光伏发电功率预测方法与预测统计的分析

光伏发电功率预测方法与预测统计的分析

杨迪

青海黄河光伏维检有限公司 青海海南州 813000

摘要：光伏发电是太阳能发电的一个主要方式，其利用太阳光照射在光伏发电系统中的光伏电池上产生光生伏特效应，将光能直接转换成电能。其与核电、水电、风电以及生物能发电等可再生能源的利用相比，太阳能因其具有安全、无噪声、利用限制小、方便灵活等优点，在近年来得到了显著发展。因此为了充分发挥其作用，本文对光伏发电功率预测方法与预测统计进行了探讨分析。

关键词：光伏发电；功率；预测方法；预测统计；原理；必要性；方法

光伏发电分为离网和并网两种形式，随着光伏并网技术的成熟与发展，并网光伏发电已成为主流趋势。由于大规模集中并网光伏发电系统容量的急速增加，并网光伏发电系统输出功率固有的间歇性和不可控等缺点对电网的冲击成为制约并网光伏发电的重要原因。因此为了保障光伏发电的有效性，以下就光伏发电功率预测方法与预测统计进行了探讨分析。

一、光伏发电功率预测方法的分析

　　1、依据预测过程分类。依据预测过程不同可分为直接预测法和间接预测法。直接预测法是采集历史光伏功率数据分析后做出预测，数据包括气象数据、辐射数据和其他数据，直接预测法的难度相对较大。间接预测法则是先对光伏接收板或者地面太阳辐射程度，再对光伏功率进行预测，这也导致间接预测法相对较复杂。

　　2、根据预测时间分类。根据预测时间不同，光伏效率预测方法可以分为超短期功率预测、短期功率预测和中长期功率预测。超短期光伏功率预测时间小于四小时，主要将统计与物理相混合，根据地球同步卫星拍摄实时传输来的卫星云图来推测云层运动情况并以此推断出辐射强度对光伏功率进行预测。超短期预测可以提供瞬间功率变化信息。常用的超短期预测方法大致可分为线性预测法与非线性预测法和综合预测法。

　　3、根据预测区域分类。根据预测区域的大小可以分为单场光伏功率预测和区域光伏功率预测。单场光伏功率预测是对单一的一个光伏电站的功率进行预测，单场预测多数运用在运行优化以及运行控制上。区域光伏功率预测则是对整个区域内的多个光伏电站综合起来进行预测，区域预测可以看出区域内的光伏发电电力值、对电力部门的电力调度和光伏电站与电网的对接起着重要作用

二、光伏发电预测统计原理及其必要性的分析

1、光伏发电预测统计原理分析。太阳辐射分为直接太阳辐射和散射太阳辐射。直接太阳辐射为太阳光通过大气到达地面的辐射；散射太阳辐射为被大气中的微尘、分子、水汽等吸收、反射和散射后，到达地面的辐射。太阳总辐射强度的影响因素包括：太阳高度角、大气质量、大气透明度、海拔、纬度、坡度坡向、云层。光伏发电预测统计是根据太阳辐射原理，通过历史气象资料、光伏发电量资料、卫星云图资料等，运用回归模型、人工神经网络、卫星遥感技术、数值模拟等方法获得预测统计信息，包括太阳高度角、大气质量、大气透明度、海拔、纬度、坡度坡向、云层等要素，根据这些要素建立太阳辐射预报模型。

2、光伏发电预测统计的必要性。太阳能变化趋势主要受到当地地理条件和气象条件的影响。地理条件的影响有明显规律，可以根据当地经纬度计算出全年太阳的运行轨迹，并结合光伏电池阵列自身的参数计算出太阳能变化的一个总体变化趋势。但该趋势并不能反映出几小时内，甚至不能反映出几天内的太阳能变化的大致情况。气象条件对于太阳辐射的影响是最直接的。要实现几小时内的太阳能趋势预报，就必须找到根据气象条件推算出太阳能趋势的计算方法。近年来，随着太阳能产业的飞速发展，对光伏发电预测统计要求的不断增加，发达国家对光伏发电预测统计的研究较早、发展较快。

