光伏電站功率預(yù)測(cè)影響因素分析及準(zhǔn)確率提升方法研究

胡雪凱，時(shí) 珉，胡文平，尹 瑞，張 乾，常 杰

(1.國(guó)網(wǎng)河北省電力有限公司電力科學(xué)研究院，石家莊 050021;2.國(guó)網(wǎng)河北省電力有限公司，石家莊 050021;3.國(guó)網(wǎng)河北省電力有限公司檢修分公司，石家莊 050070)

0 引言

隨著光伏發(fā)電技術(shù)的不斷發(fā)展，在電力需求中所占比例也越來(lái)越大，致使光伏發(fā)電對(duì)電網(wǎng)的影響越來(lái)越明顯。光伏發(fā)電本身所特有的間歇性和不確定性，增加了電網(wǎng)計(jì)劃和調(diào)度的難度[1-2]。為了解決其發(fā)電量不穩(wěn)定的問(wèn)題，必須加大系統(tǒng)的旋轉(zhuǎn)備用容量。旋轉(zhuǎn)備用容量的增加間接地增加了光伏發(fā)電的運(yùn)營(yíng)整體成本，所以有必要對(duì)其輸出功率進(jìn)行預(yù)測(cè)。

通過(guò)對(duì)光伏電站發(fā)電量進(jìn)行短期和中期的準(zhǔn)確預(yù)測(cè)，將其從未知變?yōu)榛疽阎{(diào)度運(yùn)行人員可根據(jù)預(yù)測(cè)的波動(dòng)情況，合理安排應(yīng)對(duì)措施，提高電網(wǎng)的安全性和可靠性;而將功率預(yù)測(cè)與負(fù)荷預(yù)測(cè)相結(jié)合，還有利于調(diào)度運(yùn)行人員調(diào)整和優(yōu)化常規(guī)電源的發(fā)電計(jì)劃，改善電網(wǎng)調(diào)峰能力，增加光伏的并網(wǎng)容量[3-6];根據(jù)預(yù)測(cè)結(jié)果，只需增加對(duì)應(yīng)預(yù)測(cè)誤差的旋轉(zhuǎn)備用容量，可以顯著降低額外增加的旋轉(zhuǎn)備用容量，對(duì)改善電網(wǎng)運(yùn)行經(jīng)濟(jì)性具有重要意義;光伏功率預(yù)測(cè)還可以增強(qiáng)風(fēng)電、光伏在電力市場(chǎng)中的競(jìng)爭(zhēng)力，提高上網(wǎng)電價(jià)。另外，功率預(yù)測(cè)有助于合理安排檢修計(jì)劃、減少棄風(fēng)棄光，提高企業(yè)的盈利能力[7-9]。

為保障電力系統(tǒng)安全穩(wěn)定運(yùn)行，落實(shí)國(guó)家可再生能源政策，規(guī)范光伏發(fā)電并網(wǎng)調(diào)度運(yùn)行管理，華北能源監(jiān)管局制定了《華北區(qū)域光伏發(fā)電站并網(wǎng)運(yùn)行管理實(shí)施細(xì)則》。NB/T 32031-2016《光伏發(fā)電功率預(yù)測(cè)系統(tǒng)功能規(guī)范》要求，短期光伏功率預(yù)測(cè)應(yīng)能預(yù)測(cè)次日零時(shí)起至未來(lái)72 h的輸出功率，時(shí)間分辨率為15 min;超短期功率預(yù)測(cè)應(yīng)能預(yù)測(cè)未來(lái)15 min～4 h的輸出功率，時(shí)間分辨率不小于15 min。誤差評(píng)估指標(biāo)為短期預(yù)測(cè)月均方根誤差應(yīng)小于0.15，超短期預(yù)測(cè)第4 h預(yù)測(cè)值月均方根誤差小于0.10。

1 光伏電站功率預(yù)測(cè)方法分類(lèi)

光伏發(fā)電的主要預(yù)測(cè)方法如圖1所示。

圖1 光伏發(fā)電功率預(yù)測(cè)方法

1.1 按照時(shí)間尺度分類(lèi)

根據(jù)提前預(yù)測(cè)時(shí)間長(zhǎng)短，分為超短期預(yù)測(cè)、短期預(yù)測(cè)和中長(zhǎng)期預(yù)測(cè)。

