基于相似時段的分時段光伏出力短期預測

李建文，焦 衡，劉鳳梧，王雪瑩

(華北電力大學 新能源電力系統國家重點實驗室，河北 保定 071003)

0 引言

近年來，隨著能源危機和環境污染的加劇，可再生能源的使用得到了更多的重視，光伏發電已經成為繼風力發電之后可再生能源發電的新增長點，據統計，2000—2008年全球光伏發電并網容量年增長率達到35.6 %[1]。2010年我國光伏發電量約為10 GW，2011年我國成為世界第四大光伏市場，在緩解能源危機和降低環境污染的同時，光伏并網發電系統出力的不穩定性會造成電網電壓波動或電網電壓越限等不利影響[2]。因此，光伏出力的精確預測對維護電網電壓穩定性具有很重要的意義[3]。

每年各國學者都會提出光伏預測新技術和方法以減少預測中的不確定性[4]。光伏電站很大程度上受到氣象因素的影響，且不同時間氣象因素相近時光伏出力具有相似性，文獻[5-7]提出了通過氣象條件預測相似時段或相似日作為模型訓練樣本的方法，對光伏出力進行直接預測，相較于普通訓練樣本訓練出的模型，其精確度較高，但要求大量完整歷史氣象數據。對于新建電站歷史數據缺少的情況，文獻[8]提出利用相似電站修補風電場歷史出力數據的方法。文獻[9]提出了一種適用于小樣本的利用改進雙層神經網絡進行單步光伏短期預測的方法。神經網絡由于其較強的非線性學習能力被廣泛應用于光伏功率預測，文獻[10-13]利用歷史數據建立神經網絡模型對光伏出力進行預測，其中文獻[13]提出了天氣類型指數的概念，將光伏出力的倍率關系映射為表征天氣狀況對光伏出力影響的天氣類型指數，僅利用歷史出力數據建立神經網絡模型，對歷史數據要求降低。……