基于bp神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測(cè)模型

基于bp神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測(cè)模型

光能的發(fā)電具有波動(dòng)和延遲。大型光能電網(wǎng)的聯(lián)合運(yùn)營(yíng)將影響能源系統(tǒng)的安全穩(wěn)定運(yùn)行。對(duì)光伏電站的輸出功率進(jìn)行預(yù)測(cè)有助于電網(wǎng)調(diào)度部門統(tǒng)籌安排常規(guī)電源和光伏發(fā)電的協(xié)調(diào)配合,適時(shí)及時(shí)地調(diào)整調(diào)度計(jì)劃,合理安排電網(wǎng)運(yùn)行方式,一方面有效地減輕光伏接入對(duì)電網(wǎng)的不利影響,提高電力系統(tǒng)運(yùn)行的安全性和穩(wěn)定性,另一方面降低電力系統(tǒng)的旋轉(zhuǎn)備用容量和運(yùn)行成本,以充分利用太陽(yáng)能資源,獲得更大的經(jīng)濟(jì)效益和社會(huì)效益。光伏功率預(yù)測(cè)從預(yù)測(cè)方法上可以分為統(tǒng)計(jì)方法和物理方法2類。統(tǒng)計(jì)方法對(duì)歷史數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,找出其內(nèi)在規(guī)律并用于預(yù)測(cè);物理方法將氣象預(yù)測(cè)數(shù)據(jù)作為輸入,采用物理方程進(jìn)行預(yù)測(cè)。從預(yù)測(cè)方式上可分為直接預(yù)測(cè)和間接預(yù)測(cè)2類。直接預(yù)測(cè)方式是直接對(duì)光伏電站的輸出功率進(jìn)行預(yù)測(cè);間接預(yù)測(cè)方式首先對(duì)地表輻照強(qiáng)度進(jìn)行預(yù)測(cè),然后根據(jù)光伏電站出力模型得到光伏電站的輸出功率。從時(shí)間尺度上可以分為超短期功率預(yù)測(cè)和短期功率預(yù)測(cè)。超短期功率預(yù)測(cè)的時(shí)間尺度為30min～6h,短期功率預(yù)測(cè)的時(shí)間尺度一般為1～2d。目前,超短期功率預(yù)測(cè)的主要原則是根據(jù)地球同步衛(wèi)星拍攝的衛(wèi)星云圖推測(cè)云層運(yùn)動(dòng)情況,對(duì)未來幾小時(shí)內(nèi)的云層指數(shù)進(jìn)行預(yù)測(cè),然后通過云層指數(shù)與地面輻照強(qiáng)度的線性關(guān)系得到地面輻照強(qiáng)度的預(yù)測(cè)值,再通過效率模型得到光伏電站輸出功率的預(yù)測(cè)值。短期功率預(yù)測(cè)一般需要根據(jù)中尺度數(shù)值天氣預(yù)報(bào)獲得未來1～2d內(nèi)的氣象要素預(yù)報(bào)值,然后根據(jù)歷史數(shù)據(jù)和氣象要素信息得到地面輻照強(qiáng)度的預(yù)測(cè)值,進(jìn)而獲得光伏電站輸出功率的預(yù)測(cè)值。目前國(guó)內(nèi)在該方面的研究較少,文獻(xiàn)根據(jù)歷史功率數(shù)據(jù)和簡(jiǎn)單日模型估計(jì),每1h建立1套神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)光伏電站的輸出功率;文獻(xiàn)根據(jù)歷史功率數(shù)據(jù)和簡(jiǎn)單日模型估計(jì),每1h建立1套SVM模型預(yù)測(cè)光伏電站的輸出功率。以上方法沒有全面考慮有效的氣象因素對(duì)光伏電站出力的影響,預(yù)測(cè)結(jié)果在多種氣象條件下的適應(yīng)性還有待檢驗(yàn)。此外,電網(wǎng)調(diào)度部門要求功率預(yù)測(cè)的時(shí)間分辨率為15min,顯然以上1h的預(yù)測(cè)結(jié)果并不能滿足電網(wǎng)調(diào)度的實(shí)際要求。