超短期光伏功率預(yù)測(cè)可采用物理方法和統(tǒng)計(jì)預(yù)測(cè)方法。其中物理方法主要是對(duì)云圖進(jìn)行圖像處理，結(jié)合數(shù)值天氣預(yù)報(bào)(N WP)[10-14]或地面觀測(cè)站數(shù)據(jù)，進(jìn)行光伏功率預(yù)測(cè);統(tǒng)計(jì)預(yù)測(cè)方法主要采用自回歸滑動(dòng)平均(ARMA)算法、人工智能算法、持續(xù)預(yù)測(cè)法等進(jìn)行預(yù)測(cè)。

相比之下，短期功率預(yù)測(cè)需要?dú)庀髷?shù)據(jù)的時(shí)空分辨率要求相對(duì)較低，可利用精細(xì)化的N WP數(shù)據(jù)進(jìn)行預(yù)測(cè)而不必采用云圖數(shù)據(jù)[15]。

中長(zhǎng)期光伏功率預(yù)測(cè)主要是根據(jù)地區(qū)歷史光資源數(shù)據(jù)等估計(jì)未來(lái)較長(zhǎng)時(shí)間段內(nèi)的光伏功率。

1.2 按照預(yù)測(cè)模型分類(lèi)

將預(yù)測(cè)方法按對(duì)于歷史數(shù)據(jù)的需求量劃分，可分為物理模型法、統(tǒng)計(jì)方法、學(xué)習(xí)法。

物理模型法不需要大量歷史數(shù)據(jù)，適用于新建的光伏電站，但需要光伏電站詳細(xì)的地理信息和組件參數(shù)等數(shù)據(jù)，建模過(guò)程復(fù)雜，且難以模擬一些極端異常天氣情況和環(huán)境及光伏組件參數(shù)隨時(shí)間發(fā)生的緩慢變化，模型抗干擾能力較差，魯棒性不強(qiáng)。

統(tǒng)計(jì)方法基于預(yù)測(cè)模型輸入、輸出因素之間的統(tǒng)計(jì)規(guī)律，通過(guò)分析獲得預(yù)測(cè)模型。利用光伏發(fā)電的歷史數(shù)據(jù)與相關(guān)因素?cái)?shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。常用的統(tǒng)計(jì)預(yù)測(cè)方法有自回歸移動(dòng)平均算法(ARMA)、自回歸積分移動(dòng)平均算法(ARI MA)、多元線性回歸法、指數(shù)平滑算法等。

學(xué)習(xí)方法主要包括模糊推理系統(tǒng)、遺傳算法、人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)(SV M)等。其中人工神經(jīng)網(wǎng)絡(luò)具有大規(guī)模數(shù)據(jù)處理、自適應(yīng)學(xué)習(xí)、容錯(cuò)性強(qiáng)等特點(diǎn)。網(wǎng)絡(luò)主要包括三層:輸入層、隱含層與輸出層。ANN適用于解決一些隨機(jī)非線性的問(wèn)題，誤差較小，且可以隨時(shí)更換樣本數(shù)據(jù)，不斷注入新的測(cè)試數(shù)據(jù)，提高預(yù)測(cè)精度。但容易陷入局部最小問(wèn)題，得不到最優(yōu)解，且泛化能力不強(qiáng)。以上缺點(diǎn)對(duì)預(yù)測(cè)的精度都有一定的影響。

2 光伏功率預(yù)測(cè)系統(tǒng)的整體框架

光伏功率預(yù)測(cè)系統(tǒng)是一個(gè)集氣象站實(shí)時(shí)氣象信息、數(shù)值氣象預(yù)報(bào)數(shù)據(jù)和實(shí)時(shí)功率數(shù)據(jù)接入和展示、光伏電站和區(qū)域功率預(yù)測(cè)、數(shù)據(jù)上報(bào)、預(yù)測(cè)結(jié)果動(dòng)態(tài)統(tǒng)計(jì)評(píng)估為一體的光伏功率預(yù)測(cè)系統(tǒng)平臺(tái)。系統(tǒng)須實(shí)現(xiàn)自動(dòng)采集光伏電站運(yùn)行數(shù)據(jù)、自動(dòng)氣象站監(jiān)測(cè)數(shù)據(jù)，對(duì)所采集數(shù)據(jù)信息進(jìn)行分析與挖掘，準(zhǔn)確判定發(fā)電效率的影響因子及其變化規(guī)律，實(shí)現(xiàn)光伏發(fā)電站有功功率超短期、短期、長(zhǎng)期的高精度預(yù)測(cè)，實(shí)現(xiàn)誤差統(tǒng)計(jì)、相關(guān)性分析等功能，為運(yùn)行人員提供可靠參考。光伏電站功率預(yù)測(cè)系統(tǒng)硬件拓?fù)浣Y(jié)構(gòu)如圖2所示[15]。

