摘要：目前，我国的科技发展十分迅速，准确的光伏发电出力预测对于保障高比例光伏接入后系统的安全稳定与经济运行具有重要意义。目前我国对于光伏发电出力预测技术的研究尚处于广泛研究阶段，本文对光伏发电出力预测技术的研究成果进行归纳总结。首先，分析光伏发电系统的发展及预测现状；然后，从点预测、区间预测和概率预测三个方面，分别对当前的预测方法及技术、预测效果的衡量指标等进行了梳理、归类、总结和评述；最后，根据目前我国光伏产业的现状及发展趋势，探讨未来光伏发展及出力预测的研究方向。
关键词：光伏发电出力；预测技术；点预测；区间预测；概率预测；评价指标
引言
随着科学技术和工业化程度的进一步发展，能源短缺、环境污染等社会问题已经成为当今社会研究的主要课题。太阳能作为一种理想的可再生能源，也是我国新能源利用的一个新的起点，它具有其他能源无法比拟的优点。因此，大规模应用太阳能技术已是世界能源发展的必然趋势。但是光伏发电技术中光伏系统的输出功率具有不确定、不连续的特性，大量的用户使用光伏发电系统为其提供电能，对电网会造成很大的影响，因此有必要对光伏系统的出力进行预测，以便了解大规模的太阳能光伏并网系统的发电运行特性以及与电网调度、电力负荷等的配合问题，这将有利于电力系统调度部门及时调整调度计划，有效地减轻光伏并网发电对电网的影响。
1光伏发电出力预测技术的分类
光伏发电出力预测的方法多样，根据不同的分类标准有不同的预测方法。光伏发电预测方法分类如图1所示，根据预测过程的不同，可分为直接预测和间接预测；按照预测空间尺度的不同，可分为单场预测和区域预测；按照预测时间尺度的不同，可分为超短期预测（0～4h）、短期预测（0～72h）以及中长期预测（1月～1年）；按照不同预测形式，光伏发电出力的预测主要分为点预测、区间预测和概率预测。对于不同预测过程、不同时间尺度和不同空间尺度下的光伏发电出力预测，均可以从点预测、区间预测和概率预测等不同的形式进行预测研究。本文将重点从不同预测形式的角度对光伏发电出力预测技术进行全面地梳理、概括和评述。
图1 光伏发电出力预测方法的分类
点预测属于确定性预测，用于调度计划的制定，区间预测和概率预测统称为不确定性预测。其中，区间预测可以得到不同置信水平下光伏发电出力的区间上、下限，其主要用于辅助调度决策，为制定调度计划提供准确的光伏发电出力变化范围。概率预测利用预测时段之前的相关样本统计信息，得到未来不同时刻光伏出力的期望值以及出力的概率分布信息，其主要用于电能分析、电网调度和风险评估，预防不确定性因素带来的不利影响。
2出力预测技术
2.1基于数学统计方法的预测技术
（1）回归模型预测方法．回归模型是对统计关系进行定量描述的一种数学模型．根据光伏出力的历史资料，建立可以进行数学分析的数学模型，对未来的负荷进行预测．利用回归分析，建立回归模型，对光伏系统进行出力预测．结果利用回归分析方法进行的出力预测与实际值拟合度高，但是只能进行短期预测．预测时间越远，误差越大．也分别采用了回归方法，虽然因变量与各因子存在良好的线性关系，但总体预测准确度低，无法适应天气的非线性变化．（2）时间序列预测法．时间序列预测法是一种历史资料延伸预测，是以时间数列所能反映的社会经济现象的发展过程和规律性，进行引伸外推，预测其发展趋势的方法．在光伏出力的预测中，通常是把数据按照季节、周、天等时间段进行划分，根据历史资料，建立一个数学模型来描述光伏出力这个随机变量的统计规律．其中，Box．Jenkins方法是随机时间序列分析的主要方法之一．其基本的时间序列模型主要有自回归模型（AR）、动平均模型（MA）、自回归动平均模型（ARMA）和自回归平滑移动模型（ARIMA）共四种．结合历史发电量数据和气象因素，使用时间序列预测模型对光伏电站的出力进行预测．大量的数据表明，这类预测模型在相似天气情况下精度在接受范围内，但无法适应天气变化的情况．（3）灰色预测法．灰色系统理论以“部分信息已知，部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象，它通过对“部分”已知信息的生成、开发实现对现实世界的确切描述和认识．而光伏发电量或出力这类研究对象符合灰色系统理论研究对象的特点．文献[9]利用灰色预测法对光伏系统发电量进行预测．利用灰色系统理论建立GM（l，1）模型，对光伏发电系统日发电量进行预测，并采用改进的GM（1，1）残差修正模型对原始模型进行修正，平均误差明显缩小，经分析可以得到满意的预测结果．采用了灰色模型与神经网络的组合方法进行了预测，其结果在相似天气情况下预测精度较高。
2.2点预测中不同方法的比较
表1为点预测中不同方法优缺点及数据需求的比较。其中，物理方法需要详细的地理信息和气象信息，对需求的数据要求较高，主要用于已运营较长时间的光伏电站；而统计学方法、元启发式学习方法和组合方法不需要考虑电站的系统参数，适用于已运营较长时间或新建的光伏电站，是目前在光伏预测领域采用较多的几种方法。随着大数据和人工智能技术的发展，元启发式学习方法将会得到广泛的青睐，组合方法因其在预测精度方面的优势也具有重要的研究价值。
表1 点预测中不同方法的比较
2.3各类预测方法的比较
首先对于物理法来说，这种方法适用于光伏发电系统刚刚建设完成时期，这段时期历史数据较少，没有足够的可参考依据，只能在其它已有光伏电站结构、影响因素、运行状况的基础上，对电站运行情况进行估计预测．由于物理预测法的确定性过低，同时光伏出力的影响因素较为复杂，很难得到非常精确的物理方程，因此对于精度要求过高的预测也不合适．在目前应用较为广泛的预测方法中，回归法可以通过统计分析，建立影响因素与发电功率的线性关系，从而达到预测的目的．这种方法目前已经具有预测的实例，并且具有一定的预测精度．然而回归算法中只能表示出输入与输出量之间的线性关系，却对非线性关系的处理并不理想。
结语
1）随着大数据和人工智能技术的发展，点预测中元启发式学习方法和组合方法将会受到更多学者的关注。2）当前的研究主要集中在点预测，区间预测和概率预测将是未来光伏发电出力预测的重要研究方向之一。区间预测的关键是尽可能缩小光伏发电出力落入区间的范围，概率预测的关键是准确预测光伏发电出力的概率分布和提高算法的适用度。3）对于预测精度评价方面，采用多种指标进行全面的评价是较为科学的。MAE、MAPE、RMS和RMSE是点预测常用的指标，PICP、PINAW和IS是区间预测常用的指标，RSS、Theil系数、RPS、QS和CPI是概率预测常用的指标。4）光伏固有的间歇性和波动性等特征是提高预测水平的难点之一，深度挖掘光伏发电出力的特性和研究精细化、有针对性的预测软件是未来研究的重要内容。
参考文献
[1]太阳能发展“十三五”规划[EB/OL].国家能源局,2016-12-08.
[2]贾科,宣振文,林瑶琦,等.基于Adaboost算法的并网光伏发电系统的孤岛检测法[J].电工技术学报,2018,33(5):1106-1113.
.
论文作者:熊介宇
论文发表刊物:《电力设备》2019年第3期
论文发表时间:2019/6/11
标签：光伏论文; 方法论文; 区间论文; 模型论文; 概率论文; 系统论文; 技术论文; 《电力设备》2019年第3期论文;