本发明属于光伏发电领域，涉及到定量分析气象中雾霾(pm2.5)降低直接辐射、增加散射辐射导致造成太阳辐照度降低，基于改进的灰色斜率关联度分析各影响因素与光伏发电功率的影响权重，创建指数线性复合模型，具体涉及一种定量分析pm2.5造成光伏发电量损失的方法。
背景技术：
雾霾是极为常见且污染范围极大的一种大气污染现象，自2013年以来，我国许多地区在冬天经常性爆发雾霾天气，经过近几年治理以及太阳能等清洁能源的发展，中国的雾霾问题得到了显著的改善；但相比其他发达国家来说，中国的空气污染问题形式依然严峻。空气污染主要包括小颗粒物(pm10)和细颗粒物(pm2.5)等等，其中pm2.5是雾霾的主要成分，其对太阳辐照度的影响是降低直接辐射，增加了散射辐射，进而导致光伏组件表面接受到的辐照强度降低。雾霾污染的一个主要原因是中国的能源结构过于偏重煤炭，由于煤炭的高污染性，所以雾霾污染并没有明显的下降趋势，为了解决对煤炭的依赖问题，积极的发展清洁能源十分重要。由于光伏发电的无噪声，无污染以及其不受地域限制的特点，发展极为迅速，据统计，截至到2018年底，全国光伏发电装机容量累计为1.74亿kw。随着目前经济的快速发展，雾霾天气仍可能持续，导致太阳辐照度持续减少，进而难以估量其影响。
太阳辐射作为人类活动的重要能量来源，而人类活动产生的雾霾天气则会减少到达地表的太阳辐射量。研究发现，不同的雾霾浓度对太阳辐照度的影响程度不同，当雾霾浓度达到一定值时，会成为影响辐照度的主要因素，严重降低光伏发电量；很多研究通过构建表示大气状况的指数或者建立雾霾与太阳辐射的关系式分析，进而揭示太阳污染对太阳辐照度的影响。还有研究通过对大气中颗粒物浓度进行观测实验同时利用太阳辐射观测数据进行对比分析二者之间的变化趋势进一步证实了雾霾天气对太阳辐射具有非常明显的影响怕。再有通过量化天气类型和雾霾程度，根据相似日控制除雾霾外其他气象因素相似，进而分析雾霾对光伏发电量的独立影响。
已有的研究在大气污染对太阳太阳辐射量影响方面取得了一些进展，但多数研究仅从定性的角度探讨雾霾浓度与辐照度的关系，而定量分析雾霾浓度与地面太阳辐射的研究较少，太阳辐射量与光伏发电量的转换多是粗略的光电转换效率，导致分析结果有较大误差。本文通过分析雾霾等因素与光伏发电量的关联度，建立雾霾与辐照度的关系式，定量分析雾霾天气下辐照度的损失，结合实际的光伏发电站建立光伏发电系统模型获得雾霾天气下光伏发电量的定量损失量，为太阳能资源的合理利用提供科学依据。
技术实现要素：
针对现有技术中存在的不足，本发明提供一种计算雾霾对光伏发电量定量影响的方法。
一种计算雾霾对光伏发电量定量影响的方法，具体步骤如下：
步骤1、收集气象数据、空气质量数据、光伏发电数据，进行数据合理性完整性检验，完成数据过滤，数据季节归一化，建立晴空数据库。
通过建立数据过滤器去除晴天以外的数据，数据季节归一化采用最大-最小规范化对数据进行一种线性变化，能保持原始数据之间的联系，使得数据标准化后在分析中不会产生误导性的结果。
步骤2、使用改进的的灰色斜率关联度分析建立光伏发电系统的系统特征序列和系统相关因素序列。改进的灰色斜率关联度计算方法如下：
设有：xi＝[xi(1),xi(2),...,xi(k)]，i＝2,3,…,m1是由m1个系统因素构成的行为序列，yj＝[yj(1),yj(2),...,yj(k)]，j＝2,3,…,m2是由m2个系统特征构成的行为序列，系统特征序列和系统因素序列都不是等值序列。在光伏发电系统中有pm2.5值为系统因素x1，pm10值为系统因素x2，环境温度为系统因素x3，光伏板温度为系统特征y1，辐照度为系统特征y2，光伏发量为系统特征y3。
