太阳能光伏发电量预测方法综述

1.引言

1.1.太阳能预测研究的意义

进入21世纪以来，世界各国经济、科技、社会发展迅速，发展带来的能源问题也随之而来。2018年中旬发布的《BP 世界能源统计年鉴》[1]提到，在过去的一年中全球一次能源消费增长2.2%，相比于上一年上涨了1 个百分点，也高于近十年平均增速1.7%的水平，是2013年以来的最快增速。2017年底，全球范围内探测到的石油储量为16，970 亿桶，同比下降了5 亿桶(0.03%)，按照2017年产量水平可满足世界未来52.6年的产量。全世界探明煤炭储量目前满足134年的全球产量。对于石油、天然气这种化石能源来讲，过度消耗会产生不可逆的后果，为了实现当今世界能源的可持续发展，各个领域逐步采用可再生能源代替原有的化石能源实现其功能。

太阳能相对于人类来说是最直接的、最方便的清洁能源，光伏发电(Photovoltaic power generation)是目前太阳能利用的一种主要形式[2]。光伏发电分为离网和并网两种形式，随着光伏并网技术的成熟，并网形式已成为主流趋势。太阳能光伏发电系统的发电量会受到光照强度、季节类型、天气类型、温度、湿度等影响，因此采集到的太阳能数据会具有很大的随机性。为确保用电安全、能源调度合理性及能源利用率，对太阳能光伏发电量进行相关预测具有重要意义。

1.2.太阳能预测研究概述

从20世纪80年代开始，由于世界能源消耗加速，德国、西班牙、美国和日本等国率先进入了太阳能光伏发电领域。为了保障本国电网运行的稳定性、可靠性，他们均开展了太阳能光伏发电量预测理论和应用技术研究，并取得了较为丰硕的研究成果[3]。

根据预测时间的不同，光伏发电系统的预测可以分为长期、中期和短期预测。中长期预测时长为30天至365 天，短期预测时长为几分钟到几天[4]。光伏发电功率短期预测效果将直接影响电力系统的用电安排和调度，因此，光伏发电功率的短期预测得到了国内外相关研究者重点关注[5]。

光伏发电系统短期预测的预测方法又可分为间接法和直接法[3]：间接法，先预测太阳的辐射强度，再依据光电转换效率计算预测短期预测的输出功率。直接预测法，根据数学统计预测方法，将气象数据和光伏发电站历史发电功率数据输入到建立好的预测模型中，由模型的输出得到短期预测的输出功率。间接法模型不需要大量的数据支撑[6]，但其建模过程十分复杂、运算量大、预测精度不高。直接法预测精度高，建模过程简单、计算量比较小，但需要利用大量的历史数据。直接法在光伏发电功率短期预测中得到广泛的应用。

2.光伏发电功率预测的物理方法

2.1.电子元件模型预测法

电子元件模型法是国外学者研究得到的一种基于光伏电池的硬件预测方法。在上世纪80年代时间序列法问世的同一时期，美国学者最先提出了基于光伏半导体设备进行光伏发电预测的原理，它以温度、太阳辐射和太阳辐射分布为预测模型的输入[7]；二极管是物理学中常用的一种元器件，诺贝尔奖获得者Green 由此获得启发提出了二极管模型(Diode Model)预测法[8]；该预测方法只是对于光学器件的初步尝试，随后西班牙学者在此基础上进一步提出了Araujo-Green[9]预测方法。

2.2.简单物理模型预测法

简单物理模型法是光伏发电产业在欧洲发展至上世纪90年代得到的产物，这是物理类预测方法中非常重要的一项研究成果。德国Oldenburg 大学是这个研究的先驱者，卫星探测数据、气象观测数据和电力参数首次被专辑的学者全部应用在光伏发电功率的预测过程中[10]；在此基础之上，有学者将太阳能辐射强度、观测和卫星遥感反演辐射资料等也加入进行光伏发电功率预测的物理模型中[11]。湖北省气象局带头开展了国内的相关工作，其研制出的“太阳能光伏发电预报系统(1.0 版)”，已被国内多家光伏电站使用[12]。由于简单物理模型方法的平均预测误差范围是5.0%～20.0%，所以简单物理模型方法在国内外中小型并网光伏发电站中得到广泛应用。

2.3.复杂物理模型预测法

当今社会，人们对于能源的需求量日益增加，煤炭等不可再生能源储量已濒临匮乏，同时风力发电、太阳能发电并入电网也伴随着巨大的风险，因此为了降低电网运行中存在的风险，就要求低于发电量预测准确度需要达到高准确度的要求。由此，德国一大学率先提出的复杂物理模型预测法[13]；经实际测试后得到的结果显示，该预测方法的预测误差基本处于5.0%以下，得到了很好的预测效果。为了能够进一步提高预测光伏发电功率的准确度，日本的学者在预测时增加了阴影、太阳能采集板、气象条件这三种参数，来提高预测模型的预测精确度[14]。

上一篇：云南通海县农村能源现状问题与发展措施
下一篇：没有了