光伏電站的各運(yùn)行數(shù)據(jù)、氣象站實(shí)測(cè)數(shù)據(jù)、從數(shù)值天氣預(yù)報(bào)中心得到氣象數(shù)據(jù)結(jié)合通過(guò)通信交換機(jī)交給含數(shù)據(jù)處理和預(yù)測(cè)功能的預(yù)測(cè)工作站做計(jì)算，將預(yù)測(cè)結(jié)果上傳至各直屬調(diào)度數(shù)據(jù)網(wǎng)和光伏電站監(jiān)控系統(tǒng)。

圖2 光伏電站功率預(yù)測(cè)系統(tǒng)硬件拓?fù)浣Y(jié)構(gòu)

光伏預(yù)測(cè)系統(tǒng)除需在場(chǎng)站區(qū)域配置自動(dòng)氣象監(jiān)測(cè)站外，還需要部署專(zhuān)用的應(yīng)用服務(wù)器、數(shù)據(jù)庫(kù)服務(wù)器、預(yù)測(cè)工作站和外網(wǎng)工作站，實(shí)現(xiàn)光伏電場(chǎng)各光伏組件運(yùn)行數(shù)據(jù)、自動(dòng)氣象站實(shí)測(cè)數(shù)據(jù)接入、N WP數(shù)據(jù)解析、光伏出力預(yù)測(cè)結(jié)果計(jì)算功能，并將預(yù)測(cè)結(jié)果上傳至各直屬調(diào)度機(jī)構(gòu)。此外為了保障系統(tǒng)和電網(wǎng)安全，還需配置相應(yīng)的防火墻和硬件隔離設(shè)備。

表1描述了光伏電站功率預(yù)測(cè)系統(tǒng)各部分作用分析。

表1 光伏電站功率預(yù)測(cè)系統(tǒng)各部分作用

光伏電站功率預(yù)測(cè)系統(tǒng)設(shè)計(jì)為模塊化設(shè)計(jì)，可方便按照用戶(hù)的需求去增減某些功能，系統(tǒng)必須靈活性和可擴(kuò)展性。系統(tǒng)主要模塊包括氣象數(shù)據(jù)采集模塊、功率數(shù)據(jù)采集模塊、數(shù)值天氣預(yù)報(bào)采集模塊、數(shù)據(jù)通信模塊、功率預(yù)測(cè)模塊、統(tǒng)計(jì)分析模塊、人機(jī)交互模塊等。

數(shù)據(jù)采集模塊主要包括電站運(yùn)行數(shù)據(jù)、氣象站數(shù)據(jù)、數(shù)值天氣預(yù)報(bào)數(shù)據(jù)、發(fā)電單元運(yùn)行數(shù)據(jù)、數(shù)值天氣預(yù)報(bào)校驗(yàn)設(shè)置和氣象站數(shù)據(jù)校驗(yàn)設(shè)置等。

數(shù)據(jù)通信模塊主要包括數(shù)據(jù)傳遞、專(zhuān)網(wǎng)上傳、信息流通等功能。

功率預(yù)測(cè)模塊主要包括預(yù)測(cè)設(shè)置、手動(dòng)預(yù)測(cè)、日功率曲線圖、停機(jī)設(shè)置、預(yù)測(cè)結(jié)果查看、預(yù)測(cè)日志查看等。

統(tǒng)計(jì)分析模塊主要用來(lái)統(tǒng)計(jì)實(shí)際功率與預(yù)測(cè)功率的誤差情況，并計(jì)算考核電量，誤差統(tǒng)計(jì)指標(biāo)包括均方根誤差、平均絕對(duì)誤差、相關(guān)性系數(shù)、合格率、考核電量。

人機(jī)交互模塊主要包括系統(tǒng)的人機(jī)界面，系統(tǒng)擴(kuò)展性和便利性。

3 影響光伏功率預(yù)測(cè)準(zhǔn)確率的因素

光伏功率預(yù)測(cè)是以數(shù)值天氣預(yù)報(bào)數(shù)據(jù)和實(shí)測(cè)運(yùn)行數(shù)據(jù)為基礎(chǔ)，結(jié)合光伏電站地理坐標(biāo)及具體地域特點(diǎn)的參數(shù)化方案，建立預(yù)測(cè)模型及算法，實(shí)現(xiàn)對(duì)未來(lái)一段時(shí)間內(nèi)光伏電站輸出功率的預(yù)測(cè)。光伏功率預(yù)測(cè)的關(guān)鍵在于確定不同時(shí)空尺度下影響光伏功率的主要因素及其作用機(jī)理，并選擇恰當(dāng)?shù)乃惴ń㈩A(yù)測(cè)模型。