计算灰色斜率关联系数：
δxi(k)＝xi(k)-xi(k-1),k＝2,3,…,n
δyj(k)＝yj(k)-yj(k-1),k＝2,3,…,n
其中
计算关联度：
γ0i称为x0和xi的关联度，当-1≤γ0i＜0时，x0与xi为负关联，绝对值γ0i越大，负关联度越强；当0＜γ0i≤1，x0与xi为正关联，γ0i越大，正关联度越强；当γ0i＝0时，x0与xi为无关联。得到pm2.5值、pm10值和环境温度对光伏发电量的影响权重，对之后雾霾与光伏发电量影响模型提供依据。
步骤3、根据步骤2的关联度分析，太阳辐照度与光伏发电量的关联度为0.97，因此太阳辐照度是决定光伏发电量的最主要的因素，探究pm2.5与光伏发电量的关系就是探究pm2.5与辐照度的关系。pm2.5与辐照度的关联度为0.82，表明pm2.5对辐照度有较大的影响。基于已有方法，提出指数线性复合模型对pm2.5值和对应时刻辐照度进行拟合，提出模型为：
其中a，b，c为常数，x为pm2.5指数，e′为pm2.5值对应的相对辐照度，ee为对应辐照度。使用步骤1建立的晴空数据库拟合pm2.5与辐照度关系模型，并分开拟合线性模型、指数模型以及指数线性复合模型。
具体步骤如下：
线性模型中使用最小二乘法求解拟合参数，其中差值最小的参数定义为最佳拟合结果；指数模型以及指数线性复合模型使用的是莱文贝格－马夸特方法(levenberg–marquardtalgorithm)求解拟合参数，获得数非线性最小化(局部最小)的数值解。调用拟合函数对步骤1中处理过的pm2.5和辐照度数据进行拟合，得到拟合曲线以及关系模型。
线性关系拟合：
e′＝-0.0011pm2.5 0.994
r2＝0.84
指数关系拟合：
e′＝exp(-0.00124pm2.5)
r2＝0.89
指数线性复合关系拟合：
e′＝exp(-0.0012pm2.5)-(4.55e-5)pm2.5 0.0041
r2＝0.91
其中r2为拟合优度，r2的值越接近1，说明pm2.5与辐照度的拟合程度越好；反之，r2的值越小，说明pm2.5与辐照度的拟合程度越差。
根据以上的拟合情况来看，太阳辐照度随着pm2.5浓度的增加整体呈现下降趋势，对比三种拟合模型的拟合优度，线性模型拟合优度为0.8，指数模型拟合优度为0.89，指数线性复合模型拟合优度为0.91；指数线性复合模型拟合优度最高，所以采用复合模型来描述pm2.5与辐照度ee的关系，指数线性复合模型关系式为：
ee＝exp(-0.0012pm2.5 6.19±0.14)-0.0455pm2.5 4.1
步骤4、计算雾霾对光伏发电量的定量影响，通过分析pm2.5对辐照度的影响量，建立光伏发电系统模型，实现光电转换，得到pm2.5对光伏发电量的定量影响即雾霾导致光伏发电量的年损失量；
步骤4.1计算雾霾造成辐照度的损失量，使用步骤3中指数线性复合模型关系式计算的pm2.5导致辐射量的损失值。
步骤4.2建立光伏发电模型，结合实际光伏发电系统，建立对应的simulink光伏模型。光伏模型采用时刻辐照度与对应温度作为变量输入，使用历史数据对模型准确性的验证。
步骤4.3计算雾霾导致光伏发电量的年损失量，通过步骤4.2实现无雾霾时对应辐照度与光伏发电量的转换；对比实际辐照度与模型计算无雾霾辐照度，以及实际光伏发电量和模型发电量，获得雾霾导致光伏发电量的年损失量。
本发明有益效果如下：
