解析太阳能光伏发电量预报方法

开篇：润墨网以专业的文秘视角，为您筛选了一篇解析太阳能光伏发电量预报方法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：近年来，我国的电力事业发展十分迅猛，加强发电量预报方法的研究是十分必要的。本文作者结合多年来的工作经验，对发电量预报方法进行了研究，具有重要的参考意义。

关键词：关键词：光伏发电；效率模型；气象要素；

中图分类号：TM61文献标识码： A 文章编号：

通过对太阳辐射的预报，结合光伏电站历史发电量数据分析得到光伏发电量的预报，即为太阳能光伏发电量预报技术。太阳能光伏发电量预报是太阳能光伏发电系统中的一个重要的组成部分。此前，国内外对光伏发电系统的研究大多集中在太阳能电池材料技术、最大功率跟踪算法、并网逆变器电路拓扑、并网稳定性如孤岛效应的防护、并网谐波抑制等方面。对光伏发电系统发电量预报技术的研究则相对较少，起步较晚。建立光伏发电量预报系统，基于如下几方面的考虑：受太阳辐射周期变化的影响，光伏发电出力的变化具有很强的周期性，包括日变化和季节变化周期。光伏发电系统主要是在每天的08:00—18:00这段时间内输出电力。在夏季，光伏发电系统日发电量曲线和电力负荷日变化曲线有很好的相似性，在负荷高峰期，光伏发电系统能较好地提供电力，起到调峰的作用。例如，在德国，夏季光伏发电出力约占峰值负荷需求的2%。气象要素变化的随机性导致了光伏发电出力变化的不连续性和不确定性，且光伏发电装机容量在电力系统中比例的增大将会对电网的安全性、稳定性、经济运行造成一定影响。根据美国学者Edward的研究，在一个电网中光伏发电装机容量比例一般不宜超过电网总容量的10%～15%，否则整个系统将难以运行。因此光伏发电量预报技术对于电力系统调度、电力负荷配合、常规能源发电规划和光伏发电规划等具有重要的指导意义。

1 国内外光伏发电量预报方法概述

目前，国外光伏发电量预报技术研究已有一定的发展，如德国、瑞士、西班牙、日本等国已展开利用气象预报对光伏电站发电量进行预测的研究和应用。日本 NTT Facilities公司 Kudo等根据历史天气资料和日本爱知县世博园区330kW光伏系统发电量数据，进行多元回归分析，建立预报方程，预测未来一天05:00—19:00的逐时发电量，并利用“预报＋实测＋临近订正”的方案，降低天气预报失误对于发电量预报准确性的影响。经校验，2005 年3月25日至9月26日，日均发电量预报误差为25.6%，时均预报误差为30.53%。国内光伏发电量预报技术尚处于研发阶段。华北电力大学栗然等结合光伏组件数学模型和保定地区气象资料，模拟了30 MW 光伏电站发电量数据，利用支持向量机回归分析方法，进行发电量预测。但该方法无实际光伏电站的实况发电量资料，缺乏实验验证，对实际光伏电站发电量预报的指导意义有限。华中科技大学在全国较早收集并网光伏电站资料，自2005年起开始对18 kW太阳能光伏电站记录的直流输出功率、交流输出功率以及发电量等大量时间分辨率为5 min的资料进行收集。总的说来，国内外光伏发电量预报技术主要可分为如下3类：一是基于太阳总辐射预报和光伏I/V特性曲线仿真模型[10,15-16]的仿真预报法；二是基于太阳总辐射预报和光电转换效率模型的原理预报法；三是基于历史气象资料（天气情况或（和）太阳总辐射资料）和同期光伏发电量资料，采用统计学方法（如多元回归、神经网络等相关算法）进行分析建模，再输入数值模式预报结果的动力 -统计预报法。对于第一种方法，其仿真模型的建立基于理想条件下光伏组件的电气特性数学公式推导和求解，在此省略。本文重点介绍后两种方法。

2 原理预报法

原理预报法，是根据太阳能电池光伏发电的物理原理（光生伏打效应，即半导体材料表面受到太阳光照射时，在半导体内产生大量电子-空穴对，在内建电场作用下运动，产生光生电动势）和光电转换效率定义，建立影响光电转换效率的经验公式和合理的经验系数，输入太阳总辐射预报值，进行光伏发电量预报。根据文献[4]中光电转换效率的定义，光伏组件输出功率（直流）表达式为式中，Pd为直流输出功率（单位：W)，η为光电转换效率，A为面积（单位：m2），G为辐射度（单位：W /m2）。式(1)中未考虑阵列组合损失、连接损失等的影响。光伏发电量E (直流量）计算公式为结合公式 (1) - (2) ，在建立的光电转换效率模型基础上，输入太阳总辐射预报值，即可获得光伏发电量（是直流发电量，将在后续研究中考虑最终交流并网时并网逆变器DC/AC转换的能量损失）预报值，其预报精度依赖于光电效率模型和太阳总辐射预报的准确性。