3.1 氣象環(huán)境影響因素

影響光伏發(fā)電功率預(yù)測(cè)性能的主要環(huán)境因素是太陽(yáng)輻射和環(huán)境溫度、電池溫度。實(shí)際上，清潔度指數(shù)和日照時(shí)間是通過(guò)改變達(dá)到光伏面板的太陽(yáng)輻射量來(lái)影響光伏系統(tǒng)輸出功率。在光伏發(fā)電功率預(yù)測(cè)中，晴空指數(shù)和日照時(shí)間也常常作為影響因素之一。

灰塵覆蓋光伏面板，將減少光伏面板吸收太陽(yáng)輻射的比例，最終降低光伏面板的輸出功率。不同于輻射、云、溫度、風(fēng)速等因素，灰塵對(duì)光伏功率輸出的影響是一個(gè)長(zhǎng)期且平穩(wěn)的過(guò)程，因?yàn)榛覊m的沉降、積累和自然清除是一個(gè)持續(xù)且穩(wěn)定的過(guò)程。灰塵對(duì)光伏面板性能的影響具有緩慢性和漸進(jìn)性，不能反映在超短期或短期預(yù)測(cè)當(dāng)中，但可以根據(jù)其影響特性進(jìn)行補(bǔ)償。

風(fēng)速和云也明顯地影響光伏系統(tǒng)的功率輸出，但是很少被考慮到，因?yàn)樗鼈兊膶傩宰兓艽笄液芸欤趲追昼妰?nèi)甚至幾秒鐘內(nèi)使光伏發(fā)電輸出具有很陡的斜坡，這超出了大多數(shù)人工智能方法處理龐大數(shù)據(jù)量的響應(yīng)時(shí)間。而在數(shù)小時(shí)、數(shù)天或數(shù)周時(shí)間水平的短期或中期預(yù)測(cè)中，這種急劇的變化可以被視為異常而忽視。但是在超短期預(yù)測(cè)中，影響預(yù)測(cè)精度的最重要因素是云。云只有很小甚至沒(méi)有慣性，所以云變幻莫測(cè)，它的形狀、大小、速度和方向都在改變。云的變化會(huì)立即改變光伏面板接收到的太陽(yáng)輻射量，并迅速引起光伏系統(tǒng)輸出功率的變化。有研究人員采用天空成像儀和太陽(yáng)跟蹤攝像頭探測(cè)和跟蹤影響光伏發(fā)電輸出功率的云朵變化，但其算法的時(shí)間分辨率還不能達(dá)到預(yù)期的精度。

3.2 數(shù)據(jù)影響因素

傳統(tǒng)的物理預(yù)測(cè)方法根據(jù)太陽(yáng)能輻射模型、電站模型、光伏轉(zhuǎn)換模型、電路模型和逆變器模型來(lái)預(yù)測(cè)輸出功率。但受輻射的不確定性、云的變化、雨水和環(huán)境、電池溫度等因素的影響，會(huì)導(dǎo)致短期預(yù)測(cè)不夠準(zhǔn)確。

基于統(tǒng)計(jì)和人工智能技術(shù)的輸出功率預(yù)測(cè)方法可以綜合考慮并補(bǔ)償上述各種因素的影響。不過(guò)，這些方法需要充分的歷史數(shù)據(jù)支持，以供給統(tǒng)計(jì)處理和人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。通常，至少需要光伏系統(tǒng)輸出功率一年連續(xù)且完整的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)回歸。神經(jīng)網(wǎng)絡(luò)相關(guān)的算法不僅需要光伏發(fā)電系統(tǒng)輸出功率的歷史數(shù)據(jù)，且與氣象和數(shù)值天氣預(yù)報(bào)的歷史數(shù)據(jù)緊密相關(guān)。歷史數(shù)據(jù)的缺少會(huì)使相關(guān)的統(tǒng)計(jì)數(shù)據(jù)和人工智能預(yù)測(cè)方法無(wú)效。同時(shí)，不完整的歷史數(shù)據(jù)可能導(dǎo)致很大的預(yù)測(cè)誤差。

除歷史數(shù)據(jù)外，數(shù)值天氣預(yù)報(bào)，如云、風(fēng)、溫度、濕度和降雨等實(shí)時(shí)數(shù)據(jù)，也有助于在線訓(xùn)練和調(diào)整內(nèi)部參數(shù)以獲得更高的預(yù)測(cè)精度。