本发明提出指数线性复合关系模型描述雾霾(pm2.5)与辐照度的关系，此模型改善了原线性回归模型中没有指数增长趋势和指数模型中没有线性因素的不足；通过光电转换模型得到雾霾对光伏发电量造成的定量损失，雾霾对光伏发电的定量分析可以为新建光伏系统积极性评估提供有效的依据，以及在光伏发电的预测及调度中起到重要作用。
附图说明
图1为本发明方法流程图；
图2为本发明数据晴空过滤效果图；
图3为本发明数据季节归一化效果图；
图4为本发明三种拟合方式的对比图；
图5为杭州市17、18年pm2.5值情况示意图；
图6为杭州市17、18年雾霾导致辐射量损失情况示意图；
图7为杭州市光伏发电模型结构图。
具体实施方式
以下结合附图与实施例对本发明进行进一步描述。
如图1所示，本发明方法的具体步骤如下：
步骤1、收集气象数据、空气质量数据、光伏发电数据，进行数据合理性完整性检验，完成数据过滤，数据季节归一化，建立晴空数据库。
通过建立数据过滤器去除晴天以外的数据，因为雨天及其他恶劣天气会对光伏发电量造成巨大的影响，会使之后的分析产生较大的误差，数据晴空过滤如图2所示。数据季节归一化如图3，数据季节归一化采用最大-最小规范化对数据进行一种线性变化，能保持原始数据之间的联系，使得数据标准化后在分析中不会产生误导性的结果。主要是消除季节本身存在的太阳辐照度差异，在一年的时间内，由于地球绕太阳公转，不同时期获得的太阳辐射不同，温度不同，产生了四季的差异。
步骤2、使用改进的的灰色斜率关联度分析建立光伏发电系统的系统特征序列和系统相关因素序列。改进的灰色斜率关联度计算方法如下：
设有：xi＝[xi(1),xi(2),...,xi(k)]，i＝2,3,…,m1是由m1个系统因素构成的行为序列，yj＝[yj(1),yj(2),...,yj(k)]，j＝2,3,…,m2是由m2个系统特征构成的行为序列，系统特征序列和系统因素序列都不是等值序列。在光伏发电系统中有pm2.5值为系统因素x1，pm10值为系统因素x2，环境温度为系统因素x3，光伏板温度为系统特征y1，辐照度为系统特征y2，光伏发量为系统特征y3。
计算灰色斜率关联系数：
δxi(k)＝xi(k)-xi(k-1),k＝2,3,…,n
δyj(k)＝yj(k)-yj(k-1),k＝2,3,…,n
其中
计算关联度：
γ0i称为x0和xi的关联度，当-1≤γ0i＜0时，x0与xi为负关联，绝对值γ0i越大，负关联度越强；当0＜γ0i≤1，x0与xi为正关联，γ0i越大，正关联度越强；当γ0i＝0时，x0与xi为无关联。得到pm2.5值、pm10值和环境温度对光伏发电量的影响权重，对之后雾霾与光伏发电量影响模型提供依据。
步骤3、根据步骤2的关联度分析，太阳辐照度与光伏发电量的关联度为0.97，因此太阳辐照度是决定光伏发电量的最主要的因素，探究pm2.5与光伏发电量的关系就是探究pm2.5与辐照度的关系。pm2.5与辐照度的关联度为0.82，表明pm2.5对辐照度有较大的影响。基于已有方法，提出指数线性复合模型对pm2.5值和对应时刻辐照度进行拟合，提出模型为：
其中a，b，c为常数，x为pm2.5指数，e′为pm2.5值对应的相对辐照度，ee为对应辐照度。使用步骤1建立的晴空数据库拟合pm2.5与辐照度关系模型，并分开拟合线性模型、指数模型以及指数线性复合模型。
具体步骤如下：
线性模型中使用最小二乘法求解拟合参数，其中差值最小的参数定义为最佳拟合结果；指数模型以及指数线性复合模型使用的是莱文贝格－马夸特方法(levenberg–marquardtalgorithm)求解拟合参数，此方法是最广泛使用的非线性最小二乘算法，具有梯度法和牛顿法的优点，获得数非线性最小化(局部最小)的数值解。调用拟合函数对步骤1中处理过的pm2.5和辐照度数据进行拟合，得到图4所示的拟合曲线以及关系模型。