1光生伏打作用光伏電池是以半導(dǎo)體P-N結(jié)上接受光照產(chǎn)生光生伏打效應(yīng)為基礎(chǔ),直接將光能轉(zhuǎn)換成電能的能量轉(zhuǎn)換器。當(dāng)光照射到半導(dǎo)體光伏器件上時(shí),在器件內(nèi)產(chǎn)生電子—空穴對(duì),在半導(dǎo)體內(nèi)部P-N結(jié)附近生成的載流子沒有被復(fù)合而能夠到達(dá)空間電荷區(qū),受內(nèi)建電場(chǎng)吸引,電子流入N區(qū),空穴流入P區(qū),結(jié)果使N區(qū)儲(chǔ)存了過剩的電子,P區(qū)有過剩的空穴。它們?cè)赑-N結(jié)附近形成與內(nèi)建電場(chǎng)方向相反的光生電場(chǎng)。光生電場(chǎng)除了部分抵消勢(shì)壘電場(chǎng)的作用外,還使P區(qū)帶正電,N區(qū)帶負(fù)電,在N區(qū)和P區(qū)之間的薄層就產(chǎn)生電動(dòng)勢(shì),這就是光生伏打效應(yīng)。見圖1。一旦接通外電路,光伏電池即有電能輸出。此時(shí),如果將外電路短路,則外電路中就有與入射光能量成正比的光電流通過,這個(gè)電流稱為短路電流,另一方面,若將P-N結(jié)兩端開路,在這2個(gè)極之間產(chǎn)生了電位差,稱之為開路電壓。2影響因素分析包括光充電站輸出的影響因素2.1輻照強(qiáng)度對(duì)光伏發(fā)電系統(tǒng)的影響輻照強(qiáng)度指在單位時(shí)間內(nèi),垂直投射在地球某一單位面積上的太陽(yáng)輻射能量。從物理意義上來說,太陽(yáng)的輻照是導(dǎo)致光伏電池產(chǎn)生伏特效應(yīng)的直接影響影響因素,輻照強(qiáng)度的大小直接影響光伏電池出力的大小。圖2為某光伏電站實(shí)測(cè)輻照強(qiáng)度與光伏電站實(shí)際有功功率的散點(diǎn)圖,可見輻照強(qiáng)度與光伏電站的出力成正比關(guān)系。圖3為在特定溫度下,不同輻照強(qiáng)度對(duì)應(yīng)的光伏電池伏安特性曲線,可以明顯地看出隨著輻照強(qiáng)度的增大,光伏電池的開路電壓、短路電流變大,伏安特性曲線逐步向外側(cè)偏移,引起輸出功率的增大。因此輻照強(qiáng)度是影響光伏電站輸出功率的最主要因素。太陽(yáng)輻射到達(dá)地球大氣外的輻射量用太陽(yáng)常數(shù)GSC,其定義是地球大氣層外位于日地平均距離處,垂直于光線的單位面積上所接受到的太陽(yáng)輻射量。而到達(dá)地面光伏電站上的太陽(yáng)輻照強(qiáng)度主要受到云量和太陽(yáng)位置的影響。(1)太陽(yáng)的剝削、下土及太陽(yáng)角太陽(yáng)相對(duì)地平面位置變化使得地面接收到的太陽(yáng)能量時(shí)刻在變。由于地球的自轉(zhuǎn)和公轉(zhuǎn),相對(duì)地平面來說,太陽(yáng)的位置時(shí)刻在變化。在赤道坐標(biāo)系中,太陽(yáng)位置由時(shí)角ω和赤緯角δ2個(gè)坐標(biāo)決定,見圖4。時(shí)角ω表征了地球自轉(zhuǎn)對(duì)太陽(yáng)角度的影響,以正午12:00為零,上午時(shí)角為負(fù),下午時(shí)角為正。赤緯角δ表征了地球公轉(zhuǎn)對(duì)太陽(yáng)角度的影響。1年中太陽(yáng)直射點(diǎn)在南北回歸線±23.45°之間移動(dòng),太陽(yáng)直射點(diǎn)的緯度,即太陽(yáng)中心和地心的連線與赤道平面的夾角稱為赤緯角,以δ表示。人在地球上觀看空中的太陽(yáng)相對(duì)地平面的位置時(shí),太陽(yáng)相對(duì)地球的位置是相對(duì)于地平面而言的,通常用高度角α和方位角γz2個(gè)坐標(biāo)決定,見圖5。