【技术实现步骤摘要】
本专利技术属于光伏发电功率预测，具体涉及计及船舶航行姿态耦合的船用光伏发电功率预测方法。
技术介绍
1、固定的光伏发电站功率预测时常采用直接预测法和间接预测法；其中，直接预测法：不需要光伏电站发电单元具体参数化模型，只根据历史气象数据和同期光伏系统发电功率数据来建立预测模型；直接预测法常使用多元线性回归算法、马尔科夫链预测、神经网络算法、支持向量机；多元线性回归算法通过分析因变量和多个自变量之间的量化关系，利用大量历史数据来预测光伏电站的功率输出，这种方法的优点是具有较好的可识别性和节省性，然而，它通常只考虑光照强度和温度两个因素，忽略了其他多个影响光伏系统的因素，因此预测的准确性有限；马尔科夫链预测是基于当前状态及其变化趋势来预测未来某一时期内可能出现的状态，它通过概率转移矩阵来推测变量未来的状态，适用于描述大波动性的问题，特别是在相似天气条件下，不同日期输出功率序列相似的情况；然而，它忽略了光伏系统功率输出的日出日落周期性变化，对原始样本的正确性和通用程度也有很强的依赖性；神经网络算法能够根据已知数据自主学习并不断训练，逼近复杂的非线性函数。这种方法适合于处理具有高自相关性的光伏阵列历史发电量时间序列；尽管神经网络在预测光伏阵列输出功率方面相对准确，但其固有缺陷如容易陷入局部最小值和收敛速度慢等，可能影响预测模型的准确性；支持向量机是一种基于结构风险最小化原则的学习方法，将数据映射到高维空间中并构造最优超平面进行分类和回归计算；它可以有效地处理小样本、高维数和非线性问题，并且能够提高学习机的推广能力，尽管支持向量机避免了“维
2、在陆上固定的光伏功率预测，常采用统计方法；机器学习和人工智能方法；物理方法；混合方法；天气预测集成；实时数据和自适应系统；统计方法：使用历史数据进行分析，采用统计模型如自回归模型、移动平均模型进行预测；多变量回归分析，考虑多个影响光伏产出的因素，如温度、日照时长、季节性变化；机器学习和人工智能方法：机器学习算法如支持向量机、随机森林、神经网络用于分析和预测光伏发电量，这些方法能处理大量复杂数据，包括非线性关系；深度学习，特别是卷积神经网络和递归神经网络，用于分析时间序列数据和提高预测准确性；物理方法：基于光伏系统的物理特性和环境因素来建立数学模型；使用太阳位置算法和辐射传递模型来估计特定位置和时间的太阳辐射量；混合方法：结合上述方法，例如，使用物理模型来模拟基础太阳辐射，然后应用机器学习方法来校正和优化预测；通过集成不同的预测模型来提高准确性和可靠性；天气预测集成：将短期和长期天气预报数据整合进模型，提高预测的准确度；通过分析气象参数对光伏发电的影响来优化预测；实时数据和自适应系统：使用实时监测数据动态调整预测模型，开发自适应系统，能够学习环境变化并实时更新预测。
3、在海上航行船舶的光伏功率预测：由于海上的光伏系统较少，而且不同的船有不同的航线，所经过的经纬度不同，所以较难获得历史的数据，而且每条航线都具有特殊性，即使获得了一条航线上的数据也很难普及到别的航线上；而且，在船上的光伏需要考虑光伏板随船的运动而运动，从而导致光伏板的倾角与太阳光线的入射角时刻发生变化。
4、现有的海上航行船舶的光伏功率预测采用如下方法：收集航行路线上的历史数据，并对所收集的辐照度、温度和风速数据进行标准化处理；以网络输出值与真实历史数据之间的最小均方根误差训练单个神经网络的子模型；通过粒子群优化算法(pso)优化每个个体学习者的权重，并利用训练良好的集成预测模型预测船舶动力系统接收的太阳辐射、温度和风速；根据预测的风速，通过随机船舶运动模型计算倾斜角度，并根据方程式估算船载太阳能输出间隔；将标准化数据反转为实际值并总结预测结果；现有技术中，辐照度是测量好的，然后，在真实的航行中，辐照度的测量十分困难，目前几乎没有相关数据。
技术实现思路
1、本专利技术的目的在于提供计及船舶航行姿态耦合的船用光伏发电功率预测方法，可以计算太阳能板在船舶摇晃下的辐照度；根据不同浪高，可以预测不同海况下的辐照度。
2、为实现上述目的，本专利技术提供如下技术方案：计及船舶航行姿态耦合的船用光伏发电功率预测方法，所述预测方法如下：
3、步骤一：计算航向角；
4、步骤二：根据横摇、纵摇及航向角计算太阳能板倾斜角及太阳光入射角；
5、步骤三：构建船舶航行姿态的辐照度计算模型；
6、步骤四：通过构建的船舶航行姿态的辐照度计算模型估算辐照度；
7、步骤五：通过光伏系统输出功率计算出预测的光伏功率输出。
8、作为本专利技术的一种优选的技术方案，航向通过如下公式计算：
9、已知a、b两点的经纬度，求两点间的航向角时：
10、ψs＝cosφbsinδl
11、ψc＝cosφasinφb-sinφacosφbcosδl
12、其中，φa和φb分别是点a和点b的纬度；δl＝la-lb是点a和点b之间的经度差；
13、ψ＝arctan2(ψs，ψc)
14、其中，ψ是船的航向角，即船头旋转后与正北方向之间的角度；arctan2是编程语言中可用的一个函数。
15、作为本专利技术的一种优选的技术方案，所述船舶包括六个自由度，分别为：
16、横荡：沿x轴左右平动；
17、纵荡：沿y轴前后平动；
18、垂荡：沿z轴上下平动；
19、横摇：绕图中y轴转动；
20、纵摇：绕x轴转动；
21、艏摇/航向：绕z轴转动。
22、作为本专利技术的一种优选的技术方案，太阳能板倾斜角β的计算：
23、
24、其中，β表示太阳能板的倾斜角，表示初始xoy平面和x′oy′平面之间的角度；表示初始xoy平面的法向量。
25、作为本专利技术的一种优选的技术方案，太阳光线的表示和入射角θ的计算：
26、
27、
28、其中，是太阳光线；θz是天顶角，即太阳光线与z轴之间的角度；γs是太阳方位角，即太阳光线在海平面上投影与正南方向之间的角度；θ是太阳光线与z′轴之间的角度。
29、作为本专利技术的一种优选的技术方案，构建船舶航行姿态的辐照度计算模型具体如下：综合noaa提供的计算赤纬角与时角的方法，将ashraf模型中的太阳能板倾角与太阳光入射角替换为步骤二计算得到的这两个角度。
30、作为本专利技术的一种优选的技术方案，所述船舶航行姿态的辐照度计算模型考虑地球上不同地理位置的太阳位置；计算太阳的方位角和高度角；考虑气象条件；考虑表面的朝向和倾斜角度；区分直接本文档来自技高网...
【技术保护点】
1.计及船舶航行姿态耦合的船用光伏发电功率预测方法，其特征在于：所述预测方法如下：
2.根据权利要求1所述的计及船舶航行姿态耦合的船用光伏发电功率预测方法，其特征在于：航向通过如下公式计算：
3.根据权利要求1所述的计及船舶航行姿态耦合的船用光伏发电功率预测方法，其特征在于：所述船舶包括六个自由度，分别为：
4.根据权利要求1所述的计及船舶航行姿态耦合的船用光伏发电功率预测方法，其特征在于：太阳能板倾斜角β的计算：
5.根据权利要求1所述的计及船舶航行姿态耦合的船用光伏发电功率预测方法，其特征在于：太阳光线的表示和入射角θ的计算：
6.根据权利要求1所述的计及船舶航行姿态耦合的船用光伏发电功率预测方法，其特征在于：构建船舶航行姿态的辐照度计算模型具体如下：综合NOAA提供的计算赤纬角与时角的方法，将ASHRAE模型中的太阳能板倾角与太阳光入射角替换为步骤二计算得到的这两个角度。
7.根据权利要求6所述的计及船舶航行姿态耦合的船用光伏发电功率预测方法，其特征在于：所述船舶航行姿态的辐照度计算模型考虑地球上不同地
8.根据权利要求7所述的计及船舶航行姿态耦合的船用光伏发电功率预测方法，其特征在于：考虑地球上不同地理位置的太阳位置，包括纬度、经度和时区。
...【技术特征摘要】
1.计及船舶航行姿态耦合的船用光伏发电功率预测方法，其特征在于：所述预测方法如下：
2.根据权利要求1所述的计及船舶航行姿态耦合的船用光伏发电功率预测方法，其特征在于：航向通过如下公式计算：
3.根据权利要求1所述的计及船舶航行姿态耦合的船用光伏发电功率预测方法，其特征在于：所述船舶包括六个自由度，分别为：
4.根据权利要求1所述的计及船舶航行姿态耦合的船用光伏发电功率预测方法，其特征在于：太阳能板倾斜角β的计算：
5.根据权利要求1所述的计及船舶航行姿态耦合的船用光伏发电功率预测方法，其特征在于：太阳光线的表示和入射角θ的计算：
6.根据权利要求1所述的计及船舶...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。