线性关系拟合：
e′＝-0.0011pm2.5 0.994
r2＝0.84
指数关系拟合：
e′＝exp(-0.00124pm2.5)
r2＝0.89
指数线性复合关系拟合：
e′＝exp(-0.0012pm2.5)-(4.55e-5)pm2.5 0.0041
r2＝0.91
其中r2为拟合优度，r2的值越接近1，说明pm2.5与辐照度的拟合程度越好；反之，r2的值越小，说明pm2.5与辐照度的拟合程度越差。
图4中虚线所画的时95％的置信区间，根据以上的拟合情况来看，太阳辐照度随着pm2.5浓度的增加整体呈现下降趋势，对比三种拟合模型的拟合优度，线性模型拟合优度为0.8，指数模型拟合优度为0.89，指数线性复合模型拟合优度为0.91；指数线性复合模型拟合优度最高，所以采用复合模型来描述pm2.5与辐照度ee的关系，指数线性复合模型关系式为：
ee＝exp(-0.0012pm2.5 6.19±0.14)-0.0455pm2.5 4.1
步骤4、计算雾霾对光伏发电量的定量影响，通过分析pm2.5对辐照度的影响量，建立光伏发电系统模型，实现光电转换，得到pm2.5对光伏发电量的定量影响即雾霾导致光伏发电量的年损失量；
步骤4.1计算雾霾造成辐照度的损失量，以杭州市2017、2018年数据为例，图5为pm2.5值情况，图6为使用步骤3中指数线性复合模型关系式计算的pm2.5导致辐射量的损失值。
步骤4.2建立光伏发电模型，结合杭州市实际光伏发电系统，建立对应的simulink光伏模型，模型结构如图7。光伏模型采用时刻辐照度与对应温度作为变量输入，考虑到温度对光发电的影响，能有效的提高光伏发电模型的准确度。该光伏发电系统于2009年安装在杭州市，装机容量为120kw，每块电池板的额定最大输出功率为167w，考虑杭州市的经纬度以及夏季发电量最大后选择安装倾角为30度，逆变器效率为95％。
使用历史数据对模型准确性的验证，2017年6月，排除阴雨天后晴天数为22天，实际测量发电量为7951kwh，通过simulink光伏模型估算发电量为8037.6kwh，与实际发电量相差151.9kwh，一个月的平均误差为1.89％。
步骤4.3计算雾霾导致光伏发电量的年损失量，通过步骤4.2实现无雾霾时对应辐照度与光伏发电量的转换；对比实际辐照度与模型计算无雾霾辐照度，以及实际光伏发电量和模型发电量，获得雾霾导致光伏发电量的年损失量。如下表所示为2017年和2018年雾霾导致发电量损失的占比分别为原发电量的5.25±1.19％和6±1.16％。
表1杭州市17、18年雾霾对光伏发电量造成损失的定量值
1.一种计算雾霾对光伏发电量定量影响的方法，其特征在于，步骤如下：
步骤1、收集气象数据、空气质量数据、光伏发电数据，进行数据合理性完整性检验，完成数据过滤，数据季节归一化，建立晴空数据库；
通过建立数据过滤器去除晴天以外的数据，数据季节归一化采用最大-最小规范化对数据进行一种线性变化，能保持原始数据之间的联系，使得数据标准化后在分析中不会产生误导性的结果；
步骤2、使用改进的的灰色斜率关联度分析建立光伏发电系统的系统特征序列和系统相关因素序列；改进的灰色斜率关联度计算方法如下：
设有：xi＝[xi(1),xi(2),...,xi(k)]，i＝2,3,…,m1是由m1个系统因素构成的行为序列，yj＝[yj(1),yj(2),...,yj(k)]，j＝2,3,…,m2是由m2个系统特征构成的行为序列，系统特征序列和系统因素序列都不是等值序列；在光伏发电系统中有pm2.5值为系统因素x1，pm10值为系统因素x2，环境温度为系统因素x3，光伏板温度为系统特征y1，辐照度为系统特征y2，光伏发量为系统特征y3；
