摘要：提高功率预测水平是光伏发电系统并网的关键技术问题，对提高光伏发电开发利用、保证电网安全运行有重要意义。对光伏发电系统的功率预测方法进行了分析与总结，根据光伏发电的应用及需求，归纳了各类光伏发电系统功率预测方法的优点及不足，希望对我国光伏发电预测方法的发展起到一定的促进和推动作用。
关键词：光伏发电；功率预测；预测方法；预测模型
引 文：近年来，由于人们对可再生能源的高度重视，光伏发电技术得到了快速的发展，但光伏发电也存在一定的问题。由于太阳辐射受季节、天气等气象因素影响，光伏发电量具有明显的随机性和波动性。大量光伏发电系统接人电网后，会对电网的稳定安全运行带来严峻挑战，当光伏发电占比超过15％时，可能造成电网瘫痪。对传统的火电、水电进行调节代价又非常大，因此对现有的光伏发电系统进行功率预测特别是超短期功率预测对电网系统具有重要的意义。
1预测方法分类
1．1按预测时间尺度分类
从时间尺度上可以分为中长期功率预测、短期功率预测和超短期功率预测b]。中长期功率预测的时间尺度大，一般为l周或1个月，主要用于光伏电站的规划设计和电网中长期调度等，短期功率预测的时间尺度一般为l～3d，超短期功率预测的时间尺度为叫h，短期和超短期功率预测对电网实时调度等具有重要的决定作用，对系统运行安全性和稳定性具有直接影响。目前，中长期功率预测一般采用统计方法利用历史数据进行预测，短期功率预测一般需根据数值天气预报获得未来1—3d内气象要素预报值，然后根据历史数据和气象要素信息得到地面辐照强度的预测值，进而获得光伏电站输出功率的预测值，超短期功率预测的主要原则是根据地面拍摄的云图或地球同步卫星拍摄的卫星云图推测云层运动情况，从而计算出未来几h内太阳辐照强度，再通过光伏发电功率模型得到光伏发电输出功率的预测值。
1．2按预测空间尺度分类
光伏发电功率预测方法按照空间尺度主要分为4种，分别是微尺度、小尺度、中尺度、大尺度功率预测方法口]。依次针对单个发电单元、单个光伏电站、由多个光伏电站组成的光伏电站集群和更大地理区域内的光伏发电站。空间尺度越小，功率预测越难，这是因为预测时无法采用平均值，尺度越小对功率预测时的空间分辨率的要求越高。近年来，小功率的分布式发电系统大量发展，其发电功率波动性很大，对电网系统的稳定性和安全性造成较大威胁，这对光伏发电系统功率预测提出了更高要求。
1．3按预测方式分类
从预测方式上可分为直接预测和间接预测两类。前者直接对光伏电站的输出功率进行预测；后者又叫分步预测，首先对太阳辐射强度进行预测，然后根据光伏发电系统发电模型得到输出功率。直接预测方式简洁方便，但直接预测模型需要从历史发电数据直接预测未来的发电功率，预测的准确性一方面决定于预测算法，另一方面决定于是否有大量准确的历史数据。分步预测方式包括太阳辐照强度预测和光伏发电系统功率模型两个过程，在每个过程中可灵活选择不同的方法，某种程度上克服了直接预测方式的局限性。
1．4按预测方法分类
从预测方法上来说，光伏功率预测包含统计方法和物理方法。统计方法的原理是统计分析历史数据，从而发现其内在规律并最终用于发电功率预测，可以直接预测输出功率，也可以预测太阳辐照强度；物理方法是在已知太阳辐射强度预测值的情况下，研究光能转化的物理过程，采用物理方程，考虑温度、寿命等影响因素，由预测的太阳辐射强度得到光伏系统发电功率预测值。
2预测方法国内外研究情况
2．1直接预测方法
直接预测方法本质上都是统计方法，由历史数据预测未来数据。其原理是假定光伏发电系统不发生衰减，那么发电历史规律不会发生改变，根据简单天气预报和历史发电数据，就可对未来的发电功率进行预测。
期刊文章分类查询,尽在期刊图书馆
2．2分步预测法中的太阳辐照强度预测方法
上节中的直接预测方法也可用于太阳辐照强度预测，只是输入数据中的历史发电功率变为历史太阳辐照强度，其它类似，不再赘述。而以下介绍的几种方法可直接进行太阳辐照强度预报，无需历史数据。