除歷史數(shù)據(jù)的完整性，數(shù)據(jù)本身也值得關(guān)注。數(shù)據(jù)的采樣間隔、準(zhǔn)確性、收集、預(yù)處理、數(shù)值天氣預(yù)報(bào)的選擇和本地傳感器指標(biāo)特性等都從不同方面決定著數(shù)據(jù)本身的特性，也將很大程度上影響預(yù)測(cè)的準(zhǔn)確性。有研究表明，更準(zhǔn)確的天氣預(yù)報(bào)可以將光伏發(fā)電功率預(yù)測(cè)精度提高10%左右。

3.3 光伏廠區(qū)影響因素

3.3.1 廠區(qū)逆變器等送電設(shè)備

如果逆變器出現(xiàn)頻率異常、溫度過(guò)高等原因使其自動(dòng)脫網(wǎng)關(guān)機(jī)，導(dǎo)致部分組件發(fā)電不能并網(wǎng)，即電站的投運(yùn)總?cè)萘繙p少，影響到光功率預(yù)測(cè)系統(tǒng)的電站開(kāi)機(jī)容量參數(shù)與實(shí)際不相符，勢(shì)必影響預(yù)測(cè)的準(zhǔn)確率。

同樣，如果有匯流箱、直流配電柜、箱式變壓器、開(kāi)關(guān)柜等設(shè)備停運(yùn)，或電纜頭爆掉等原因?qū)е乱徊糠纸M件發(fā)電不能并網(wǎng)，最終都會(huì)影響預(yù)測(cè)的準(zhǔn)確率。

3.3.2 廠區(qū)通信管理機(jī)

廠區(qū)通信管理機(jī)主要負(fù)責(zé)轉(zhuǎn)換通信網(wǎng)絡(luò)，如果通信管理機(jī)出現(xiàn)損壞、死機(jī)、工作不穩(wěn)定或者收發(fā)信息能力較弱，會(huì)導(dǎo)致電站綜合自動(dòng)化系統(tǒng)采集逆變器實(shí)際出力數(shù)據(jù)不準(zhǔn)確、不及時(shí)，影響光功率預(yù)測(cè)中的出力曲線與實(shí)際不相符，預(yù)測(cè)準(zhǔn)確率是依次計(jì)算，進(jìn)而影響準(zhǔn)確率這個(gè)值的準(zhǔn)確性。

3.3.3 廠區(qū)通信網(wǎng)絡(luò)

廠區(qū)通信網(wǎng)絡(luò)分為兩部分:一部分是廠區(qū)通信管理機(jī)之間、廠區(qū)通信管理機(jī)與中控室通信機(jī)之間的通信，通過(guò)光纖串聯(lián)成一個(gè)環(huán)網(wǎng);另一部分是廠區(qū)通信管理機(jī)和需要通信發(fā)電設(shè)備之間的通信，基于成本考慮大多采用RS485來(lái)組成網(wǎng)絡(luò)。

對(duì)于第一部分，只要光電轉(zhuǎn)換設(shè)備不掉電、未損壞，光纖通信網(wǎng)絡(luò)則較穩(wěn)定;而第二部分RS485通信，雖然采用的是帶鎧裝屏蔽層的線纜，但是由于其技術(shù)及協(xié)議的局限，其具有通信距離短、通信容易被干擾、通信量小等缺點(diǎn)。

對(duì)于RS485通信網(wǎng)絡(luò)，設(shè)計(jì)時(shí)可能通信線路長(zhǎng)度是合格的，但在施工時(shí)有可能為了預(yù)留電纜頭、布線線路調(diào)整、線路埋地深度等影響使得通信比設(shè)計(jì)變長(zhǎng)而不合格，或者施工時(shí)使得通信線路和電力線路、電力設(shè)備之間的距離過(guò)小，再或者線纜的屏蔽層沒(méi)有有效接地，等其他原因造成通信網(wǎng)絡(luò)被干擾，通信不順暢，導(dǎo)致逆變器采集出力值不準(zhǔn)確，影響準(zhǔn)確率。

3.4 中控室內(nèi)影響因素

3.4.1 硬件設(shè)備

光功率預(yù)測(cè)系統(tǒng)構(gòu)成見(jiàn)圖3，包括的硬件設(shè)備有:天氣預(yù)報(bào)數(shù)據(jù)采集服務(wù)器、光功率預(yù)測(cè)系統(tǒng)服務(wù)器、反向隔離裝置、硬件防火墻、路由器、交換機(jī)等設(shè)備。這些設(shè)備能否正常運(yùn)行是關(guān)系功率預(yù)測(cè)系統(tǒng)正常工作的前提。

