一種實用的超短期光伏發電預測方法

孫 銳 湯義勤 馬紅偉 毛建容

（1.許繼集團有限公司，北京 100085；2.臺州電業局，浙江 臨海 317000）

光伏發電作為清潔能源，既能滿足經濟社會發展帶來的對能源的需求，又能減少化石燃料的污染，因此得到日益廣泛的應用。但是光伏發電受外部天氣等因素影響較大，發電功率存在很大的不確定性，波動性較大[1-2]。對光伏發電系統發電量進行預測，有助于含光伏發電的電力系統的安全、經濟運行，并且光伏出力的預測結果可輔助電網的各種運行控制決策，提高含光伏發電電網的穩定性[3-5]。

光伏發電功率與很多因素有關，包括光伏電池的型號、陣列的面積、表面污染程度、季節變化、氣象因素、太陽輻射等，這些因素與發電功率之間為復雜的非線形關系，且相互之前存在多種耦合，確定模型非常困難[6-7]。目前對于光伏發電超短期預測的研究很多，主要集中在非線性算法方面，包括神經網絡法[8]、最小二乘相量機法[9]和智能法等。考慮到在線計算的速度、效率，以及光伏電站建成后，其內部特性基本穩定，發電功率只與太陽輻射強度、溫度等氣象因素有關[10]，因此本文提出一種通過氣象因素找到歷史相似日，然后根據相似日的歷史數據取得光伏發電功率的典型變化趨勢，從而求取預測功率的方法。

1 超短期功率預測算法

在當前時刻功率值已知的情況下，求預測時刻功率的變化，就得到預測結果。

式中，P(t+i)為ti+時刻的發電功率預測值；P(t+i)為t時刻的實際發電功率值；ΔP(t+i)為t+i+時刻相對t時刻的預測功率變化值；P′(t+i)為t時刻到t+i+時刻的變化率

由于P(t+i)已知，預測關鍵是獲得P′(t+i)。由相似日的樣本數據，得到相似日P′typ(t+i)，從而求得預測功率。因此求取相似日，并由相似日得到典型變化趨勢P′typ(t+i)是關鍵。

2 相似日模型

得到典型變化趨勢首先要選定相似日。相似日采用相關度的大小進行選取[11]。由氣象部門或者專業的機構獲取數值天氣預報，提供的天氣預測信息，基本包括天氣類型、輻射強度、溫度、濕度等。因此可先根據天氣類型篩選出一部分歷史日，結合就地氣象系統的采集數據，可以獲得歷史日準確的天氣信息樣本。天氣類型分為晴天、雨天、陰天[12]。先選取出與預測日相同天氣類型的歷史日，然后通過計算相關度來確定相似日。

用x0(1)、x0(2)兩個向量分別表示待預測日的輻射強度和溫度。歷史數據中某一天的兩個影響因素構成的向量為xj=[xj(1),xj(2)]。則x0與xj的溫度因素關聯系數為

式中，ρ是分辨系數，一般取值 0.5。定義x0與xj的相似度為

從臨近的歷史日開始，逐一計算與待預測日的相似度，并比較，相似度jδ最大的歷史日作為待預測日的相似日。根據區域間光伏發電特性不同，權重系數的設置不同，算法中的權重系數需要大量的實測數據，通過誤差分析反復調整得到相對穩定的值。

選擇相關度最大的前k個數據記錄作為相似日來計算典型的曲線變化趨勢，即

3 數據預處理

歷史樣本數據的預處理包括兩個部分，一部分是壞數據的處理，包括奇異數據、毛刺等，這些壞數據如果參加計算必然會影響預測結果的準確性；另一部分是因為系統的計劃、臨時的策略引起的數據“不一致性”，比如光伏電站的臨時限電措施、定時的檢修計劃等。辨識和修正這些數據才能確保預測的準確性。

3.1 歷史壞數據的判別及處理

對樣本數據進行處理，去除奇異的數據。

對于每個相似日的發電功率，根據預測間隔設置I個采樣點，設第n個相似日樣本第i點數據P(i,n)，其中，i=1，2，…，I；n=1，2，…，M。

首先用中位數法獲得M個樣本典型發電功率數據Ptyp(i)，i=1，2，…，I。即將P(i,n)對每點M個相似日樣本排序得到Psort(i,M)，則

樣本壞數據計算方法有：

即功率變化過大則判定為奇異數據，其中δ為功率變化的上限。

針對判定出來的壞數據，進行數據恢復：

3.2 限電及檢修計劃

選取歷史日的樣本數據時，首先要讀取限電及檢修計劃，判斷歷史日是否參與了限電或者檢修計劃。如果某歷史日采取了限電措施，則該日不能作為相似日的歷史樣本。如果某歷史日電站的部分陣列進行檢修，應當將歷史數據按照檢修容量比例擴大，計算出額定容量下的發電功率，公式為

式中，Pfac為樣本的實際發電功率，Ctotal為系統的額定容量，Cfact為歷史日實際投入的發電容量，考慮到樣本當日實際的光伏發電投入容量，得到單位容量的發電功率。通過計算得到額定容量下的發電功率。