2.1 光电转换效率模型对光生伏打效应的研究发现，入射光谱辐射度、电池温度会直接影响太阳能电池输出电压和电流大Pd(t) = ηAG。 (1)E =∫P(t) dt。 (2)小，进而影响光电转换效率。常用的光电转换效率模型主要有常系数效率模型，单一负温度系数模型[18-19]，综合温度和太阳总辐射的两要素模型等几种。常系数效率模型是最简单的一种效率模型，它直接使用太阳能电池厂商提供的标准测试条件（入射光辐射度为1000 W/m2、气温为25℃、大气质量为AM1.5）下的标称效率ηs。不同材料太阳能电池，其标称效率不同。商用的光伏组件，晶体硅电池为12%～18%，非晶硅薄膜电池为 5%～8%，CIGS 薄膜电池为5%～11%。单一负温度系数效率模型，考虑日间实际光伏组件的板温一般会高于气温，在25～80℃随着电池板温的增加，光电转换效率会有所降低，即式中，Tc为板温（单位：℃），β为温度系数（单位：℃-1）。β与太阳能电池材料有关，对于晶体硅材料，β 取值在 0.003～0.005 ℃-1之间。温度和太阳总辐射的两要素模型，综合考虑太阳总辐射和板温的非线性影响，式中，a1、a2、a3为经验参数，可通过最小二乘法求解。

2.2 太阳总辐射预报根据预报时间尺度划分，目前太阳总辐射预报方式可分为超短时（1 h以内）和短时临近（0～5 h）太阳总辐射预报，使用卫星云图资料外推；短期（5 h以上到3 d）太阳总辐射预报，主要使用MM5、WRF、NDFD、ECMWF、GFS/WRF 等[25]中尺度数值预报模式，并对模式结果进行订正和解释应用；短期预报也可采用回归或神经网络方法[17,19]等统计学方法。数值预报模式得到了广泛的应用，以ECMWF、GFS/WRF 为例，对德国 2007 年 7 月至 2008 年 6 月期间某一天的太阳总辐射进行预报试验，不同模式和处理下误差情况如表1所示[26]。从表1可见，ECMWF模式预报效果最好。η(Tc) = ηs[1-β (Tc-25)]。 (3)η(G, Tc) = (a1+ a2G +a3lnG ) [1-β (Tc-25)]。 (4)此外，介绍几种模式订正方法。文献[10]利用ECMWF 提供的未来 3 d 每 3 h 的太阳总辐射预报数据，结合清晰度指数和插值法预测未来3 d的逐时太阳总辐射，并采用偏差校正避免了模式输出在云天情况下固有正偏差的影响，使得相对平均误差接近零，对德国2007年 5月的6 d实测太阳总辐射和预报值进行校验，对于单站点未来1 d预测的相对均方根误差为36.9%，未来第3天预测的相对均方根误差为46.3%；不过由于空间平均效应，随着观测站点增加（样本充分），在空间范围为 9°×10°未来1 d预测的相对均方根误差降低为13.4%，未来第3天预测的相对均方根误差为22.5%。文献[2] 在现有天气实况和数值预报基础上，结合临近订正预报，即采用“预报＋实测＋临近订正”方法，以降低天气预报失误对于发电量预报准确性的影响。文献[16]对日本气象厅1994—2003年10年间基于云量和气溶胶的数据和同期太阳总辐射数据，按天气、日期、时间分类，根据晴天/雨天/云天将天气划分为14种变化类型，采用不同订正因子，以提高对未来1 d逐时太阳总辐射预报的准确率。

3 结论与展望

在对国内外文献广泛调研的基础上，较为全面地论述了太阳能光伏发电量预报技术的研究现状和最新动态，对各种方法进行较为详细的分类总结，分析比较其优缺点。

参考文献

1.孟浩,陈颖健. 我国太阳能利用技术现状及其对策 [J]. 中国科技论坛, 2009, 5: 96-101

2.European Photovoltaic Industry Association (EPIA). Global outlook forphotovoltaics until 2014 [R]. Brussels: EPIA, 2010: 1-25European Photovoltaic Industry Association (EPIA).

3. Solar photovoltaicelectricity empowering the world [R]. Brussels: EPIA, 2011: 1-100

4.杨金焕, 于化丛, 葛亮. 太阳能光伏发电应用技术 [M]. 北京: 电子工业出版社, 2009: 13-14