圖3 光功率預(yù)測(cè)系統(tǒng)構(gòu)成

比如天氣預(yù)報(bào)數(shù)據(jù)采集服務(wù)器影響天氣預(yù)報(bào)數(shù)據(jù)的下載、處理并通過(guò)反向隔離裝置發(fā)送到光功率預(yù)測(cè)系統(tǒng)服務(wù)器上，硬件防火墻、路由器、交換機(jī)都是光功率預(yù)測(cè)系統(tǒng)中數(shù)據(jù)傳輸?shù)谋亟?jīng)設(shè)備，影響傳輸數(shù)據(jù)的效率及成功率。

3.4.2 軟件系統(tǒng)

光功率預(yù)測(cè)系統(tǒng)中的軟件包括:運(yùn)行在天氣預(yù)報(bào)數(shù)據(jù)采集服務(wù)器和光功率預(yù)測(cè)系統(tǒng)服務(wù)器上的操作系統(tǒng)，固嵌于反向隔離裝置、硬件防火墻、路由器、交換機(jī)等的嵌入式程序，運(yùn)行在操作系統(tǒng)上的光功率預(yù)測(cè)軟件、反向隔離裝置文件收發(fā)軟件、預(yù)測(cè)文件上傳調(diào)度的傳輸軟件、數(shù)據(jù)庫(kù)軟件、環(huán)境采集儀軟件等。

這些軟件不能有自動(dòng)脫網(wǎng)、自動(dòng)退出程序、自動(dòng)重新啟動(dòng)等bug，否則都會(huì)影響功率預(yù)測(cè)。

3.4.3 環(huán)境采集儀

環(huán)境采集儀一般安裝在中控室屋頂，主要檢測(cè)電站當(dāng)前環(huán)境下的關(guān)照強(qiáng)度、氣溫、濕度、風(fēng)速、風(fēng)向等數(shù)據(jù)，用于超短期的光功率預(yù)測(cè)。采集數(shù)據(jù)的準(zhǔn)確度、分辨率，以及數(shù)據(jù)及時(shí)傳輸?shù)焦夤β暑A(yù)測(cè)系統(tǒng)服務(wù)器上，都直接影響到超短期的光功率預(yù)測(cè)。

4 光伏功率預(yù)測(cè)準(zhǔn)確率的提升方法

提高預(yù)測(cè)準(zhǔn)確率是光伏功率預(yù)測(cè)的核心問(wèn)題，目前研究主要聚焦在通過(guò)數(shù)據(jù)預(yù)處理提升輸入數(shù)據(jù)品質(zhì)以及深度挖掘數(shù)據(jù)特性提高模型精確性?xún)煞矫妫罢呷鐗臄?shù)據(jù)剔除、缺失數(shù)據(jù)重構(gòu)、數(shù)據(jù)歸一化和去趨勢(shì)化等;后者如數(shù)據(jù)樣本篩選和輸入數(shù)據(jù)優(yōu)選。另外，針對(duì)光伏發(fā)電功率預(yù)測(cè)的實(shí)際需求，以常用的預(yù)測(cè)目標(biāo)參數(shù)為考察指標(biāo)，制定綜合的評(píng)估評(píng)價(jià)標(biāo)準(zhǔn)體系，也能有效督促光伏電站提高其預(yù)測(cè)的準(zhǔn)確率。

4.1 光伏數(shù)據(jù)預(yù)處理

光伏數(shù)據(jù)質(zhì)量參差不齊，通信、測(cè)量環(huán)節(jié)的問(wèn)題都可能導(dǎo)致壞數(shù)據(jù)產(chǎn)生及數(shù)據(jù)缺失;不同類(lèi)別的數(shù)據(jù)具有不同的量綱和數(shù)值范圍，因此，對(duì)光伏數(shù)據(jù)進(jìn)行預(yù)處理操作是高精度預(yù)測(cè)的必要環(huán)節(jié)。應(yīng)加強(qiáng)數(shù)據(jù)的完整性和有效性設(shè)計(jì)，注重?cái)?shù)據(jù)采集、處理和存儲(chǔ)積累各環(huán)節(jié)的設(shè)計(jì)，從數(shù)據(jù)來(lái)源、數(shù)據(jù)類(lèi)型、數(shù)據(jù)精度、數(shù)據(jù)密度、時(shí)間分布、數(shù)據(jù)關(guān)聯(lián)性等方面保證數(shù)據(jù)的完整性和有效性，保證預(yù)測(cè)的準(zhǔn)確性和可重復(fù)性。

