基于天气预报的光伏发电预测研究.docVIP

基于天气预报的光伏发电预测研究 　　摘 要 太阳能光伏发电预测对于光伏发电并网系统的调度有着重要的意义。现有光伏发电预测模型大多建立在具有太阳辐照度预报的基础之上，而当前天气预报并未给出太阳辐照度的预测数据，所以此类预测模型难以应用。文章利用光伏发电系统历史发电数据、太阳辐照度数据和气象数据建立了多元多项式回归模型，对相同天气类型下的辐照度进行算术平均并代入多元多项式回归模型，从而得到各天气类型下的只以温度为输入变量的预测模型。从而我们可以根据天气预报来预测未来1-7日内各天的光伏发电系统出力。通过平均绝对百分比误差对模型进行评估，发现模型的精度较高，表明了该预测模型具有一定的可靠性。 　　关键词 光伏发电预测；太阳辐照度；天气预报；多项式回归 　　中图分类号：TM615 文献标识码：A 文章编号：1671-7597（2014）15-0043-02 　　太阳能光伏发电系统的输出功率取决于太阳辐照强度、温度、风速、云量等因素，其输出功率的变化具有不连续性和不确定性的特点[1]。因此，大规模集中并网光伏发电系统容量的增加会对电网的稳定运行产生影响。因此，光伏发电量预报技术对于电力负荷配合、电网的稳定运行具有重要的意义。 　　本文是通过天气预报给出的气象数据，来对本文对上海浦东新区某套光伏系统的输出功率预测进行研究。 　　1 光伏发电系统出力的预测方法 　　目前，光伏发电系统出力的预测方法主要有两种：物理方法和统计方法[2]。 　　物理方法是利用太阳能电池光伏发电的原理，通过光电转换效率的定义来建立起影响光电转换效率的经验公式和经验系数，输入太阳能总辐射预报值，进行光伏发电量预报[3]。 　　统计方法利用建立光伏发电系统出力与气象要素相关性的统计模型后，输入天气预报和太阳总辐射预报值，进行发电量预测[4]。常见的统计方法包括多元多项式回归模型、神经网 　　络[4]等。 　　表1给出了利用物理方法和统计方法预测光伏发电功率时所需要的数据[3]。 　　表1 光伏发电预测方法所需数据 　　物理方法 统计方法 　　电池板面积 历史发电量数据 　　太阳能电池材料 历史太阳辐照度数据 　　标称效率 历史气象数据 　　温度系数 气象预报数据 　　太阳辐照度预报值 太阳辐照度预报值 　　因为本文是通过历史数据及天气预报来对光伏系统出力进行预测，所以我们选取统计方法来建立预测模型。 　　2 太阳能光伏发电系统预测模型的设计 　　通过天气预报无法获得统计方法所需要的太阳辐照度预报值，所以本文先利用光伏发电系统历史发电数据、太阳辐照度数据和气象数据建立了多元多项式回归模型，然后在此基础上建立了晴天、多云、阴天和雨天这四种天气类型下的只以气温为输入变量的预测模型。图1给出了光伏发电系统发电预测框架图。 　　图1 光伏发电系统出力预测框架图 　　本文利用的数据包括上海浦东气象局提供的气象资料（气温及天气类型），以及光伏电站提供的相关运行数据。对于气象资料中的阵雨转多云、多云转雷阵雨等一天内天气类型多变的情况，我们认为白天为多云的即为多云、白天为阵雨的即为雨天。观察历史发电数据可知，光伏发电系统输出功率集中在5：00-18：00内。因此，我们认为有效发电时间为13h。对5：00-18：00内每5分钟一个采样点的历史发电数据及辐照度数据进行算术平均，计算结果如表2所示。表3给出了其中三天的计算结果。 　　表3 三天的历史发电计算数据及气象数据 　　日期 平均有效 　　功率/kW 平均有效太阳 　　辐照度W/m2 气象数据 　　气温/℃ 天气类型 　　6月8日 12.593 245.425 24.0 阴天 　　6月10日 10.082 198.652 25.1 雨天 　　6月28日 15.110 310.701 28.8 多云 　　通过历史数据建立多元多项式回归模型，光伏发电系统输出功率是温度和太阳辐照度的函数，表示为： 　　在现有的20组数据中，选取6月7日、17日、24日和27日用于误差的评估。利用MATLAB对其余的16组数据进行拟合，拟合结果为： 　　a=-1.10730；b=-0.00073；c=0.07630；d=-0.00001 　　太阳辐照度的变化具有动态性、多扰量性等特点，其中云量、大气状况、天气状况等因素的影响至关重要[5]。由于天气预报并未提供统计方法所需要的太阳辐照度预报值，但在同一天气类型下，我们可以认为每天的有效太阳辐照度平均值近似相等。所以本文对历史数据按天气类型分类，求出各天的有效太阳辐照度平均值Hi，再在同天气类型下求出，将该值视为该天气类型下的各天有效太阳辐照度平均值。表4给出了各天气类型对应的有效太阳辐照度平均值。 　　表4 各天气类型对应的有效太