浅谈光伏发电预测方法

章小庆

摘要：伴随光伏（PV）电站设备容量的快速扩大，大范围光伏发电网取得了普遍使用，但是，光伏发电网的输出功率存在不确定性，因此光伏发电预计对于电力局的科学规划与调度具有显著作用。本文介绍了近几年光伏发电预计办法，首先介绍了光伏发电预计办法的工作原理，然后分析了光伏传输功率的作用，最后阐述了光伏发电预计的统计法和物理法。

关键词：光伏发电;传输功率;预计方法;统计法;物理法

伴随全球气候改变、能源耗损、化石燃料供给的不确定性要素与生态污染等情况的产生，绿色能源获得了人们的认可，光伏能是最原始的能源，特别是受到人类的喜欢。研究显示，在不同国家，资源效率与节约的意义、人口增加与化石能源储量的快速枯竭，使得项目、水文、天气、经济与工业方面的研究者追求开发与使用光伏能等干净能源。使用清洁能源发电并迈向电力市场属于大势所趋，但是有些清洁能源也有一些问题，其中，PV发电系统的输出是无法调节的，由于这取决于气候的改变，不能预测与控制。

一、光伏发电预计办法的工作原理

当前，PV发电预测办法均是基于一样的方法：先依据数学与物理学知识和相关信息创建预测公式与模型，然后基于预测公式和模型预测PV电站发电量（如图1所示）。根据所采用的数学物理知识以及预计输出量，PV发电预测办法能分成两种：

（1）直接预计光电网输出功率的统计法（直接预测法）。

（2）先预计太阳辐射，然后按照光电转变效率获得光电传输功率的物理法（间接预测法）。

       统计法是按照数学统计预测知识和方法，包含概率、时间序列、AI等办法。优点在于程序简明，对PV电站部位和电力转变参数无要求;缺点在于为了确保预报结果的准确性，需要许多PV电站原始运行信息。根据预测所采取的具体统计办法，这类方法又能分成时间序列法、时间方向外推法、点预计法、概率预计法以及智能预计法等五种。物理法重点以PV发电网物理发电原理为前提，优点在于无需原始运行信息，PV电站建完以后就能够直接预计;缺点在于要求光伏电站清楚地形图、发电站地标、PV电站功率曲线与各项光电转变参数等信息。

二、光伏传输功率分析方法

（一）光伏传输功率预测的类型

PV发电存在随机性与不确定性，由此给PV出力预计带来了大量精准性方面的问题，在PV出力预测方面根据预测时间的不同，能分成长久预计、中期预计、短期预计、超短期预计。按照其预计模型的创建能分成直接预测与间接预测两个模块，又由于PV出力受到气候环境、辐照度、温湿度以及地理条件的影响，每个办法的精准性均不一样，因此选择时需因地适宜。

当前，国内外通过长时间的探究，已对PV发电功率的预测展开了多种办法与算法的探究。一种是统计法，另一种是物理法。

（二）统计法

直接根据光伏传输功率的原始数据，无需预计周边环境的参数。通过创建多种模型，如ANNs、马尔可夫链模型、时间序列分析系统以及灰色模型等。

（1）时间序列分析系统。时间序列分析系统在1968年由美国专家George Box与英国统计学者Gwilym Jenkins提出，随后为了把这种预测方法称作Box-Jenkins。其是将研究的时间序列视为一个随机环节然后按照现有时间序列创建一个模型，基于现有时间序列在原来和现在的观察值，计算时间序列今后的预测值。基于此又产生了：AR、MA、ARMA以及ARIMA集中模型。

（2）马尔科夫系统。马尔科夫法是将时间分析序列视为一个随机环节，经过预计不同事物的原始概率与状态移动概率来预计今后状态，进而预计今后状态。

本文基于HMC的PV發电功率概率布局函数预测办法，把环境温度与太阳辐照度，视为光伏网不同运转条件的关键特点进行划分。使用依靠HMC模型参量定义的值，对光伏传输功率提前15分钟展开预测，依靠实际信息展开的数值测试显示，在不同天气环境下，预测结论满足光伏发电的准确概率布局。

（三）物理法

物理法依靠输出功率和辐照度、风速以及气温等各项因素间的关联，预测有关因素的参数，获得输出功率。

本文采取最小二乘法创建了前一天与前一天的外界辐照度和表层辐照度的联系。计算环节相较于其它较为单调，但地面气候类型的改变对预测精度影响很大。选择RNNs展开预测，其精度伴随操作时间的延长而下降。

三、结论及讨论

上文对PV的输出功率预计归类成：直接预测与间接预测，这两种方法均有一定的优越性。

（1）直接预计。要有PV输出功率的初始值，无需预测周边环境的值，该种预测办法容错率很高，但对所创建的模型要求较低。尽管以初始信息为基于展开预测，但其预计结论比较落后。

（2）间接预测。其针对初始信息的依赖很低，但对创模要求很高，要求对本地的地理环境信息较为了解和对辐射度的干扰。一般在预测过程均将影响其传输功率的气候因素与辐照度视为变量开始创模，其预测精确性也非常好。

四、展望

今后光伏传出预计办法展望：在创模时能够多引进大量影响因子，不得仅局限在一般的影响因子，其应当因地制宜;统计法尽管有大量的初始信息作为基础，但在预测的基础上不能把两种方法展开组合预测，如此会大幅度提高预测精度;在早晨开始过程与晚上的时候，因为辐照度的变化很大，所获得的预测办法预测结论通常随机性也会变大，要求后续学者持续完善，希望通过上文的具体探究，能够为我国光伏发电行业的持续稳定发展奠定坚实的基础。

参考文献：

[1]孙祥晟，陈芳芳，贾鉴，陈浩，胡康飞.基于经验模态分解的神经网络光伏发电预测方法研究[J].电气技术，2019，20（08）：54-58.

[2]刘玉林，齐静静，李家宁.基于改进神经网络的一种新型光伏发电MPPT预测方法[J].电子测试，2019（04）：49-50+20.

[3]潘明明，孙晓辉，于建成.基于改进Kalman滤波块状态估计方法的分布式光伏发电预测[J].供用电，2019，36（02）：56-60.