4.1.1 壞數(shù)據(jù)剔除

通常依據(jù)物理規(guī)律或數(shù)據(jù)采集質(zhì)量控制要求剔除壞數(shù)據(jù)。但由于光伏數(shù)據(jù)本身具有較大的分散性，對(duì)壞數(shù)據(jù)的定義是一個(gè)難點(diǎn)，定義不準(zhǔn)確會(huì)導(dǎo)致誤判。

4.1.2 缺失數(shù)據(jù)處理

當(dāng)要求數(shù)據(jù)具有連續(xù)性或者數(shù)據(jù)樣本較小時(shí)，剔除缺失數(shù)據(jù)段會(huì)給預(yù)測(cè)精度帶來(lái)較大影響，因而重構(gòu)缺失數(shù)據(jù)很有必要。

插值法是最簡(jiǎn)單的數(shù)據(jù)重構(gòu)方法之一，如采用插值法提高NWP數(shù)據(jù)的時(shí)空分辨率。但由于光伏數(shù)據(jù)的波動(dòng)性和隨機(jī)性顯著，插值法可能無(wú)法較好地還原數(shù)據(jù)序列。采用已知數(shù)據(jù)建立特征空間，利用SVM分類(lèi)模型實(shí)現(xiàn)歷史缺失數(shù)據(jù)的恢復(fù)。

輻照度和氣象因素都具有較強(qiáng)的空間連續(xù)性和相似性，由此產(chǎn)生了基于空間相關(guān)性的數(shù)據(jù)還原技術(shù)。采用空間相關(guān)性理論，利用目標(biāo)光伏電站周邊光伏電站的數(shù)據(jù)和主成分分析法，實(shí)現(xiàn)對(duì)目標(biāo)光伏電站輻照度或功率缺失數(shù)據(jù)的重構(gòu)。這種方法不僅能還原數(shù)據(jù)序列，而且可用于光伏功率預(yù)測(cè)。

4.1.3 數(shù)據(jù)歸一化和去趨勢(shì)化

對(duì)光伏數(shù)據(jù)實(shí)行歸一化操作是為了避免不同數(shù)據(jù)的量綱和大小范圍導(dǎo)致的預(yù)測(cè)結(jié)果不準(zhǔn)確問(wèn)題。

光伏數(shù)據(jù)序列具有較明顯的季節(jié)、時(shí)間變化趨勢(shì)，而統(tǒng)計(jì)方法如ARMA等不能適應(yīng)具有趨勢(shì)的數(shù)據(jù)，需要對(duì)光伏數(shù)據(jù)進(jìn)行去趨勢(shì)化操作。去趨勢(shì)化常通過(guò)將輻照度數(shù)據(jù)標(biāo)準(zhǔn)化或轉(zhuǎn)化為晴空指數(shù)進(jìn)行。

4.2 數(shù)據(jù)樣本分類(lèi)篩選和輸入數(shù)據(jù)選擇

光伏數(shù)據(jù)樣本篩選的研究主要包括光伏數(shù)據(jù)分類(lèi)/聚類(lèi)和預(yù)測(cè)模型輸入?yún)?shù)選擇。分類(lèi)/聚類(lèi)方法研究是當(dāng)前研究熱點(diǎn)，常采用“相似日”的概念。光資源特性和光伏發(fā)電特性的研究是實(shí)現(xiàn)光伏數(shù)據(jù)樣本篩選的基礎(chǔ)，可以用相關(guān)性分析和多元回歸方法進(jìn)行特性分析。

4.2.1 樣本分類(lèi)篩選

所謂樣本分類(lèi)篩選，即通過(guò)分類(lèi)或聚類(lèi)的方法尋找相似樣本，用于預(yù)測(cè)模型的訓(xùn)練，不僅可以防止小容量樣本的規(guī)律性被遮蓋，還可使預(yù)測(cè)模型對(duì)目標(biāo)樣本更有針對(duì)性。

