光伏发电功率预测与模型分析

光伏发电功率预测与模型分析摘要近年来，随着对可再生能源需求的日益提高，太阳能光伏发电技术得到了迅速的发展，大规模光伏发电系统的应用也日益广泛起来，但也随之出现了很多问题。由于太阳辐射量与季度、阴晴及昼夜等气象条件密切相关，从而造成了光伏发电系统输出功率的随机性和间歇性的固有缺点，而且考虑到储能技术上的不成熟等因素，当大量的光伏发电系统接入电网时，势必会对电力系统的安全稳定运行和电能质量等带来严峻挑战，从而限制光伏发电产业的发展，所以对光伏发电系统输出功率进行预测对于电力系统运行而言具有非常重要的意义。本文通过对影响光伏发电功率因素进行分析对目前现有的光伏发电功率预测方法进行分类，并根据统计方法和物理方法为依据，对太阳辐照量预测进行预测和直接对光伏发电系统的输出功率预测两种方法进行阐述和细化对比。再根据各自所使用的数学模型不同将预测方法分为时间序列法、神经网络法、支持向量机方法、回归分析方法和智能预测方法[6]。最后对不同分类的预测方法及相应的数学模型进行分析阐述和对比，说明其适用范围及精确度，并对其可行性进行分析，提出在功率预测中需要解决的问题。关键词：光伏系统；功率预测；数学模型；方法Abstrackt\Inrecentyears,withthedemandforrenewableenergyincreasing,solarphotovoltaictechnologyhasbeenrapiddevelopmentoflarge-scalephotovoltaicpowergenerationsystemapplicationsareincreasinglywidespreadup,butalsowillbealotofproblems.Sincetheamountofsolarradiationquarter,Teenageandotherweatherconditionscloselyrelatedtocircadian,resultinginapoweroutputofphotovoltaicpowergenerationsystemandintermittentrandomnessinherentshortcomings,andtakingintoaccountfactorssuchasenergystoragetechnologyimmaturity,whenalargenumberPVsystemconnectedtothegrid,itmusthaveasafeandstableoperationofpowersystemsandpowerqualityposeseriouschallenges,thuslimitingthedevelopmentofphotovoltaicpowergenerationindustry,sotheoutputpowerofthephotovoltaicpowergenerationsystemtopredictintermsofthepowersystemoperationhasaveryimportantsignificance.BasedontheimpactofphotovoltaicpowerfactoranalysisoncurrentlyavailablePVpowerpredictionmethodforclassification,andphysicalmethodsbasedonstatisticalmethodsandisbasedontheamountofsolarradiationforecastsandprojectionsdirectlytotheoutputpowerofphotovoltaicsystemsforecastdescribestwomethodsandrefinedcontrast.Andthenaccordingtotheirmathematicalmodelsusedtoforecastmethodisdividedintodifferenttimeseries,neuralnetworks,supportvectormachine,regressionanalysisandintelligentpredictionmethod.Finally,thepredictionofdifferentclassificationmethodsandthecorrespondingmathematicalmodeltoanalyzeandcompareelaborated,indicatingitsscopeandaccuracy,anditsfeasibilityanalysis,forecastinginpowerneedtoberesolved.Keywords:PVsysterm;PowerPrediction;Mathematicalmodel;Method1前言1.1光伏产业国内外发展现状太阳能作为一种新型可再生能源,与传统能源相比具有可再生,无污染,来源广泛等优点是替代化石能源的主要选择。太阳能光伏发电产业是20世纪80年代以后世界上增长最快的高新技术产业之一。1839年,法国的科学家Becqurel就发现,光照能够使半导体材料不同部位之间产生电位差,这种现象被称为“光伏效应”。每秒到达地面的太阳光能量高达80万千瓦,假设把到达地球表面0.1%的太阳能转为电能,转化率5%,每年的发电量就能达到5.61012千瓦时,相当于世界能耗量的40倍。正是由于这些优势,太阳能电池不断发展,种类日益增多、应用范围逐步增大、市场规模也不断地扩大作为太阳能的重要应用,光伏发电技术已经成为各国争相发展的新能源技术之一。2011年,美国提出“太阳能先导计划”意在降低太阳能光伏发电的成本,使其2015年达到商业化竞争的水平;日本也提出了在2020年达到28GW的光伏发电总量;欧洲光伏协会提出了“setfor2020”规划，规划在2020年让光伏发电做到商业化竞争，可见,在发展低碳经济的大背景下,各国政府对光伏发电的认可度逐渐提高。