总结短期太阳能光伏发电的预测方法

龙源期刊网总结短期太阳能光伏发电的预测方法作者：区健来源：《中国科技博览》2018年第19期[摘要]本文主要对现阶段国内外短期太阳能光伏发电预测方法进行分类和总结，分析各类方法的发展趋势和优缺点。统计表明，统计智能类预测方法在国内外短期太阳能光伏发电中较为重要，误差为（3～11%）之间；简单物理模型类预测方法是现阶段国内外大型发电站电力运行业务中采用较为常见的短期太阳能光伏发电预测方法，误差在（5～20）%之间；而就发展来看，复杂物理模型类预测方法应该在未来的短期太阳能光伏发电技术研究和发展应用的主要方向。这对我国短期太阳能光伏发电具有积极效益。[关键词]短期太阳能；光伏发电；预测方法中图分类号：TM615文献标识码：A文章编号：1009-914X（2018）19-0074-01前言太阳能具有取之不竭、用之不尽和绿色环保等特点，是世界上公认的最具有竞争实力的能源之一。据国际能源署预测，到本世纪中叶，太阳能光伏发电量将占全球发电量的25%左右。而太阳能作为新兴的基础能源之一，也逐渐受到我国能源机构的高度重视。而随着“十二五”规划战略的实施，国内对太阳能光伏发电预测技术的需求也逐渐增长。在此基础上，本文就此基础上复短期太阳能光伏发电技术预测方法进行分析与研究，期望为国内该技术的发展提供一定的参考依据。1短期太阳能光伏发电预测原理通常情况下，该方法主要应用数学统计法对其进行预测，包括时间顺序、概率大小和人工智能等。首先，直接预测法程序简便对光伏发电站的位置和转换参数要求低；其次，预报结果精确度运行数据量大。而根据时间节点进行分析，则可分为时间序列和趋势外推概率预测和智能预测等几种常规预测方法。1.1间接预测法间接预测法，也就是常规的物理预测法，其主要以光伏发电系统中的物理发电原理为基本基础，优点则是不需要通过相关的历史运行数据参数，只要光伏发电站建立完成，则可以直接进行预测；缺点：对光伏发电站的地形图坐标、功率曲线和转换参数要求详细。一般而言，该方法又可以分为电子元件模型和简单物理模型和复杂物理模型法。详见表1：2国内外短期光伏发电预测研究发展龙源期刊网时间序列法通常情况下，光伏发电量的基本预测技术主要以时间序列类推测方法为主。国外：上世纪80～90年代，以西班牙马拉加大学开展的多元线性回归模型为该技术进行预测，日本主要采用多元回归预报方程为主，美国则主要以回归滑动模型和差分自回归平均模型为主，而在我国，则主要以李光明开展的多元线性回归模型光伏系统发电量预测理论研究为主，同时还兼有蓝花等利用的ARMA模型等进行试验预测。2.1.2时间趋势外推法时间趋势外推法是光伏发电量预测早期发展较为有益的研究成果；首先，上世纪90年代以美国为主的马尔科夫链模型为代表，但该方法受天气的影响较为严重。近年来，随着北京城市建筑大学提出灰色—马尔科夫链综合预测模型的诞生，标志着我国时间趋势外推法预测取得了良好的效果。2.1.3概率预测法概率预测法是最近10年来光伏发电系统预测中新型统计预测理论发展较为重要的研究方法之一。其主要方法是将分位数回归森林和支持向量机分位数回归应用与光伏发电站，进行常规和非常规的发电量预测研究，其中，对该技术的应用较为广泛主要以法国和澳大利亚为主。而就它该方法而言，我国国内暂无开展较为明显的的研究。2.1.4智能预测法通常情况下，智能预测法主要是通过辐射、温度、风速、日照强度和湿度为主要研究要素，其主要方法是采用前向反馈神经网络法对光伏的阵列状况进行研究。近几年来，美国学者提出了基于模糊ARTMAP神经网络为主的光伏系统发电预测方法。其相关研究结果显示，该方法的预测误差较为稳定，一般保持在（3.9～6.6）%之间。而就我国现阶段对该方法的研究而言，则主要以上海东华大学和华中科技大学为主要代表，并在此基础上建立起以天气预测数据为主的神经网络光伏发电量预测模型。2.2物理法2.2.1电子元件模型法电子元件模型法的发展主要以上世纪80年代美国学者为主，其基本原理则是应用光伏半导体设备物理原理，以温度、全辐射和辐射分布为基本输入量；另外，一诺贝尔奖获得者Green还提出了以发光二极管模型为原理的预测方法。龙源期刊网年代德国为代表的研究团队为主。其主要方法是利用卫星资料、气象观测资料和电子参数为基本的原始参数，构建预测模型；近年来，在德国慕尼黑贸易展览中心，还出现了以Mayer等提出的给予观测和卫星遥感反演辐射资料为主的简单物理模型预测法，基于此，德国还提出了以简单物理预测模型对电站进行小时型的光伏发电进行预测。而就我国国内研究而言，则主要以陈正洪等开展并研制的WRF中尺度天气模式和简单物理光伏预测模型为主的预测方法。而该方法已与2011年开始在我国多个电站进行投入使用。一般情况下，简单物理模型法的预测误差大致保持在（5～20）%左右。2.2.3复杂物理模型法近年来，随着并网风力、光伏发电站的大量使用，电网运行安全也存在较大的风险隐患，进而对预测方法提出更为苛刻的要求。而为了适应电网运行部门的要求，德国率先提出了以结合光伏发电站观测资料为主的复杂物理模型预测法，并把建立也相关的电站进行试验测试。其测试结果误差保持在5%以下，在此基础上，德国学者还引进了积雪参数结合的方法对其进行评估，进而提升了积雪天气预测的准确度。但该方法在我国国内尚无开展情况。2总结综上所述，短期太阳能光伏发电的预测方法中，复杂物理模型预测法是极其有效的一种方法，应该尽快的将其应用实际的预测中来，以提高短期太阳能光伏发电的安全与稳定。参考文献[1]崔洋，孙银川，常俾林等.短期太阳能光伏发电预测方法研究进展[J].资源科学，2013，35（7）：1474-1481.[2]张鹏华.短期光伏发电预测方法研究探讨[J].黑龙江科技信息，2016，（25）：158.[3]徐菁.光伏发电系统短期功率预测方法的研究[D].南昌大学，2016.[4]钱振，蔡世波，顾宇庆等.光伏发电功率预测方法研究综述[J].机电工程，2015，32（5）：651-659.[5]陈垣毅.风能及光伏发电功率短期预测方法研究[D].浙江大学，2013.