天頂角θz就是太陽(yáng)光線OP與地平面法線QP之間的夾角,高度角α是太陽(yáng)光線OP與其在地平面上投影線Pg之間的夾角,高度角與天頂角為互余關(guān)系。方位角γz是太陽(yáng)光線在地平面上投影與地平面正南方向線的夾角。太陽(yáng)高度角是緯度、赤緯角和時(shí)角的函數(shù)sinα=cosθz=sinδsin?+cosδcosω(1)太陽(yáng)相對(duì)地平面位置的變化使得地面接收到的太陽(yáng)能量時(shí)刻在變,對(duì)于傾斜表面,太陽(yáng)入射線和傾斜面法線之間的夾角定義為入射角θi,由于太陽(yáng)位置的變化,太陽(yáng)入射角的大小也隨太陽(yáng)位置的變化而變化。總之,太陽(yáng)入射角由光伏電站所在位置,光伏電池的傾斜角,季節(jié),時(shí)間這些因素所決定的,因此,考慮太陽(yáng)入射角能夠準(zhǔn)確的表述這些因素對(duì)太陽(yáng)輻照強(qiáng)度的影響。(2)太陽(yáng)輻射和太陽(yáng)紫外輻射的對(duì)比云量為表征天空遮蔽程度的氣象因子,這里用ρ表示。ρ值越大,表示空氣的透明度越低,太陽(yáng)輻射被削弱的越多。在晴朗無(wú)云的天氣,云量很小,大氣透明度高,到達(dá)地面的太陽(yáng)輻射就多,光伏電站輸出功率大;天空中云霧或者風(fēng)沙、灰塵多時(shí),云量大,大氣透明度低,到達(dá)地面的太陽(yáng)輻射就少,光伏電站輸出功率小。對(duì)于水汽較少的干燥地區(qū),削弱太陽(yáng)直接輻射的主要因子是懸浮在大氣中的固體微粒;而對(duì)于濕潤(rùn)地區(qū),直接輻射的削弱主要與大氣中的水汽和氣溶膠中的液態(tài)微粒有關(guān)。2.2溫度對(duì)光伏電池功率的影響當(dāng)溫度變化時(shí),光伏電池的輸出功率將發(fā)生變化。對(duì)一般的晶體硅光伏電池來說,隨著溫度的升高,短路電流會(huì)略有上升,而開路電壓要下降,見圖6。總體而言,隨著溫度的升高,雖然工作電流有所增加,但工作電壓卻要下降,而且后者下降較多,因此總的輸出功率要下降。在規(guī)定的試驗(yàn)條件下,溫度每變化1℃,光伏電池輸出功率的變化值稱為功率溫度系數(shù),通常用γ表示。對(duì)于一般的晶體硅光伏電池,γ=-(0.35～0.5)%/℃。3線性映射優(yōu)化BP神經(jīng)網(wǎng)絡(luò)(BackPropagationNeuralNetwork)是指基于誤差反向傳播算法的多層前向神經(jīng)網(wǎng)絡(luò),采用有導(dǎo)師的訓(xùn)練方式。BP神經(jīng)網(wǎng)絡(luò)具有以下特點(diǎn):(1)能夠以任意精度逼近任何非線性映射,實(shí)現(xiàn)對(duì)復(fù)雜系統(tǒng)建模;(2)可以學(xué)習(xí)和自適應(yīng)未知信息,如果系統(tǒng)發(fā)生了變化可以通過修改網(wǎng)絡(luò)的聯(lián)接值而改變預(yù)測(cè)效果;(3)分布式信息存儲(chǔ)與處理結(jié)構(gòu),具有一定的容錯(cuò)性,因此構(gòu)造出來的系統(tǒng)具有較好的魯棒性;(4)多輸入、多輸出的模型結(jié)構(gòu),適合處理復(fù)雜問題。本文采用BP神經(jīng)網(wǎng)絡(luò)建立光伏發(fā)電功率預(yù)測(cè)模型。根據(jù)上節(jié)分析,太陽(yáng)入射角度,數(shù)值天氣預(yù)報(bào)中的地面輻照強(qiáng)度、云量和溫度是影響光伏電站出力的幾個(gè)關(guān)鍵因素。因此將這幾個(gè)變量作為模型的輸入變量,考慮光伏電站所在位置,光伏板的安裝角度,時(shí)間,季節(jié),輻照強(qiáng)度,溫度等多種因素的影響,將光伏電站的功率作為光伏電站的輸出變量。神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)見圖7。