4 案例分析

將本文算法選用河南省某微電網示范工程的光伏系統中進行驗證。該案例為380kW光伏系統，在實際應用中以 15min作為超短期預測計算的步長，預測2011年8月9日的光伏發電超短時出力。

如圖1所示，超短時發電預測流程主體包括三大部分：相似日選取、發電功率預測、誤差分析。啟動后，首先判斷是否滿足相似日計算的條件，將預測日前的15天作為樣本選擇的范圍，在此范圍內選擇與預測日相同天氣模型的歷史日作為相似日樣本，進行加權距離的計算。將計算結果進行排序，選擇加權距離最小的 3個歷史日作為超短時相似日樣本，獲取樣本的發電功率數據，先進行數據預處理，然后根據算法得到典型變化趨勢P′typ(t+i)。

圖1 超短期預測流程圖

以15min為間隔進行發電功率預測，由當前時刻的發電功率，以及典型變化趨勢P′typ(t+i)，按照超短時算法，得到預測功率P。

圖2 預測結果及實際值

對于預測的結果進行誤差分析，判斷誤差是否在允許的范圍內，如果誤差超出允許范圍的連續次數超過配置要求，則重新選擇天氣模型進行相似日計算。因為天氣模型是由該日從氣象中心獲得的預報天氣確定，可能不準確，或者天氣發生劇烈變化。因此當預測誤差偏大時，則調整天氣模型，選擇與預報天氣最相近的天氣模型進行預測，調整天氣模型的順序：晴、多云、陰、雨。另外當天氣發生突然變化時，進行天氣模型的轉換也能夠提高預測的準確度。

本文采用絕對百分比誤差（APE）和平均絕對百分比誤差（MAPE）對預測值進行比較分析，則

由圖2可看出光伏有效出力的時間段為06：00－18：00，其余時間出力均為 0。因此僅針對該時間段內的數據進行誤差分析。

表1是每15min的預測結果。其中，預測值平均絕對誤差為11%。

圖2與圖3給出了實際值與算法預測值，及誤差分析。分析以上結果可知：

1）從平均絕對誤差值看，具有較高的預測精度；

2）08：00－14：00的預測精度較高，但06：00－07：00和15：00－16：00兩個時間段的預測誤差比較大。從實際結果分析可以推斷出，由于云量等偶然因素造成的短暫的天氣波動，使當前發電功率與典型變化趨勢不一致時，使預測功率“隨波逐流”，上下波動，誤差偏大的情況。但平均絕對誤差在20%以下，還是具有一定的推廣和應用價值。

表1 預測結果

圖3 誤差曲線

5 結論

本文提出了一種實用的基于相似日典型趨勢方法進行超短期光伏發電預測，通過對實際發電數據進行預測表明，該算法簡單、可靠、實用，運算速度快，精度高。但是對于數值天氣預測的精度要求較高。在天氣劇烈變化期間，天氣預測精度會有所下降，相應的功率預測的精度也隨之降低。但是隨著數值氣象預報系統的發展，光伏電站就地氣象系統能夠采集到云層的厚度，并且通過對采集的數據進行分析，能夠就地對天氣變化進行預測，必然能夠大大提高在天氣劇烈變化期間算法的精確程度。

[1] 金煥,于化叢,葛亮.太陽能光伏發電應用技術[M].北京電子工業出版社,2009:13-14.

[2] KIM I S,KIM M B,YOUN M J.New maximum power point tracker using sliding mode observer for estimation of solar array current in the grid-connected photovoltaic system[J].IEEE Transaction Industrial Electronics,2006,53(4) : 1027-1035.

[3] 李冬輝,王鶴雄,朱曉丹,等.光伏并網發電系統幾個關鍵問題的研究[J].電力系統保護與控制,2010,38(21):208-214.

[4] 周念成,閆立偉,王強鋼.光伏發電在微電網中接入及動態特性研究[J].電力系統保護與控制,2010,38(14):120-127..

[5] TSIKALAKIS A G,HATZIARGYRIOU N D.Centralized control for optimizing microgrids operation[J].IEEE Transactions on Energy Conversion,2008,23(1):241-248.

[6] 徐維.并網光伏發電系統數學模型研究與分析[J].電力系統保護與控制,2010,38(10):17-21.

[7] 李光明,廖華,李景天,等.并網光伏發電系統發電量預測方法的探討[J].云南師范大學學報,2011,31(2):33-38.

[8] 陳昌松,段善旭,殷進軍.基于神經網絡的光伏陣列發電預測模型的設計[J].電工技術學報,2009,24(9):153-158.

[9] 朱永強,田軍.最小二乘支持向量機在光伏功率預測中的應用[J].電網技術,2011,35(7):54-59.

[10] 楊楊超,榑沼弘貴.光伏發電系統發電量的預測方法[J].智能建筑電氣技術,2011,5(2):30-34.

[11] 黎燦兵,李曉輝,趙瑞,等.電力短期負荷預測相似日選取算法[J].電力系統自動化,2008,32(9):69-71.

[12] 李軍,許繼生,王生淵,等.一種并網型光伏電站光功率及發電量預測的方法[J].青海電力,2010,29(2).