基于激光雷达云图探测的光伏电站短期发电功率预测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114296050A(43)申请公布日2022.04.08(21)申请号202210213970.4(22)申请日2022.03.07(71)申请人南京鼐云信息技术有限责任公司地址210000江苏省南京市雨花台区宁双路19号云密城8栋5楼501、502室(72)发明人周鹏章旺吴斌(74)专利代理机构南京苏创专利代理事务所(普通合伙)32273代理人王华(51)Int.Cl.G01S7/48(2006.01)G01S17/95(2006.01)G06K9/00(2022.01)G06K9/62(2022.01)权利要求书3页说明书6页附图4页(54)发明名称基于激光雷达云图探测的光伏电站短期发电功率预测方法(57)摘要本发明公开了一种基于激光雷达云图探测的光伏电站短期发电功率预测方法，采用地基激光雷达探测扫描光伏电站附近空域得到目标空域激光散射吸收后反馈回波信号，并根据聚类算法实时连续探测估算大气云层信息，从而预测云层边界在目标光伏电站太阳能板的占比和停留时间，实现光伏电站发电功率的短期预测。本发明设备体积小、重量轻、能连续实时观测，且分辨率高的特点，与梯度法GARD和标准化偏差法STD相比，具有相同一致性，在较大噪声时，精确率更高，能有效避免估错从而降低短期发电功率预测误差率。CN114296050ACN114296050A权利要求书1/3页1.一种基于激光雷达云图探测的光伏电站短期发电功率预测方法，其特征在于包括以下步骤：步骤S1，利用大气气体分子和气溶胶对激光的散射吸收作用，采用地基激光雷达探测扫描光伏电站附近空域得到目标空域激光散射吸收后反馈信号，该反馈信号为不同空间坐标点上的呈梯度衰减的反馈信号时间序列集，为信号距离，为信号方位角，为信号极角；步骤S2，采用Haar函数对反馈信号函数值进行小波变换得到小波协方差函数转换值，如式（1）和（2）所示：（1）（2）式中，为经小波协方差Haar函数变换后的取值，为激光雷达探测扫描尺度，为Haar函数的中心位置，为表示信号距离，和分别为反馈信号高度的最大值和最小值；由于小波协方差函数值越大表明信号函数与Haar函数越相似，反映其阶跃变化度越大，此时将小波协方差函数值中的第一峰值信号作为大气云层边界反馈信号，并形成第一峰值信号数据集，所述第一峰值信号对应的高度作为云层高度，对应的坐标作为云层的经纬坐标；步骤S3，以小波协方差函数的第一峰值信号相似度作为距离标准，并设置幅度阈值，采用DBSCAN聚类算法对所述第一峰值信号数据集进行聚类处理，形成相应的聚类中心及不超阈值范围内的坐标数据集，完成云层边界检测；步骤S4，对云层边界信号的空间坐标进行笛卡尔坐标转换和计算得到云层在地面的投影范围；步骤S5，以云层聚类中心点作为特征点，根据激光雷达扫描得到的信号时间序列，计算2CN114296050A权利要求书2/3页得到其相应时间段内的平均移动速度作为云层的移动速度；步骤S6，将光伏电站太阳能板有效面积进行网格划分，根据云层边界范围和移动速度计算得到云层阴影在每个网格中的停留时间和云层投影占每个网格的面积比的预测值，进而获得光伏发电功率的预测值。2.根据权利要求1所述基于激光雷达云图探测的光伏电站短期发电功率预测方法，其特征在于：步骤S3聚类算法的具体步骤包括：setp1：首先，以小波协方差函数第一峰值信号相似度作为节点距离，并设置相似阈值E允许出现的误差节点数量阈值；step2：然后，导入反馈信号函数值经过小波协方差函数变换得到第一峰值信号数据集，并通过下式（3）计算获得各节点间的小波协方差函数第一峰值信号相似度，（3）式中，为两两数据点间的小波协方差函数第一峰值信号相似度值，和分别为向量和的各维度分量，为向量和拥有的维度分量数量；step3：接着，扫描统计第一峰值信号数据集，如果存在某个数据使得相似阈值E范围内的数据个数小于，则将其记录为临时核心点，并将该范围内所有数据点设为临时聚类簇，否则继续对第一峰值信号数据集继续扫描；step4：继续扫描所有临时聚类簇，对具有相同临时核心点的临时聚类簇进行合并，得到新的聚类簇；step5：重复step3和4直到聚类簇中不存在新的临时核心点，完成云层边界的检测，并确定各聚类簇的聚类中心。3.根据权利要求2所述基于激光雷达云图探测的光伏电站短期发电功率预测方法，其特征在于：所述相似阈值E的取值范围为0.030~0.045，所述误差节点数量阈值的取值范围为3~5。4.根据权利要求2所述基于激光雷达云图探测的光伏电站短期发电功率预测方法，其特征在于：步骤S6中所述光伏发电功率的预测值通过式（4）获得，（4）式中，为时刻后的时间段内云层投影在第i个太阳能板网格的面积比，3CN1142