计算灰色斜率关联系数：
δxi(k)＝xi(k)-xi(k-1),k＝2,3,…,n
δyj(k)＝yj(k)-yj(k-1),k＝2,3,…,n
其中
计算关联度：
γ0i称为x0和xi的关联度，当-1≤γ0i＜0时，x0与xi为负关联，绝对值γ0i越大，负关联度越强；当0＜γ0i≤1，x0与xi为正关联，γ0i越大，正关联度越强；当γ0i＝0时，x0与xi为无关联；得到pm2.5值、pm10值和环境温度对光伏发电量的影响权重，对之后雾霾与光伏发电量影响模型提供依据；
步骤3、根据步骤2的关联度分析，太阳辐照度与光伏发电量的关联度为0.97，因此太阳辐照度是决定光伏发电量的最主要的因素，探究pm2.5与光伏发电量的关系就是探究pm2.5与辐照度的关系；pm2.5与辐照度的关联度为0.82，表明pm2.5对辐照度有较大的影响；基于已有方法，提出指数线性复合模型对pm2.5值和对应时刻辐照度进行拟合，提出模型为：
其中a,b,c为常数，x为pm2.5指数，e′为pm2.5值对应的相对辐照度，ee为对应辐照度；使用步骤1建立的晴空数据库拟合pm2.5与辐照度关系模型，并分开拟合线性模型、指数模型以及指数线性复合模型；
步骤4、计算雾霾对光伏发电量的定量影响，通过分析pm2.5对辐照度的影响量，建立光伏发电系统模型，实现光电转换，得到pm2.5对光伏发电量的定量影响即雾霾导致光伏发电量的年损失量；
步骤4.1计算雾霾造成辐照度的损失量，使用步骤3中指数线性复合模型关系式计算的pm2.5导致辐射量的损失值；
步骤4.2建立光伏发电模型，结合实际光伏发电系统，建立对应的simulink光伏模型；光伏模型采用时刻辐照度与对应温度作为变量输入，使用历史数据对模型准确性的验证；
步骤4.3计算雾霾导致光伏发电量的年损失量，通过步骤4.2实现无雾霾时对应辐照度与光伏发电量的转换；对比实际辐照度与模型计算无雾霾辐照度，以及实际光伏发电量和模型发电量，获得雾霾导致光伏发电量的年损失量。
2.根据权利要求1所示的一种计算雾霾对光伏发电量定量影响的方法，其特征在于，步骤3具体步骤如下：
线性模型中使用最小二乘法求解拟合参数，其中差值最小的参数定义为最佳拟合结果；指数模型以及指数线性复合模型使用的是莱文贝格－马夸特方法(levenberg–marquardtalgorithm)求解拟合参数，获得数非线性最小化(局部最小)的数值解；调用拟合函数对步骤1中处理过的pm2.5和辐照度数据进行拟合，得到拟合曲线以及关系模型；
线性关系拟合：
e′＝-0.0011pm2.5 0.994
r2＝0.84
指数关系拟合：
e′＝exp(-0.00124pm2.5)
r2＝0.89
指数线性复合关系拟合：
e＇＝exp(-0.0012pm2.5)-(4.55e-5)pm2.5 0.0041
r2＝0.91
其中r2为拟合优度，r2的值越接近1，说明pm2.5与辐照度的拟合程度越好；反之，r2的值越小，说明pm2.5与辐照度的拟合程度越差；
根据以上的拟合情况来看，太阳辐照度随着pm2.5浓度的增加整体呈现下降趋势，对比三种拟合模型的拟合优度，线性模型拟合优度为0.8，指数模型拟合优度为0.89，指数线性复合模型拟合优度为0.91；指数线性复合模型拟合优度最高，所以采用复合模型来描述pm2.5与辐照度ee的关系，指数线性复合模型关系式为：
ee＝exp(-0.0012pm2.5 6.19±0.14)-0.0455pm2.5 4.1。
技术总结