太阳能光伏发电量预报方法的研究与发展.docVIP

太阳能光伏发电量预报方法的研究与发展 　　【摘 要】随着新能源的开发与利用被国家提升至战略高度，太阳能光伏发电迎来新的历史发展机遇。根据太阳能光伏发电量预报方法研究现状，着重分析太阳能光伏发电量的预报方法，并对几种预报方法进行简单介绍，然后对其进行发展前景进行分析，进而提出几点思考。 　　【关键词】太阳能；光伏发电量；预报方法；原理；思考 　　随着太阳能光伏发电量的持续增加，关于太阳能光伏发电量的预报方法的研究成为科研人员的研究热点。作为太阳能光伏发电系统的重要组成部分，太阳能光伏发电量的预报方法对于保持发电量的稳定具有重要作用。因此，开展太阳能光伏发电量的预报方法的研究就具有重要的现实意义。 　　1 太阳能光伏发电量预报方法的简单介绍 　　太阳能光伏发电量的预报方法在国内外都有很多种，本文着重分析其中的两种，分别是原理预报法以及动力-统计预报法。 　　1.1 原理预报法 　　原理预报法，简单来讲就是通过对太阳能电池光伏发电的物理原理进行研究，并且依靠光电的转换定理，从而建立起有关光电转换效率的基本公式以及科学的经验系数，然后在公式中录入太阳能总辐射的预报值，从而对光伏发电量进行科学合理的预报[1]。 　　根据相关资料，关于光伏组件输出功率的表达方式以及光伏发电量的计算公式分别为： 　　Pd（t）=ηAG （1） 　　E=∫P（t）dt （2） 　　通过以上两个公式的基本转换，将太阳能总辐射预报值输入进去，从而获得光伏的发电量的预报值。需要注意的是，光电效率模型以及太阳总辐射预报的准确性以及科学性在一定程度上决定了预报的精准度。下面就光电效率模型以及太阳总辐射预报进行详细分析。 　　1.1.1 关于光电效率模型的分析 　　通过研究人员的研究发现，入射光谱辐射度以及电池的温度将会对太阳能的电池输出压力以及电流的大小之间产生作用，然后就会对光电转换效率带来很大的影响。作为常用的光电转换效率模型，常系数效率模型是相对简单的，因此，它可以不用通过其他辅助条件而直接对标称效率η进行使用。需要注意的是，不同材质的太阳能电池，其所具有的标称效率是不尽相同的。另外，单一负温度系数在日间的板温通常都会相对于气温要高出一部分，因此这个时候的光电转换效率会所下降。 　　1.1.2 太阳总辐射预报的分析 　　目前太阳总辐射预报的方式可以根据预报时间分为两种，一种是超短时，另一种是短时临近。短期预报可以采取诸多统计方法，其中包括回归分析方法以及神经网络方法[2]。另外，数值预报的模式也得到了广泛的应用。同时也可以结合临近订正预报等方法，降低因为天气预报失误对发电量预报所产生的影响，使发电量预报的准确性更高。 　　1.2 动力-统计预报方法的分析 　　在动力-统计预报方法中，此模型的建立对于光电转换的基本物理意义是不用进行考虑的。因此，通过统计学方法，对历史上的观测数据进行分析与处理，就可以得到相关数据。利用历史发电量去预报机组未来的发电量，虽然简单，但是只能适用于机组发电量变化起伏较小的平稳时间序列。另外，也可以利用回归分析方法等对其进行分析。在对多种气象条件进行分析之后，确定能够影响光伏发电的个别因素，进行进行分析处理，然后建立两者的相关统计模型，将太阳能总辐射的预报值进行输入，进而对发电量进行精确预测。此种方法具有极高的精准度，但是计算过程较为复杂。 　　1.2.1 统计模型分析 　　动力-统计预报法中通过对历史的发电量进行分析，从而得出未来的发电量，从整体上来说，这种方法并不实用，在实际使用中误差也是比较大的。因此，一般都会采用回归线方程以及非线性方法进行发电量的预报。其中的特点就在于气象因素与光伏发电量之间的关系进行模型的建立，从而进行数据化分析，得出相应的数据。 　　（1）关于多元多项式的回归模型分析 　　综合考虑多种环境因素的影响，比如环境的气温以及风速，最重要的一点在于太阳的总辐射量。另外，回归模型通过大量的数据处理，能够获得比较准确的数据。 　　本文对通用的回归方程进行简单介绍： 　　F=G（a+bG+cTa+dv） （3） 　　其中，Ta、v分别表示为气温以及风速，回归系数分别为a、b、c、d。 　　（2）神经网络分析模型 　　神经网络分析模型相对于传统方式预报要具有很大的优势，但是也有其短板。其中发电量预报的准确性对太阳总辐射精确度具有较高的依赖性。此模型可以利用光伏发电历史发电量序列之间的相关性进行分析，但是如果没有详实的气象资料，只对日间的最高气温进行预测，那么预报量的结果的精确性就会受到特殊气象因素的影响。另外，神经网络算法工作效率是比较低的，并且收敛速度也比较慢。 　　目前，大多数预报方法或多或少都会存在一定的局限性，在研究过程中，应该进行多种方法的融合。另外，还