(1)最優(yōu)的歸一化歷史功率數(shù)據(jù)BP神經(jīng)網(wǎng)絡(luò)模型本質(zhì)上是統(tǒng)計(jì)數(shù)據(jù)進(jìn)行學(xué)習(xí),找出數(shù)據(jù)之間的規(guī)律進(jìn)而進(jìn)行預(yù)測(cè)。因此對(duì)訓(xùn)練樣本進(jìn)行適當(dāng)?shù)奶幚?剔除樣本數(shù)據(jù)中的奇異數(shù)據(jù),減少不同輸入量之間的數(shù)值范圍差異,能夠提高神經(jīng)網(wǎng)絡(luò)的泛化能力,并提高預(yù)測(cè)精度。1)對(duì)數(shù)值天氣預(yù)報(bào)的歷史記錄數(shù)據(jù)和光伏發(fā)電的歷史功率數(shù)據(jù)進(jìn)行篩選,消除其中的奇異數(shù)據(jù)。2)對(duì)輸入數(shù)據(jù)和目標(biāo)數(shù)據(jù)進(jìn)行歸一化處理P?n=Pn?PminPmax?PminΡn*=Ρn-ΡminΡmax-Ρmin(2)式中Pn——輸入數(shù)據(jù)或目標(biāo)數(shù)據(jù);Pmax——該樣本中的最大值;Pmin——該樣本中的最小值;P*n——?dú)w一化后的數(shù)據(jù)。(2)均方根誤差評(píng)估常見的神經(jīng)網(wǎng)絡(luò)模型的評(píng)估方法為平均絕對(duì)誤差,均方根誤差等,均方根誤差能夠?qū)Τ霈F(xiàn)較大誤差的情況進(jìn)行放大,采用均方根誤差作為模型評(píng)估方法能夠保證模型預(yù)測(cè)誤差的平穩(wěn)性。本文采用均方根誤差RMSE=1P∑i=1N(Pip?Pia)N????????ue001?ue000RΜSE=1Ρ∑i=1Ν(Ρpi-Ρia)Ν(3)式中Pippi——預(yù)測(cè)值;Piaai——實(shí)際值;N——測(cè)試樣本數(shù);P——裝機(jī)容量。4預(yù)測(cè)結(jié)果分析崇明前衛(wèi)村光伏電站位于沿海濕潤(rùn)地區(qū),總裝機(jī)容量為1.08MW。在2008年全年的歷史功率數(shù)據(jù)和歷史數(shù)值天氣預(yù)報(bào)數(shù)據(jù)中,去掉光伏電站出力為零的晚間時(shí)段,以天為單位,隨機(jī)選取70%的歷史數(shù)據(jù)作為訓(xùn)練數(shù)據(jù),剩余30%的歷史數(shù)據(jù)作為測(cè)試數(shù)據(jù)建立光伏發(fā)電功率預(yù)測(cè)模型。圖8給出了測(cè)試數(shù)據(jù)預(yù)測(cè)結(jié)構(gòu)的部分預(yù)測(cè)值和實(shí)際值的比較(不包含夜間輻照強(qiáng)度為零,光伏電站出力為零的時(shí)段)。由圖8可以看出,無(wú)論晴天還是陰天,預(yù)測(cè)模型均可以根據(jù)氣象因素的變化追蹤到光伏電站輸出功率的趨勢(shì),得到較好的預(yù)測(cè)結(jié)果。同時(shí),也可以看出,以數(shù)值天氣預(yù)報(bào)作為輸入氣象數(shù)據(jù)的短期光伏發(fā)電功率預(yù)測(cè)只能跟蹤光伏電站數(shù)據(jù)功率的趨勢(shì),捕捉不到短時(shí)的云層變化信息,因此不能跟蹤光伏電站輸出功率的短時(shí)波動(dòng)。表1給出了2008年30%隨機(jī)測(cè)試樣本的總體結(jié)果統(tǒng)計(jì)。其中,均方根誤差和平均絕對(duì)誤差采用相對(duì)于光伏電站總裝機(jī)容量的百分?jǐn)?shù)形式表示。該結(jié)果不包括對(duì)夜間光伏電站出力為零的時(shí)段的統(tǒng)計(jì)。由表1可知,預(yù)測(cè)結(jié)果的均方根誤差和平均絕對(duì)誤差分別是總裝機(jī)容量的11.55%和8.19%,整體效果較好,而預(yù)測(cè)誤差<20%光伏電站裝機(jī)容量的概率達(dá)到95.31%,可見預(yù)測(cè)方法對(duì)各個(gè)預(yù)測(cè)點(diǎn)