三、光伏发电预测统计方法的分析

1、利用卫星云图资料数据和地面监测资料数据，通过卫星、雷达图象处理，计算出实时太阳能辐射的方法。主要利用卫星遥感技术完成太阳辐射的预测统计。卫星遥感是指以人造卫星为传感器平台的观测活动，是通过勘测地球大气系统发射或反射的电磁辐射而实现的。它包括对地观测以及面向太空环境的观测活动，其中对地观测是目前卫星遥感的主要内容高空间分辨率图像数据和地理信息系统紧密结合，为太阳辐射预测统计提供了可高依据。经过大量的研究与实践表明，卫星遥感技术获取的小时地面辐射数据与地面观测的辐射数据偏差较大，最大误差可达到均方根误差20%-25%。因此如何更好的较小误差，准确的预测统计将成为遥感技术的发展方向。

2、通过历史气象数据和光伏发电量数据的研究，采用统计学方法进行分析建模。其模型的建立不考虑太阳辐射变化的物理过程，通过对历史观测数据资料进行分析和处理，以历史发电量预报未来发电量。一般采用回归模型预测统计、神经网络等数学方法，建立光伏发电系统与气象要素相关性的统计模型，进行发电量预测统计。（1）回归模型预测统计。回归模型预测统计根据历史资料，找出天气变化与太阳辐射的关系及其变化规律，建立可以进行数学分析的数学模型，对未来的太阳辐射进行预测统计。该方法其特点是将预测统计目标的因素作为变量，将预测统计目标作为常量。利用给定的多组变量和常量资料，研究各种变量之间的关系。利用得到的回归方程式来表示变量与常量之间的相对关系，从而达到预测统计太阳辐射的目的。在大量的实验与实践中得出，变量误差较大，尤为正午时误差明显。回归模型预测统计对于非线时间序列的太阳辐射数据预测统计结果并不理想。（2）人工神经网络。人工神经网络方法采用神经网络技术，建立发电量与太阳总辐射、板温的函数模型，历史数据结合效果较好。目前研究最多的是应用误差反向传播算法（BP算法）进行短期预期。该算法的主要思路为将历史数据和影响太阳辐射最大的几类因素作为输入量输入人工神经网络，经过输入层、隐含层和输出层中各种数据运算从而生成输出量；再以设定误差为目标函数对人工神经网络权值进行反复修正与完善，直至达到设定误差值。在传统统计无法满足要求时，可利用人工神经网络进行预测统计方法，但该方法同样基于历史气象数据进行预测统计，发电量预报严重依赖于太阳总辐射预报准确：未能找出影响光伏发电量的关键逐时气象要素，对突发及随机的天气变化预测统计较难控制。

3、运用数值天气预报的预测统计方法。其主要用数学物理模式对大气状况进行分析，用高速计算机求解进行预报的方法。该方法根据描述大气运动规律的流动力学和热力学原理建立方程组，确定某个时刻大气的初始状态后，就可通过数学方法求解，计算出来某个时间大气的状态，就是通常所说的天气形势及有关的气象要素如温度、风、降水、辐照度等。数值模拟预测统计方法预测统计的时间较长，目前，可预测统计40 h甚至更长的数据。数值模拟方法中的气象和环境因素最为复杂，难以精确确定，所以预报的误差不仅存在，对于短时又特别复杂的变化，准确度更是大大降低。因此精准度的提高其研究的重点。

结束语

综上所述，由于太阳辐射受季节和地理等因素的影响，具有明显的不连续性和不确定性特点，且大气的物理化学状况如云量、湿度、大气透明度、气溶胶浓度也影响着太阳辐射的强弱，因此对光伏发电功率预测方法与䜇统计进行分析具有重要意义。

参考文献

[1]龚莺飞等.光伏功率预测技术[J].电力系统自动化，2016

[2]徐怡悦.分布式光伏功率预测技术研究[D].东南大学，2017

[3]邓伟松.分布式风光一体化发电功率预测系统的研究[J].科学与技术，2019