2．2．1基于数值天气预报的方法
数值天气预报根据流动力学和热力学原理建立微分方程组，确定大气初始状态后，就可迭代计算出来某个时间大气的状态，就是通常所说的温度、风、降水、太阳辐照度等。目前经常使用的全球数值天气预报模型主要有美国的GFS模型和欧盟的ECMwF模型，最长可进行15d的预报，其中GFS免费提供预报。全球数值天气预报模型的空间分辨率和时间分辨率都比较低，目前的模型其空间分辨率为16~50km，时间分辨率为3~6h。全球数值天气预报模型难以直接应用，常常作为其它更小尺度预报的基础。中尺度数值天气预报模型仅仅覆盖地球上的一小部分地区，由各个国家或商业公司运行，空间分辨率和时间分辨率要高得多，空间分辨率在l一20km，时间分辨率为1h。
中尺度预报模型常用的是wRF模型。Wl讧模型是20世纪90年代由美国的科研机构为中心开发的一种统一的中尺度数值天气预报模型，2000年开始免费对外发布，已更新了数个版本，用户可在此基础上开发本地的数值天气预报模型，空间分辨率可达1km。文献[16]将MM5中尺度模型和美国国家环境预报中心模型的辐照度预报与地面观测值进行了对比研究。
目前数值天气预报的缺点在于其空间和时间分辨率仍然不够高。1km的空间分辨率无法对具体的一块云做出预测，只能对某一片区域的整体平均天气做出预测。1h的时间分辨率也无法进行高时间分辨率的功率预测。因此，基于数值天气预报的方法目前主要应用于较大区域的光伏发电系统功率预测。另外，数值天气预报方法中的气象和环境因素较为复杂，精准度的提高一直是目前研究的重点和难点。
2．2．2基于云图的方法
云的大小、形状、厚度、致密度等因素都会直接影响到达地面的太阳辐照强度，而云在时间上和空间上很容易发生变化。因此，知道并预测云的变化是太阳辐照强度预测面临的一项挑战任务。通过卫星云图和地面拍摄的云图，可以预测云的变化。其基本原理是由历史的云图数据预测未来云的变化。
2．3分步预测法中的光伏发电系统功率模型建立方法
光伏系统发电功率模型是实现发电功率准确预测的关键。目前，国内外有关光伏发电功率模型的建模方法主要有物理模型方法和统计模型方法两大类。
2．3．1物理模型方法
物理模型方法的有效性取决于对研究对象内部构成及其所遵循规律的把握程度和模型参数的精度。1）效率模型。即直接通过太阳辐照强度和效率因子估算光伏发电系统输出功率。该方法计算精度低，只适用于光伏电站选址等对精度要求很低的场合。2）电子元件模型。使用基于光伏半导体设备物理或发光二极管的物理原理来建立电子元件模型。由于模型考虑因素不够全面，基于该类模型的预测方法基本不再使用。3）物理模型。综合考虑寿命、温度、雨雪等的影响，建立光伏发电的物理模型。结合天气、太阳阵的构型布片方式等，日本学者建立三维模型考虑了建筑物遮挡情况下对复杂光伏发电量预测方法。
2．3．2统计模型方法
统计模型把光伏发电系统看作一个“黑箱”，并不关注内部各模块的特性或内部各因素影响分析，而是基于实际运行数据对其功率特性进行拟合。
3结论
本文在大量调研国内外光伏发电预测方法研究文献的基础上，对各类方法进行了详细分类归纳总结和比较，给出了各种方法的优缺点和应用场合。如何在已有研究成果基础上找出影响光伏发电量的关键因素，综合利用数值天气预报、卫星云图、地面观测站数据提高气象要素预报的准确率，并由此建立合适的光伏发电预测方法已成为太阳能光伏发电量预报系统研究亟待解决的问题。
参考文献：
[1]王飞．并网型光伏电站发电功率预测方法与系统[D]．北京：华北电力大学，2013．
论文作者:王晨光
论文发表刊物:《电力设备》2017年第11期
论文发表时间:2017/8/8
标签：功率论文; 光伏论文; 方法论文; 模型论文; 尺度论文; 系统论文; 数值论文; 《电力设备》2017年第11期论文;