光伏发电系统发电功率预测

摘要：太阳能的光伏发电并网运行能够有效的省去独立光伏体系储能的环节，以减少电站维护，对不同电路拓补结应该采取不同控制方法，实现光伏发电的顺利并网。然而，在光伏发电系统并网中，怎样提升其功率的预测水平是关键技术，对提升光伏发电的开发利用，保证其电网安全稳定的运行有着积极的作用。本文主要基于作者实际工作经验，简要的分析光伏发电功率的预测方法，以供借鉴。 关键词：光伏发电；并网系统；功率预测 一、预测方法分类

1.1按预测时间尺度分类

从时间尺度上可以分为中长期功率预测、短期功率预测和超短期功率预测。中长期功率预测的时间尺度大，一般为l周或1个月，主要用于光伏电站的规划设计和电网中长期调度等，短期功率预测的时间尺度一般为l～3d，超短期功率预测的时间尺度为叫h，短期和超短期功率预测对电网实时调度等具有重要的决定作用，对系统运行安全性和稳定性具有直接影响。目前，中长期功率预测一般采用统计方法利用历史数据进行预测，短期功率预测一般需根据数值天气预报获得未来1—3d内气象要素预报值，然后根据历史数据和气象要素信息得到地面辐照强度的预测值，进而获得光伏电站输出功率的预测值，超短期功率预测的主要原则是根据地面拍摄的云图或地球同步卫星拍摄的卫星云图推测云层运动情况，从而计算出未来几h内太阳辐照强度，再通过光伏发电功率模型得到光伏发电输出功率的预测值。

1.2按预测空间尺度分类

光伏发电功率预测方法按照空间尺度主要分为4种，分别是微尺度、小尺度、中尺度、大尺度功率预测方法口。依次针对单个发电单元、单个光伏电站、由多个光伏电站组成的光伏电站集群和更大地理区域内的光伏发电站。空间尺度越小，功率预测越难，这是因为预测时无法采用平均值，尺度越小对功率预测时的空间分辨率的要求越高。近年来，小功率的分布式发电系统大量发展，其发电功率波动性很大，对电网系统的稳定性和安全性造成较大威胁，这对光伏发电系统功率预测提出了更高要求。 1.3按预测方式分类

从预测方式上可分为直接预测和间接预测两类。前者直接对光伏电站的输出功率进行预测；后者又叫分步预测，首先对太阳辐射强度进行预测，然后根据光伏发电系统发电模型得到输出功率。直接预测方式简洁方便，但直接预测模型需要从历史发电数据直接预测未来的发电功率，预测的准确性一方面决定于预测算法，另一方面决定于是否有大量准确的历史数据。分步预测方式包括太阳辐照强度预测和光伏发电系统功率模型两个过程，在每个过程中可灵活选择不同的方法，某种程度上克服了直接预测方式的局限性。 1.4按预测方法分类

从预测方法上来说，光伏功率预测包含统计方法和物理方法。统计方法的原理是统计分析历史数据，从而发现其内在规律并最终用于发电功率预测，可以直接预测输出功率，也可以预测太阳辐照强度；物理方法是在已知太阳辐射强度预测值的情况下，研究光能转化的物理过程，采用物理方程，考虑温度、寿命等影响因素，由预测的太阳辐射强度得到光伏系统发电功率预测值。 二、光伏发电预测的意义分析

2.1提高电网的稳定性，增加电网吸收光的能力

光伏发电具有随机性，间歇性和波动性的特点，给电网安全稳定运行带来诸多问题。电网调度部门的传统方法只能采用断电方式，光伏电站的电网结构比例增加。光伏发电预测系统更为重要。但是，它可以帮助电网调度部门制定各种电力调度计划。

2.2帮助光伏电站减少停电造成的经济损失，提高光伏电站运行管理的效率. 光伏发电的预测越准确，电网的功率限制越低，从而提高了电网吸收太阳光的能力。减少对光伏所有者的限电造成的经济损失，并提高光伏电站的投资回报。国能日新的新型高精度光伏发电预测可为业主提供长达7天的短期功率预测。它可以帮助光伏电站生产规划者合理安排光伏电站的运行。例如，在没有光照期，太阳能设备测试和维护的情况下，尽可能的减少光照，提高光伏电站的经济效益。 三、光伏并网发电功率的预测问题分析 3.1数据基础

