2024太陽能光伏發(fā)電量預(yù)測(cè)方法綜述

太陽能光伏發(fā)電量預(yù)測(cè)方法綜述引言太陽能預(yù)測(cè)研究的意義進(jìn)入21世紀(jì)以來，世界各國經(jīng)濟(jì)、科技、社會(huì)發(fā)展迅速，發(fā)展帶來的能源問題也隨之而來。2018年中旬發(fā)布的《BP世界能源統(tǒng)計(jì)年鑒》[1]2.2%，相比于11.7%20132017年底，16,9705億桶(0.03%)2017年產(chǎn)量水平可滿足52.6134太陽能相對(duì)于人類來說是最直接的、最方便的清潔能源，光伏發(fā)電(Photovoltaicpowergeneration)是目前太陽能利用的一種主要形式[2]。光伏發(fā)電分為離網(wǎng)和并網(wǎng)兩種形式，隨著光伏并網(wǎng)技術(shù)的成熟，并網(wǎng)形式已成為主流趨勢(shì)。太陽能光伏發(fā)電系統(tǒng)的發(fā)電量會(huì)受到光照強(qiáng)度、季節(jié)類型、天氣類型、溫度、濕度等影響，因此采集到的太陽能數(shù)據(jù)會(huì)具有很大的隨機(jī)性。為確保用電安全、能源調(diào)度合理性及能源利用率，對(duì)太陽能光伏發(fā)電量進(jìn)行相關(guān)預(yù)測(cè)具有重要意義。太陽能預(yù)測(cè)研究概述2080年代開始，由于世界能源消耗加速，德國、西班牙、美國和日本等國率先進(jìn)入了太陽能光伏發(fā)電領(lǐng)域。為了保障本國電網(wǎng)運(yùn)行的穩(wěn)定性、可靠性，他們均開展了太陽能光伏發(fā)電量預(yù)測(cè)理論和應(yīng)用技術(shù)研究，并取得了較為豐碩的研究成果[3]。根據(jù)預(yù)測(cè)時(shí)間的不同，光伏發(fā)電系統(tǒng)的預(yù)測(cè)可以分為長期、中期和短期預(yù)測(cè)。中長期預(yù)測(cè)時(shí)長為30365天，短期預(yù)測(cè)時(shí)長為幾分鐘到幾天[4]。光伏發(fā)電功率短期預(yù)測(cè)效果將直接影響電力系統(tǒng)的用電安排和調(diào)度，因此，光伏發(fā)電功率的短期預(yù)測(cè)得到了國內(nèi)外相關(guān)研究者重點(diǎn)關(guān)注[5]。光伏發(fā)電系統(tǒng)短期預(yù)測(cè)的預(yù)測(cè)方法又可分為間接法和直接法[3]：間接法，先預(yù)測(cè)太陽的輻射強(qiáng)度，再依據(jù)光電轉(zhuǎn)換效率計(jì)算預(yù)測(cè)短期預(yù)測(cè)的輸出功率。直接預(yù)測(cè)法，根據(jù)數(shù)學(xué)統(tǒng)計(jì)預(yù)測(cè)方法，將氣象數(shù)據(jù)和光伏發(fā)電站歷史發(fā)電功率數(shù)據(jù)輸入到建立好的預(yù)測(cè)模型中，由模型的輸出得到短期預(yù)測(cè)的輸出功率。間接法模型不需要大量的數(shù)據(jù)支撐[6]，但其建模過程十分復(fù)雜、運(yùn)算量大、預(yù)測(cè)精度不高。直接法預(yù)測(cè)精度高，建模過程簡(jiǎn)單、計(jì)算量比較小，但需要利用大量的歷史數(shù)據(jù)。直接法在光伏發(fā)電功率短期預(yù)測(cè)中得到廣泛的應(yīng)用。光伏發(fā)電功率預(yù)測(cè)的物理方法電子元件模型預(yù)測(cè)法80列法問世的同一時(shí)期，美國學(xué)者最先提出了基于光伏半導(dǎo)體設(shè)備進(jìn)行光伏發(fā)電預(yù)測(cè)的原理，它以溫度、太陽輻射和太陽輻射分布為預(yù)測(cè)模型的輸入[7]；二極管是物理學(xué)中常用的一種元器件，諾貝爾獎(jiǎng)獲得者Green由此獲得啟發(fā)提出了二極管模型(DiodeModel)[8]；該預(yù)測(cè)方法只是對(duì)于光學(xué)器件的初步嘗Araujo-Green[9]預(yù)測(cè)方法。簡(jiǎn)單物理模型預(yù)測(cè)法90Oldenburg大學(xué)是這個(gè)研究的先驅(qū)者，衛(wèi)星探測(cè)數(shù)據(jù)、氣象觀測(cè)數(shù)據(jù)和電力參數(shù)首次被專輯的學(xué)者全部應(yīng)用在光伏發(fā)電功率的預(yù)測(cè)過程中[11]版)”，已被國內(nèi)多家光伏電站使用[12]5.0%~20.0%，所以簡(jiǎn)單物理模型方法在國內(nèi)外中小型并網(wǎng)光伏發(fā)電站中得到廣泛應(yīng)用。