中国也不甘落后，据业内估计,2011年我国新增光伏装机量有达到2.5GW,同比增长400%。十二五相关规划也将2015年的光伏装机目标从10GW上调到15GW，2020年将达到50GW。随着光伏技术的不断发展,光伏发电的成本也随之不断下降,再加上各国对光伏产业的支持力度,我们有理由相信大规模利用光伏发电为人类提供服务的前景将更加广阔。光伏系统发电的竞争力正在不断提高,已经成为了最受重视的新能源发电技术。太阳能光伏发电系统工作原理是当有太阳光的时候,太阳能电池将光能转换为电能输出,多组太阳能组件构成的方阵输出电流并通过接线箱进行汇总,然后输入能源分配系统。输入电能一方面通过充放电单元给蓄电池组进行充电,另一方面通过逆变系统在能源分配单元的控制作用下给负载供电，平衡分配通过太阳能转化的电能与电网电能,做到优先充分利用太阳能电力,同时能源分配单元保证当太阳能不足时,及时切换至由电网供电。目前,光伏发电产品主要用于三大方面:一是提供电源,主要为广大无电地区居民生活生产提供电力,还包括一些移动电源和备用电源;二是太阳能日用电子产品,如各类太阳能充电器,太阳能路灯等;三是并网发电,这在发达国家己经大面积推广实行,如德国“10万屋顶计划”和美国“百万个太阳能屋顶计划。我国并网发电刚起步,2008年北京/绿色奥运部分用电就由太阳能发电和风力发电提供,还有2011年甘肃最大光伏发电项目——敦煌太阳能综合利用示范项目暨100兆瓦光伏并网发电项目在敦煌建成投产,2011年世界最大的屋顶电站项目——兴业太阳能20兆瓦屋顶电站项目实现投产。1.2课题研究背景光伏发电功率预测预测是能量管理中急需解决的问题。光伏发电与风力发电一样,均属于波动性和间歇性电源,同时,各用户或小区使用的光伏电池种类及其安装位置随机性也大，光伏发电系统受光照强度和环境温度等气候因素的影响,输出功率的变化具有不确定性,输出功率的扰动将有可能影响电网的稳定,因此,需要加强光伏发电功率预测的研究,预先获得光伏发电系统的日发电量曲线,从而协调电力系统制定发电计划,减少光伏发电的随机化问题对电力系统的影响。使用蓄电池来稳定光伏发电功率输出是一种可行的方法,但需要追加成本,而且废旧蓄电池还会导致环境污染。因此,需要对光伏系统的发电功率进行准确预测,以便了解大规模的太阳能光伏并网系统的发电运行特性以及与电网调度、电力负荷等的配合问题,这样有助于整个电力系统的规划和运行,从而减少光伏发电随机性对电力系统的影响,提高系统的安全稳定性。因此对光伏系统进行功率预测是很有必要的。1.3课题研究意义目前随着大规模的光伏发电系统应用日益广泛，也出现了越来越多的问题。由于太阳辐射量同季度、昼夜及阴晴等气象条件有关，造成光伏发电系统输出功率间歇性和随机性的固有缺点，而且目前存在储能技术不成熟等因素，当大量的光伏发电系统接入电网时，势必会对电力系统的安全稳定运行和电能质量等带来严峻挑战，从而限制光伏发电的发展速度和规模，所以对光伏发电系统输出功率进行预测对于电力系统运行具有非常重要的意义。1.4国内外对预测方法研究的发展现状目前，国外以欧洲、日本等国家的光伏发电系统输出功率预测技术研究已有一定的研究进展，如丹麦、西班牙、意大利、日本等国已开展和研发利用气象预报信息对光伏电站输出功率进行预测的研究和应用。丹麦ENFOR公司开发的SOLARFOR系统是较具代表性的光伏发电输出功率预测系统，其将输出功率历史数据、短期的数值天气预报信息、地理信息、日期等要素进行结合，利用自适应的统计模型对光伏发电系统的短期（0~48h）输出功率进行预测。意大利Jijel大学AdelMellit等对的里雅斯特地区（意大利）的20KW并网光伏电站所在地气象数据和系统功率数据进行采集和分析，利用两种人工神经网络模型（太阳辐照量和气温作为网络输入）对系统输出功率进行预测，平均偏差仅为3.1%和5.4%[16]。西班牙Joen大学Almonacid等采用神经网络方法，以实时测量的光伏阵列温度、太阳总辐照量为输入值，对应条件下实测电流-电压曲线为目标函数，利用反向传播算法L-M优化方法，训练多层传感器（MLP)模型，求解出逼近实际工况的电流-电压曲线，建立了光伏发电量与太阳总辐照量、光伏电池板温度之间的函数关系，对Joen大学19.08kW的光伏电站输出功率进行预测，经校验，2003年发电量预报值与实测数据的历史相关系数高达0.998[17]。印度SudiptaChakraborty等人采用每小时的测量信息（太阳辐照量、温度、压力、湿度、日照时间等）作为输入，利用模糊自适应谐振网络预测每小时的日类型信息，然后由日类型信息计算光伏阵列的输出功率，取得较好的预测效果。德国Oldenburg大学Lorenz等人根据欧洲中尺度天气预报中心（ECMWF）提供的未来3天太阳总辐照预报数据，结合德国境内11个光伏电站观测资料来预报光伏发电量，在2007年4月和7月，光伏发电量预报的相对均方根误差分别为39%和22%[18]。日本Ryukyus大学AtsushiYona等人将前18小时温度、气压、相对湿度、风速等作为神经网络输入，分别利用前馈神经网络、径向基神经和递归神经网络对太阳辐照量进行预测，进而得出光伏发电系统输出功率，取得较好的预测效果，也具有较好的代表性[19]。日本NTTFacilities公司Kudo等人根据历史气象资料和日本爱知县世博园区330kW光伏系统发电量数据，进行多元回归分析，建立预报方程，预测未来一天05:00—19:00的逐时发电量，并利用“预报＋实测＋临近订正”的方案，降低了天气预报误差对于输出功率预测准确性的影响。经校验，2005年3月25日至9月26日，日均发电量预报误差为25.6%，时均预报误差为30.53%[20]。目前国内对光伏发电系统输出功率预测技术尚处于理论性研发阶段。湖北省气象局牵头的“太阳能光