传统物理预测的方法是按照太阳辐射的模型、电站模型，光伏转换模型，电路模型和逆变器模型预测功率输出。然而，由于辐射不确定性，云变化，降雨，环境和电池温度，它将导致短期预测在某种程度上不准确。在这样的情况下，我们必须综合考虑到统计、人工智能技术的输出功率，补偿上述的因素所产生的影响。这个方法应该有足够的历史数据作为支撑，提供统计处理、人工神经网络训练。除去历史数据的完整性以外，数据自身问题也对其数据特点有着影响，直接决定着预测结果的准确性与否，更准确地天气预报可以把光伏发电功率预测的精度提升百分之十。 3.2影响因素分析

对于影响光伏发电预测性能的所有可能因素分析，发现主要因素还是环境温度、太阳辐射、电池温度；在实际的过程中，清洁度指数、照射时间通常是经过对光伏板的太阳辐射量进行改变，实现影响光伏系统输出的功率。虽然说，在一些文献资料中并未明确的说明，但是光伏发电预测的过程中，日照时间、太阳能指数是主要影响因素。灰尘覆盖的光伏板可以有效的减少吸收太阳辐射，降低光伏板的功率输出的太阳能电池板比例，云的变化主要是立即改变了光伏板接收的太阳能辐射量，迅速的引起光伏系统输出功率的变化。一些研究人员经过使用天空成像仪，太阳跟踪摄像机进行检测、跟踪影响光伏发电输出云变化，但是算法的时间分辨率不能有效的满足预期精度的要求。 3.3精度指标的要求

在管理层中就明显的表示出，光伏电站现已在全球推广应用，作为最大的风电部署国，西班牙有着严格的风电并网的标准，48小时事件规模的风电场输出功率预测的指标，而平均的误差在20，最大的误差是风电输出功率平均误差的30，标准误差则是24小时的10%，最大误差是15%，但是光伏系统并没有一个类似地标准、要求。 3.4时间响应

时间精度的响应主要是控制系统中的专业技术术语，但是毫无疑问的是，它在逆变器控制、电网控制和电力监控方面有着重要作用，在短期和超短期的预测中，响应时间能够在短时间里为控制系统提供一个准确地决策数据支持，以有效的保障系统整体的性能。 3.5评价标准分析

关于光伏发电预测的研究工作很多，但对该领域的预测方法没有统一的评价方法。

在光伏系统的大规模推广中，光伏发电系统的部署，设计和应用需要光伏发电的预测标准。此外，功率预测标准是电网决定接受光伏系统的基础。为读者提供全面可靠的数据和研究结果。综合考虑到各方面的因素，我们需要在光伏发电功率预测评价标准中，对下面信息进行明确。第一，光伏发电站的有关数据；第二，历史性的数据；第三，误差指标；第四，时间。 结语：

总而言之，全球性能源形式比较严峻，太阳能光伏发电逐渐称为最为前景的可再生能源之一，在过去光伏发电系统已在各地得到广泛推广，在光伏发电系统的应用过程中，输出功率预测是十分关键的基础。在日后的预测过程中，我们必须加强数据完整性、有效性的设计，注重数据采集、处理、储存累积各环节的设计，就数据来源、类型、精度、密度和时间分布方面，确保数据有效性和完整性，以确保其预测可重复性和准确性。 参考文献:

[1]陈东坡,赛迪.2016-2017年中国光伏回顾与展望.电子产品世界,2017,(4):9-11,19. [2]张雪莉,刘其辉,马会萌,等.光伏电站输出功率影响因素分析.电网与清洁能源,2018,(5):75-81.

[3]汪凯,叶红,陈峰,等.中国东南部太阳辐射变化特征、影响因素及其对区域气候的影响.生态环境学报,2017,(5):1119-1124.

[4]粟然，李广敏.支持向量机回归的光伏发电出力预测[J].中国电力，2018,41(2):74-78..

[5]陈昌送，段善旭，殷进军.基于神经网络的光伏阵列发电预测模型的设计[J].电工技术学报，2017,24(9):153-158.