復(fù)雜物理模型預(yù)測(cè)法太陽能發(fā)電并入電網(wǎng)也伴隨著巨大的風(fēng)險(xiǎn)，因此為了降低電網(wǎng)運(yùn)行中存在的風(fēng)險(xiǎn)，就要求低于發(fā)電量預(yù)5.0%復(fù)雜物理模型類預(yù)測(cè)方法結(jié)合了光伏發(fā)電原理和數(shù)值天氣預(yù)測(cè)模式，同時(shí)又考慮了多種天氣因素，包含了較為復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，可以預(yù)想，復(fù)雜物理模型預(yù)測(cè)方法是未來大型并網(wǎng)光伏發(fā)電站主要應(yīng)用的預(yù)測(cè)方法。光伏發(fā)電功率預(yù)測(cè)的統(tǒng)計(jì)方法時(shí)間序列法時(shí)間序列法是國內(nèi)外專家學(xué)者最開始進(jìn)行光伏發(fā)電功率的出發(fā)點(diǎn)，國外的相關(guān)研究起步時(shí)間要略早80Sidrach-de-Cardona[3]，他提出將多元線性回歸模型光伏發(fā)電量的預(yù)測(cè)相結(jié)合，這一結(jié)合是光伏發(fā)電領(lǐng)域中的一次重要嘗試；隨后日本在此和項(xiàng)研究上進(jìn)一步改進(jìn)，他們建立了一種多元回歸預(yù)報(bào)方程Chowdhury是最早將兩種自回歸滑動(dòng)模型(ARMAARIMA)應(yīng)用于的光伏發(fā)電量預(yù)測(cè)的科研人員[16]。隨后一所大學(xué)的教授改進(jìn)ARMA25%以ARIMA模型進(jìn)行了改進(jìn)，進(jìn)行了小型光伏發(fā)電系統(tǒng)進(jìn)行了預(yù)測(cè)實(shí)驗(yàn)[17]在光伏電站發(fā)電量預(yù)測(cè)技術(shù)發(fā)展的早期，時(shí)間序列法是研究的重點(diǎn)，模型預(yù)測(cè)誤差一般在9.0%~45.0%之間。但由于時(shí)間序列法在實(shí)際應(yīng)用中預(yù)測(cè)能力較差，沒有得到廣泛的應(yīng)用。時(shí)間趨勢(shì)外推法90Safie就提出了將馬爾可夫鏈應(yīng)用在光伏發(fā)電系統(tǒng)的思想[20]；而隨著馬爾科夫鏈在光伏發(fā)Muselli9.0%~56.0%點(diǎn)預(yù)測(cè)法SVMSVMBracale教授等在光伏發(fā)電功率的預(yù)測(cè)過程中應(yīng)用了貝葉斯統(tǒng)計(jì)理論[25]SVM支持向量機(jī)法應(yīng)用于光伏發(fā)電預(yù)測(cè)系統(tǒng)，8.0%~13.0%概率預(yù)測(cè)法近十年，由于新型統(tǒng)計(jì)預(yù)測(cè)理論的不斷發(fā)展，研究者們?cè)诠夥l(fā)電站發(fā)電量的預(yù)測(cè)中增加了支持向量機(jī)分?jǐn)?shù)位回歸(QSVM)智能預(yù)測(cè)法90ARTMAP神經(jīng)網(wǎng)絡(luò)應(yīng)用于光伏系統(tǒng)發(fā)電量預(yù)測(cè)Mellit自適應(yīng)小波網(wǎng)絡(luò)[30]方法應(yīng)用于光伏3.9%~6.6%之間。近些年來，又有國內(nèi)外研究學(xué)者提出了一些神經(jīng)網(wǎng)絡(luò)與其他技術(shù)結(jié)合的預(yù)測(cè)方法，并取得了一定成[31](LeastMeanSquare,LMS)[26]BP高有很明顯的作用。文獻(xiàn)[32]Elman神經(jīng)網(wǎng)絡(luò)與果蠅優(yōu)化算法(FOA)FOA的[33]將自組織特征映射模型與小波神經(jīng)網(wǎng)絡(luò)相結(jié)合，對(duì)不同天氣進(jìn)行聚類和建模，該預(yù)測(cè)方法顯著提高了預(yù)測(cè)精度，但是容易陷入局部最小問題。而國內(nèi)華中科技大學(xué)開展了采用RBFNN方法預(yù)測(cè)本校18kW光伏系統(tǒng)逐小時(shí)發(fā)電量的技術(shù)試驗(yàn)，并在此基礎(chǔ)上將其建立成模型[34]。3.0%~11.0%結(jié)論本文主要對(duì)當(dāng)前國內(nèi)外的太陽能