关于光伏发电出力预测技术研究

关于光伏发电出力预测技术研究

马钊,李磊

华能新能源股份有限公司蒙西分公司   010010

摘要：太阳能开发利用逐渐成为全球能源转型的重要领域，促进光伏发电实现规模化发展，具有广阔的发展前景。但是光伏发电出力受到自然气象等多种因素的干扰，呈现出明显的间歇、随机和波动性，会导致高比例光伏接入之后电力系统受到较大影响。因此，人们加大光伏发电出力预测技术的研究力度，更加准确进行光伏发电出力预测，提高光伏电站运营质量和效率，保证电力系统的安全可靠性。

关键词：光伏发电；出力预测技术；研究

前言：我国在光伏发电出力预测领域进行大量研究，但是预测技术依然处于探索阶段，需要人们进一步分析出力预测技术的内涵，研究常见出力预测技术，掌握其技术指标和软件，从而全面提高光伏发电出力预测的精准性，帮助调度部门合理调整运行模式，确保高比例光伏接入之后电力系统能够顺利运行。

1出力预测技术的内涵

光伏发电出力预测技术在电网安全稳定运行中具有十分重要的作用，由于光伏发电具有较强的间歇性和波动性，大规模光伏发电接入之后，对电网安全稳定运行产生较大冲击。因此，光伏发电出力预测技术能够为电网调度运行提供更好的服务[1]。另外，光伏发电出力预测技术为新能源企业增强自身综合实力，参与市场提供基础条件。功率预测属于新能源发电企业和场站参与电力市场的基础条件。同时，功率预测、上传率和可用功率考核等是新能源发电企业日常主要工作之一，需要企业针对光伏电站实行精细化管理，促进企业转型发展。

2常见出力预测技术分析

2.1直接和间接预测

直接预测法主要应用现有的气象预报、功率信息数据，直接获得预测结果，在中短期时间尺度内的预测具有良好的适用性。

间接预测法主要是在预测输出功率之前，结合预测模型针对性预测气象因子和太阳总辐射强度，同时结合功率历史信息、监测功率信息，预测光伏发电站的实际输出功率。但是，该种方法需要创建多个预测模型，工作流程相对较复杂。

2.2物理和统计预测

物理统计预测主要结合光伏电站所处位置太阳辐照、多种气象和地理信息，应用太阳光辐照传递、光伏组件运行方程等相关物理运算方法进行预测。

统计预测主要是结合输入的历史气象和功率数据发现统计规律，预测光伏电站输出功率。该方法主要在新建广泛发电站中应用，但是由于建模难度大，同时不同时间和天气状况下，光伏组件参数出现一定程度的变化，难以准确辨识参数[2]。但是，统计预测对光伏发电站区域的地理信息、光伏组件测量信息没有较高要求，结合历史数据找出规律，获取预测模型。

2.3单场和区域预测

单场预测主要针对单个光伏发电站进行功率预测，为运营商提供正确、完整的功率预测信息，便于有效控制和优化光伏发电站。

区域预测主要是预测某一个区域范围之内的多个光伏发电站总输出功率，便于电力部门预估光伏发电出力、波动状况，预先制定光伏和水力、风力发电相协调调度计划，最大程度降低光伏发电站输出功率波动对电网安全稳定运行产生的影响程度。

2.4超短期、短期和中长期预测

超短期预测主要是在0-5小时内的功率预测，能够有效后的功率的瞬变信息；短期预测主要是指5-24小时内的功率预测，为光伏发电站调度计划、电力市场交易计划的制定提供预测信息；中长期预测主要是1周-1月内的预测，在光资源评估、光伏发电站建设中具有重要作用。

3光伏发电出力预测技术的指标和软件

科学评价光伏发电出力预测误差，有助于分析多种不同出力预测技术的特点，掌握其规律，采用相关补充措施，提高光伏发电出力预测精准度。例如，光伏发电处理点预测的评价指标相对较多，其中平均绝对误差等评价指标较为常用，表达式为平均绝对误差为：

MAE=

N表示光伏发电处理的预测点个数；

Pi表示预测值；

Pi表示实际值。

光伏发电处理点预测主要应用BP神经网进行日前预测，统计10天的指标平均值，同时验证分析各项指标，所有指标取值在0-1之间，指标的取值越接近0就代表光伏发电出力预测效果更加精准。不同指标评价角度和数值存在一定差异性，选择单一的指标不合理，一般选择多种指标进行综合评价。

我国光伏发电出力区间预测的评价指标主要包含预测区间覆盖率、平均宽度、区间分数、覆盖宽度和累积带宽偏差，可以应用RBF神经网络区域预测模型进行区间预测。其中预测区间覆盖率主要反映了区间预测的可靠性；预测区间平均宽度反映了预测区间的宽度；区间分数主要体现出区间的宽度、偏差，针对样本显著性水平、区间宽度之积相反数的平均值进行预测，显示为负值；累积带宽偏差主要反映了目标值和预测区间的偏离程度[3]。当预测区间覆盖率和平均宽度不断增大，代表模型预测结果十分有效，当区间分数逐渐变大，代表随着置信水平的提升，预测偏差不断减小。

光伏发电出力概率预测中，要分析确定性和不确定性预测结果，概率分布主要是概率预测中的不确定结果，通常可以采用分布的残差平方和RSS、连续秩概率评分、分位数评分等指标评价其预测精准度，如残差平方和RSS表达公式为：

RSS=

公式中，xi代表离散随机变量的取值；代表预测获得相对应的概率值；Pxi代表变量实际分布中xi对应的概率值。光伏发电出力概率预测中可以应用动态贝叶斯网络、马尔科夫链实现光伏发电出力概率预测仿真，详细计算获得常见指标的典型取值。光伏发电出力点预测、区间和概率预测，通常由于相关指标的侧重点存在一定差异，单一的指标具有相应的片面性，因此选择多种指标进行综合评价，获得更加精准的结果。

4结束语:我国光伏发电出力预测技术不断进步和发展，逐渐走向成熟。我国光伏发电站情况复杂，需要相关工作人员结合实际情况合理制定光伏发电站出力预测的工作指标，提高光伏发电效率，保证电网稳定运行。

参考文献:

[1]杨博文, 赵志刚. 基于强相关因素光伏发电出力概率预测的研究[J]. 电子世界, 2020(14):1-1.

[2]梁智, 盛远, 陈醒,等. 浅析光伏发电功率预测技术[J]. 农村电工, 2020, 28(7):2-2.

[3]文立, 钟永. 光伏发电功率预测中数据预处理方法[J]. 中国科技信息, 2022(19):3-3.