摘要:光伏有用功率发电预测准确性较难控制，是光伏发电中比较难攻克的问题。通过查阅相关资料，总结一些有用功的预测方法，可以将当地的历史的天气数据大致分为晴朗和多余两种天气，然后建立模型进行训练，根据预测的天气情况，选用不同的网络模型进行预测。对于光伏的并网会造成大规模电力系统有用功的扰动，电力系统的预测部门可以根据光伏发电有用功率提前预测出结果。进行相关操作和技术上的改动，可以有效地降低自动发电有用功率的频率波动，保证发电控制机组的正常运行。通过大量的实例对该预算法进行验证，并对该方法下频率恢复特性曲线在有用功时进行仿真预测。证明了提前控制相关条件对光伏应用功率预测中自动发电控制具有很好的效果。
关键词:有功功率预测 发电自动控制 光伏发电 电网频率
随着科技水平的进步，人们对于能源的需求量越来越大。但是在利用的能源中，人类拥有的不可再生资源越来越紧缺，各个国家对不可再生能源的控制越来越规范。且大多不可再生能源，被人类所利用的时候都会释放出一些对人类有一定损害的化学物质。综合各方面的原因，各个国家的相关技术部门将目光放在了新能源上。新能源如果可以有效的开发利用，对于人类来说无疑解决了人类历史上的一大难题，地球上的可再生能源有很多，在众多的可再生能源中，光能在地球中分布范围最广，具有的能量最多。但是人类目前对光能的利用率极低，如何高效地利用光能进行发电是目前人类需要突破的重点。所以光伏发电逐渐进入人类的生产生活中。
一、修正后的小波神经网络分析预测
1.1影响光伏发电的因素
光伏发电顾名思义就是利用太阳光来进行发电，其发电原理是通过太阳光照射在半导体表面。由光产生伏特效应，将光能间接的转化为为人类所用的电能。为了很好的利用光能，对光伏发电的功率展开了系统性的研究，光伏发电主要受到太阳能电池板的洁温和太阳的辐射强度的影响。而其中太阳辐射的强度主要取决于天气情况的影响。如果处在万里无云的晴朗天气中对于光伏的处理基本上一天内都不用对其改变，但是对于一些其他天气比如雨天、雪天、多云天气时对于光伏的处理就需要格外注意，因为这种天气，光伏的处理随机性较大而且对于光伏发电机的功率变化也比较明显。
1.2对小波神经网络合理预测及修正
小波神经网络的概念是人工神经网络的人工神经网络是隐藏层的传递函数。通过隐藏层的输出表达式和网络层输出表达式可以看出，随着训练时间的增加，很容易进入过拟合状态，相反如果过小的话网络的学习能力比较差，需要适当的提高训练次数，精准度也会受到一些影响。考虑相关规范不同，变化范围、数目差别比较明显，要对于相关数据的统一处理。建立状态的转移矩阵可以对模型进行改正，通过对各状态的修正值和预测值合理设取，可以通过计算算出马尔科夫的修正预算小波网络算法的值。
二、光伏发电实例的分析
本文选取平均日照较为正常地区的发电站，通过研究该发电站的一些发电数据展开系统性研究。
期刊文章分类查询,尽在期刊图书馆分别选取多云和晴天天气来作为实验测试的可变因素，其中晴朗天气和多云天气各取300组数据，其中测试的数据占百分之三十，网络训练占百分之五十，分别在两种天气中展开训练。得到两种不同天气情况下的小波神经网络模型。通过对模型进行分析，来对预测样本的展开预测，可以得到预测功率与实际功率的相关数据的关系，得到各种天气情况下小波神经网络预测的结果。对统计出来的误差和数据并进行马尔科夫修正，得到修正后结果。有统计的数据结果不难看出，小波神经网络模型的修正中，修正效果比较好的是马尔科夫修正。尤其是对多云等复杂天气情况下的修正，降低了光伏有功功率的预测误差。
三、仿真光伏发电电率预测在电网频率控制下的实际应用
3.1建立仿真模型
在工程中为了避免实验时对原结构产生破坏，许多实验的开展往往不能通过原来模型进行实验，而是通过建立与原来模型结构，材料形状相似的缩小尺寸的模型进行实验。相关的一些参数也要进行改变，应该力求达到与原来结构实验相似的结果。本文的仿真模型可以采用光伏发电模型中容量比较小的。可以采用比较简单的单区域控制模型。模型实验中要考虑间歇性并网对电力功率供需平衡的影响。在实验场地中要进先进行模型的搭建和对模型进行仿真调节。其中系统的自动控制主要是由发电机、电力网、原动机和调速变速器。本文中可以将光伏功率扩大为原来的40倍左右进行实验。使其中的光伏发电架原来总容量的10%左右，以体现该实验中光伏发电功率的影响。可以得到光伏并网单区域频率的自动控制仿真模型。这种仿真模型在许多实验中有广泛的应用，大大方便了许多实验操作的处理。
3.2对仿真曲线进行分析和评价
在该地区中选取某日15分钟的负荷的变化。通过运用本文的算法，算出超短期的负荷载。可以精确地得到光伏有功功率短期预测的数值。一般所选的时间段为正午时分11:45到12:15左右，因为此时是一天日照强度最高的时间。分别测出在该时刻的实际负荷、计划发电负荷、超短期预测值、光伏已发电有功功率、光伏发电有功功率超短期预测值，在这些实验数据的基础上进行分析。再通过对扩大40倍后的光伏发电有用功率值和光伏发电有功功率超短期预测值进行数据的对比，可以得到复合扰动下频率偏差仿真波形图，得到吴超前调节超前调节的实验结果。
四、结束语
光伏发电作为应用最广的新能源，其应用前景备受诸多的关注。如何解决这一难题需要我们共同为之付出的努力。本文通过对光伏发电原理的进行分析。找出影响光伏发电的因素，并究其因素产生的原因，展开实验研究。实验结果表明，影响光伏发电功率最主要的因素是地区太阳辐射的平均强度和光伏太阳电池板的结温。啊影响这两个因素都是外来因素，无法根据实际实验进行准确的数据判断，只能通过预测的方法进行提前短期预测，来代替下一时刻的天气情况。根据预测的天气情况的不同，选择不同的预测模型进行实验，最后通过马尔可夫状态转移矩阵对结果进行修正。得到对光伏发电功率预测的短期预算法，市相关部门可以提前调整相关参数，有利于系统频率的稳定。
参考文献：
[1]杜宜领.光伏发电有功功率预测及电网频率控制中的应用分析[J].江西建材,2017(11)
[2]田铭兴,路涛涛,贾志博,高云波.基于虚拟同步发电机控制的光/储/燃料电池微电网能量管理[J/OL].电力自动化设备[2019-05-17]
论文作者:杜宗峰,王科
论文发表刊物:《电力设备》2019年第15期
论文发表时间:2019/11/27
标签：光伏论文; 功率论文; 模型论文; 天气论文; 神经网络论文; 数据论文; 频率论文; 《电力设备》2019年第15期论文;