基于数据驱动的太阳辐射估计和预测研究与展望.pdfVIP

第45 卷 第11 期 2021 年6 月10 日 Vol.45No.11 Jun.10,2021 DOI：10.7500/AEPS20200709004 基于数据驱动的太阳辐射估计和预测研究与展望 臧海祥，程礼临，刘 玲，卫志农，孙国强 （河海大学能源与电气学院，江苏省南京市 211100） 摘要：准确可靠的太阳辐射估计和预测信息对指导光伏电站规划、光伏发电功率预测等具有重要 意义。数据驱动方法能够有效学习长期历史辐射数据特性且不涉及辐射机理的复杂公式分析，是 当前太阳辐射估计和预测的主流方法之一。针对基于数据驱动的太阳辐射估计和预测研究，从其 原理和关键技术方面进行比较论述，具体包括估计和预测模型的输入、主流数据驱动模型以及模型 的精度提升方法，并针对当前太阳辐射估计和预测方法的研究现状及不足进行总结与展望，以更好 地配合光伏发电技术领域内的研究和应用。 关键词：太阳辐射；估计预测；光伏发电；数据驱动；机器学习 ［9-10］ 0 引言 立模型 ，适用于中长期辐射估计。太阳辐射预 测研究则主要是为了配合光伏并网系统调度，基于 可再生能源发电是当前全球经济持续发展的关 常规气象预报或时间序列分析等方法分析太阳辐射 键技术之一，其有助于缓解能源紧缺和环境污染等 ［11］ 的时间变化趋势，预测出未来时刻的辐射值 。 诸多问题。其中，受益于太阳能的广泛分布特性，光 太阳辐射估计和预测研究的关键点在于选取适 伏发电在可再生能源装机容量中占据着重要地位， ［1-3］ 当的建模方法。数据驱动建模方法实现原理简单、 光伏并网渗透率不断提高 。根据国际能源署 无须考虑太阳辐射的复杂机理，且能够合理、有效地 （IEA）的最新报告，2019年全球光伏总装机容量约 利用长期历史数据样本，其计算结果具有较好的泛 为720 TW·h，同比增长22%，并预计于2025年底 化性，是当前太阳辐射估计和预测领域中最常用的 达到1940TW·h，具有巨大的发展潜力。 ［12］ 方法之一 。 光伏发电依赖于光电转换元件，将太阳辐射能 基于数据驱动方法，本文针对太阳辐射估计和 转变为电能：一方面，太阳辐射易受环境影响（云量 预测中的下列问题进行研究综述。 遮挡、粉尘雾霾干扰等），呈现出极强的波动性和随 1）太阳辐射类型分为总辐射、散射和直射，建模 机性，进而造成光伏功率出力扰动，影响电力系统安 研究分为估计和预测。而由于其影响因素复杂多 全稳定运行；另一方面，对太阳辐射资源进行合理评 样，选取和构建合适的模型输入是估计和预测建模 估，能够同时有效指导光