尼协同控制方法[J]. 中国电力, 2022, 55(12): 69-77.
[10]	李丰君, 王磊, 赵健, 张建宾, 张世尧, 田杨阳. 基于天气融合和LSTM网络的分布式光伏短期功率预测方法[J]. 中国电力, 2022, 55(11): 149-154.
[11]	何玉鹏, 王杰, 董颖华, 顾泽玉, 薛玉龙, 丁爱飞, 李英峰. 配电网中的分布式光伏系统发电性能仿真[J]. 中国电力, 2021, 54(2): 127-132.
[12]	陈炜, 任静, 武新芳, 于文英, 刘永生. 雾霾条件下光伏发电量预测的迭代优化与经济性分析[J]. 中国电力, 2021, 54(10): 223-230.
[13]	杨春波, 王晶晶, 康鹏, 曾琳枫, 郑峰. 基于混合型算法的光伏发电系统低电压穿越控制策略[J]. 中国电力, 2020, 53(3): 18-27,58.
[14]	牛耕, 寇凌峰, 侯小刚, 屈小云, 谢辉, 高博. 基于Non-MPPT算法的区域光伏消纳控制策略[J]. 中国电力, 2019, 52(11): 107-117.
[15]	张晓宇, 张建成, 王宁, 王冠. 基于变分模态分解的混合储能系统协调控制[J]. 中国电力, 2018, 51(9): 165-173.

光伏发电功率预测预报系统升级方案设计及关键技术实现

Upgrade of the PV Power Prediction System and Implementation of the Key Technologies

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

模态框（Modal）标题

光伏发电功率预测预报系统升级方案设计及关键技术实现

Upgrade of the PV Power Prediction System and Implementation of the Key Technologies

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics