光伏發(fā)電系統(tǒng)發(fā)電功率預測

1、 光伏發(fā)電系統(tǒng)發(fā)電功率預測 摘要：現如今，我國的經濟在迅猛發(fā)展，社會在不斷進步，電力企業(yè)在我國發(fā)展十分迅速，為解決光伏發(fā)電系統(tǒng)發(fā)電功率在不同條件下誤差較大問題，提出光伏發(fā)電系統(tǒng)發(fā)電功率預測新方法。通過分析光伏發(fā)電系統(tǒng)結構，研究光伏發(fā)電系統(tǒng)發(fā)電功率影響因素；以季節(jié)和天氣類型作為歷史樣本選取樣本源，針對氣象部門提供的預測日分時氣象數據在歷史數據庫中尋找相似數據點作為歷史樣本；依據歷史樣本構建離線參數尋優(yōu)數據總集，使用核函數極限學習機算法構建發(fā)電系統(tǒng)發(fā)電功率預測模型，通過粒子群算法優(yōu)化模型參數。實驗結果表明：所提方法在不同條件下預測太陽能光伏發(fā)電系統(tǒng)發(fā)電功率的平均絕對百分比誤差分別為1.47%和6.

2、39%，光伏組件在綜合異常條件下發(fā)電功率預測誤差相對變化均低于1%，證明所提方法滿足實際預測要求。關鍵詞：光伏；功率預測；粒子群算法；預測引言相比較于國外，我國的光伏產業(yè)啟動較晚，遠落后于國外發(fā)達國家。但近些年在功率預測技術方面，也有了一定的建樹。風電及光伏發(fā)電的隨機性給電力系統(tǒng)的危害性越來越大，從年起國內各省都將功率預測作為很重要的一部分。北京木聯能軟件股份優(yōu)化公司總結多年經驗，并與國內外最優(yōu)的數值天氣預報廠家合作，研發(fā)出了新能源電站功率預測系統(tǒng)，提高了運維效率。截止目前，木聯能光伏智能化解決方案市場占有量在同行業(yè)中也處于領先地位；東潤環(huán)能公司也針對功率預測進行技術研討，并得到了一定的成就；

3、將來，我國光伏產業(yè)將有廣闊的發(fā)展空間，會在國際光伏領域中發(fā)揮越來越重要的作用。如今，功率預測的方法有很多，但沒有一種方法能普遍適用，所以，探究新的功率預測方法對于光伏發(fā)電系統(tǒng)來說至關重要。1光伏發(fā)電系統(tǒng)結構直流子系統(tǒng)包括2級匯流過程：一級匯流指直流電纜將光伏電池產生的直流電傳輸至匯流箱中；二級匯流指固定數量的匯流箱并入直流配電柜。直流子系統(tǒng)將直流電傳輸至交流子系統(tǒng)內，經并網逆變器轉變成低壓交流電；交流電進入升壓并網子系統(tǒng)內，經變壓器升壓后并入電網。2光伏發(fā)電系統(tǒng)發(fā)電功率預測2.1數據基礎傳統(tǒng)的物理預測方法根據太陽能輻射模型、電站模型、光伏轉換模型、電路模型和逆變器模型來預測輸出功率。但受輻射的

4、不確定性、云的變化、雨水和環(huán)境、電池溫度等因素的影響，會導致短期預測不夠準確。在這種情況下，基于統(tǒng)計和人工智能技術的輸出功率預測方法可以綜合考慮并補償上述各種因素的影響。不過，這些方法需要充分的歷史數據支持，以供給統(tǒng)計處理和人工神經網絡的訓練。通常，至少需要光伏系統(tǒng)輸出功率一年的連續(xù)且完整的數據進行統(tǒng)計回歸。神經網絡相關的算法不僅需要光伏發(fā)電系統(tǒng)的輸出功率的歷史數據，而且與氣象和數值天氣預報的歷史數據緊密相關。歷史數據的缺少會使相關的統(tǒng)計數據和人工智能預測方法無效。同時，不完整的歷史數據可能導致很大的預測誤差。除了歷史數據之外，數值天氣預報，如云、風、溫度、濕度和降雨等實時數據，也有助于預測的

5、在線訓練和調整內部參數以獲得更高的預測精度。2.2基于數值天氣預報的方法數值天氣預報根據流動力學和熱力學原理建立微分方程組，確定大氣初始狀態(tài)后，就可迭代計算出來某個時間大氣的狀態(tài)，就是通常所說的溫度、風、降水、太陽輻照度等。目前經常使用的全球數值天氣預報模型主要有美國的gfs模型和歐盟的ecmwf模型，最長可進行15d的預報，其中gfs免費提供預報。全球數值天氣預報模型的空間分辨率和時間分辨率都比較低，目前的模型其空間分辨率為1650km，時間分辨率為36h。全球數值天氣預報模型難以直接應用，常常作為其它更小尺度預報的基礎。中尺度數值天氣預報模型僅僅覆蓋地球上的一小部分地區(qū)，由各個國家或商業(yè)公

6、司運行，空間分辨率和時間分辨率要高得多，空間分辨率在120km，時間分辨率為1h。中尺度預報模型常用的是wrf模型。wrf模型是20世紀90年代由美國的科研機構為中心開發(fā)的一種統(tǒng)一的中尺度數值天氣預報模型，2000年開始免費對外發(fā)布，已更新了數個版本，用戶可在此基礎上開發(fā)本地的數值天氣預報模型，空間分辨率可達1km。將mm5中尺度模型和美國國家環(huán)境預報中心模型的輻照度預報與地面觀測值進行了對比研究。提出了一種利用ecmwf提供的輻照度預報值進行單個和區(qū)域光伏電站發(fā)電功率預測的方法。目前數值天氣預報的缺點在于其空間和時間分辨率仍然不夠高。1km的空間分辨率無法對具體的一塊云做出預測，只能對某一片

7、區(qū)域的整體平均天氣做出預測。1h的時間分辨率也無法進行高時間分辨率的功率預測。因此，基于數值天氣預報的方法目前主要應用于較大區(qū)域的光伏發(fā)電系統(tǒng)功率預測。另外，數值天氣預報方法中的氣象和環(huán)境因素較為復雜，精準度的提高一直是目前研究的重點和難點。2.3精度指標盡管光伏電站已經在世界范圍內得到推廣應用，但是從文獻分析可以看出:到目前為止還沒有關于光伏發(fā)電功率預測的相關標準。作為最大的風電部署國，西班牙擁有嚴格的風電并網標準，其中包括48h時間尺度的風電場輸出功率預測技術指標，即:平均誤差為20%，最大誤差為30%;24h時間尺度的風電場輸出功率預測的平均誤差為10%，最大誤差為15%。但光伏發(fā)電系統(tǒng)

8、還沒有類似的具體標準和要求。其次，在各種文獻中有太多的光伏功率預測的性能指標參數，如均方根誤差、相對均方根誤差、平均絕對誤差百分比、平均絕對偏差、平均相對誤差、平均偏差錯誤、均方誤差、相對偏差、平均誤差、平均絕對誤差、平均相對誤差、歸一化誤差、最大平均誤差、平均相關系數，等等。這些預測精度指標使用不同的數學模型和判據，因而很難將它們進行統(tǒng)一比較分析，難以形成標準。2.4評價標準如果沒有長時間的應用測試數據或在相同條件下對比實驗、應用驗證，僅僅通過算法、仿真結果或孤立的實驗結果來評價光伏發(fā)電功率預測方法是不嚴謹的。雖然已有大量有關光伏發(fā)電功率預測的研究工作，但在這個領域至今沒有統(tǒng)一的預測方法評價

9、標準。隨著光伏系統(tǒng)的大面積推廣，光伏發(fā)電系統(tǒng)的部署、設計和應用需要光伏發(fā)電功率預測標準。此外，功率預測標準將為電網接納光伏系統(tǒng)提供決策依據。光伏領域的工程師和研究人員也需要在報告和研究論文中用一個通用評估方法為讀者提供全面、可信的數據和研究結論。結語本文對近10年來的光伏發(fā)電預測技術進行了總結，重點介紹了基于統(tǒng)計和人工智能技術的預測模型，并對這些預測模型的優(yōu)缺點及其改進方向進行了說明。最后，對未來光伏發(fā)電預測提出建議:所有預測模型的預測精度都依賴于原始輸入數據的準確性(如光伏發(fā)電預測需要準確的天氣信息等)，我們可以部署遠程天氣傳感器(如多普勒雷達、lidars、風廓線等)實時采集天氣信息。本文主要為了幫助該領域的新研究人員了解和跟蹤光伏發(fā)電預測技術的最新研究進展，進而建立更準確的預測模型。參考文獻1武永鑫，王虎，李世杰，等灰塵沉積對光伏組件發(fā)電性能的影響j分布式能源，2017，2(5)：55-592石磊，侯學良并網光伏電站發(fā)電效率快速估算實用模型j電網與清潔能源，2018，34(2)：161-1663于秩彬，王春芳，周釗正，