光伏功率预测技术

分类：论文范文 发表时间：2020-10-24 09:36

　　摘要：目前，人们逐渐意识到传统能源的储量和污染问题，在这种趋势下环保节能的光伏发电技术得到重视与发展。光伏发电技术中最重要的便是光伏功率预测技术，光伏功率预测对光伏发电控制、性能提高、保障光伏电站平稳运行等方面都起着重要作用。本文主要介绍了光伏功率预测技术的基本原理和关键问题，通过研究分析光伏电站数据对提高光伏预测技术的几点重要问题进行分析。

　　关键词：光伏功率；预测技术；关键问题

　　前言：

　　光伏发电这一新兴可再生能源，成为各国新能源发展主要研究对象，光伏发电规模不断扩大。光伏发电规模的扩大也带来了很多的问题，由于光伏发电只能在白天进行，并且受到天气环境变化的影响具有极大的不确定性，这都会对大规模开展光伏发电产生极大的影响。因此光伏效率预测，能够精确预测光伏发电功率、提高发电性能的技术对大规模扩大光伏发电具有重要意义。

　　一、光伏功率预测技术研究现状

　　由于石油、煤炭等传统能源储量不断减少、污染程度高等问题，使得光伏发电近年来得到广泛关注，光伏发电中光伏功率预测技术的研发成为各国从事光伏发电科研人员的首要工作。近年来使用光伏发电较早的国家光伏发电预测技术较为成熟，例如日本、丹麦、意大利、西班牙等国家运用数值天气预报信息（NWP）进行光伏功率预测取得突破性的进展。国内光伏发电的研发虽起步相对较晚，但近年来在科研人员的钻研和学习下，我国光伏发电功率预测技术突飞猛进，不断缩小与国际先进水平的差距。

　　二、光伏功率预测技术方法分类

　　（1）根据预测过程分类

　　根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。1、线性预测法：线性预算法是将采集到的天气数据与光伏电站的历史发电数据结合以预测出光伏发电功率。目前大多采用外源自回归滑动平均（ARMAX）、自回归滑动（ARMA）、自回归积分滑动平均（ARIMA）三种方法[1]。2、非线性预测法:光伏发电功率受自然天气因素影响较强，采用非线性预测算法可以提高预测精准度。非线性预测法建造外部影响因素与光伏光伏功率的非线性预测模型进行光伏功率预测。目前大多采用的算法有卡尔曼滤波算法、神经网络算法、马尔科夫链算法、支持向量机（SVM）算法。3、综合预测法是将非线性预测法与线性预测法相结合产生的预测方法，综合预测法预测精准度有所提高，但其复杂程度也要高于线性预测法和非线性预测法。

　　短期光伏功率预测时间小于四十八小时，以数值天气预报信息（NWP）数据为主导，创造历史光伏效率映射关系对光伏效率进行预测。短期预测主要运用于发电计划制定、跟踪电力负荷等方面；中长期光伏效率预测时间大于一周，可用于光力发电资源评估，对新电站选址也起着重要指导作用[2]。

　　三、影响光伏发电效率的因素

　　1.太阳辐射强弱程度

　　光伏发电中最重要的便是光照强度也就是太阳辐射强度，从早到晚辐射强度有所不同这就导致光伏电厂每阶段发电量的变化。影响太阳辐射强度大致包括六个方面的因素：1.地理纬度，纬度越低的地区阳光入射角就越大，辐射强度越大。2.云层厚度，云层越厚光照就越难透过辐射强度越小。3.大气透明度，大气透明度越低辐射强度越小。4.海拔高低，海拔高的地区其辐射强度越大。5.坡向与坡度：坡向坡度不同太阳辐射强度不同。6.光线倾斜角，光线倾斜角越大，辐射强度就越大。

　　2.光伏电池板

　　光伏电池板是整个光伏电站最重要的发电部件，光伏电站要进行合理的电池板布局，让其最大程度地接受光照，这样电站发电效率才能达到最理想效果。

　　3.季节变化

　　季节不同光照强度也有所不同，光伏电站的发电量也会随着季节的变化而变化。相比冬季来说，夏季的光照强度要高于冬季光照强度，因此正常情况下夏季电站发电量要高于冬季电站发电量。

　　四、光伏功率预测精准度提高方法

　　光伏功率预测的关键问题便是提高预测的精准度，光伏数据是光伏功率预测的基础，因此光伏数据的处理成为研究的主要突破口。光伏数据的缺失、不精准都会影响到光伏功率预测的精准度，对光伏数据进行处理可以从以下几方面进行:1.对采集到的不合格数据进行去除处理。2.对缺失数据进行还原重构，插值法是目前最简单的数据重构方法，但由于光伏数据具有强烈的不确定性，导致插值法重构出的数据可能也会存在些许误差。3.建立完善的光伏数据采集体系，实现光伏电站设备的统一运行监控，现代化数据管理，加强对数据的质量控制，确保所得光伏数据的时效性、完整性和数据质量[3]。

　　五、总结

　　目前我国的光伏功率预测技术逐渐向国际水平靠拢，在科研人员的不断研发下光伏功率预测技术不断完善、预测方法不断增多，但光伏功率预测的精准度还有很大的提升空间，科研人员应总结各类预测方法的优劣之处，结合各大光伏电厂进行实践创新，提高光伏功率预测精准度，使光伏发电能够更高效的运行，为将来光伏发电的大规模普及提供保障。

　　参考文献

　　[1]徐怡悦.分布式光伏功率预测技术研究[D].东南大学,2017.

　　[2]龚莺飞,鲁宗相,乔颖,王强.光伏功率预测技术[J].电力系统自动化,2016,40(04):140-151.

　　[3]高阳,钟宏宇,许傲然,代小敏,张博,曹宇.功率预测技术在光伏发电中的应用研究[J].电器与能效管理技术,2015(17):38-43+58

　　作者郝亚洲

上一篇：对电子信息工程中自动化技术的研究 下一篇：智能电网背景下新能源发电的挑战与机遇