分類(lèi)篩選研究可分為以下兩類(lèi)。

a.將光伏數(shù)據(jù)按不同的天氣類(lèi)型劃分。劃分依據(jù)通常是季節(jié)與天氣類(lèi)型，也可用輻照度和云量作為指標(biāo)，將光伏樣本劃分為如晴天、陰天、雨天等。此類(lèi)劃分指標(biāo)選取簡(jiǎn)單、實(shí)現(xiàn)方便，但劃分結(jié)果粗糙，不能給出精確的物理、數(shù)學(xué)解釋。

b.選擇特征指標(biāo)構(gòu)造特征空間，并通過(guò)K means聚類(lèi)、自組織神經(jīng)網(wǎng)絡(luò)(SOM)，以及SV M和CART等方法實(shí)現(xiàn)樣本的分類(lèi)/聚類(lèi)。選擇區(qū)分度顯著的特征指標(biāo)和有效的分類(lèi)/聚類(lèi)方法是這類(lèi)研究的重點(diǎn)。特征指標(biāo)的獲取方式有:①直接從N WP中獲取，如溫度、云量等;②提取直接可得參數(shù)序列的某個(gè)統(tǒng)計(jì)指標(biāo)作為特征指標(biāo)，如晴空指數(shù)、輻照度三階導(dǎo)數(shù)最大值、輻照度方差、輻照度與理論值偏差值等;③變換直接可得參數(shù)，形成特征指標(biāo)，如采用主成分分析法將現(xiàn)有的相互相關(guān)的參數(shù)轉(zhuǎn)換成互不相關(guān)的主成分。

4.2.2 輸入數(shù)據(jù)選擇

輸入數(shù)據(jù)選擇是通過(guò)物理分析和數(shù)學(xué)方法，選擇目標(biāo)預(yù)測(cè)條件下的主導(dǎo)因素。

在不同預(yù)測(cè)時(shí)空尺度、天氣模態(tài)下，對(duì)地面輻照度和光伏功率產(chǎn)生主要影響的因素不同，直接輻照度、總輻照度、散射輻照度的主要影響因素也不同，如在長(zhǎng)預(yù)測(cè)時(shí)間尺度上氣象要素的重要性比短預(yù)測(cè)尺度小;對(duì)地面直接輻照度影響最明顯的因素是云層覆蓋率、氣溶膠光學(xué)厚度、對(duì)流層大氣成分和平流層大氣，而對(duì)地面總輻照度影響最明顯的因素是降雨量和太陽(yáng)天頂角。隨著氣象研究的發(fā)展和測(cè)量技術(shù)的升級(jí)，還出現(xiàn)了一些與地面輻照度和光伏功率相關(guān)的新參量，如液態(tài)水深、空氣質(zhì)量系數(shù)、氣溶膠光學(xué)厚度等。

輸入數(shù)據(jù)選擇的方法有多元線性回歸法、主成分分析法、相關(guān)系數(shù)計(jì)算法、靈敏度分析法、伽馬測(cè)試(GT)和遺傳算法(GA)等。

4.3 建立評(píng)估評(píng)價(jià)標(biāo)準(zhǔn)

如果沒(méi)有長(zhǎng)時(shí)間應(yīng)用測(cè)試數(shù)據(jù)或在相同條件下對(duì)比實(shí)驗(yàn)、應(yīng)用驗(yàn)證，僅通過(guò)算法、仿真結(jié)果或孤立的實(shí)驗(yàn)結(jié)果來(lái)評(píng)價(jià)光伏發(fā)電功率預(yù)測(cè)方法是不嚴(yán)謹(jǐn)?shù)摹Ｔ谶@個(gè)領(lǐng)域至今還沒(méi)有統(tǒng)一的預(yù)測(cè)方法評(píng)價(jià)標(biāo)準(zhǔn)。隨著光伏系統(tǒng)的大面積推廣，光伏發(fā)電系統(tǒng)的部署、設(shè)計(jì)和應(yīng)用需要光伏發(fā)電功率預(yù)測(cè)標(biāo)準(zhǔn)。此外，功率預(yù)測(cè)標(biāo)準(zhǔn)將為電網(wǎng)接納光伏系統(tǒng)提供決策依據(jù)。

綜合考慮各方面的因素，應(yīng)在光伏發(fā)電功率預(yù)測(cè)的評(píng)價(jià)標(biāo)準(zhǔn)中明確以下信息:

a.光伏電站相關(guān)數(shù)據(jù)，包括:①電站信息:經(jīng)度、緯度、海拔高度、氣候類(lèi)型等:②電力系統(tǒng)信息和模型:光伏面板、逆變器、存儲(chǔ)系統(tǒng)、傳感器等。

b.歷史數(shù)據(jù)，包括數(shù)據(jù)源、數(shù)據(jù)類(lèi)型、數(shù)據(jù)采樣間隔、數(shù)據(jù)精度、數(shù)據(jù)的完整性及合理性。

c.誤差指標(biāo)，包括幾種常用的誤差計(jì)算方法，如:均方根誤差、平均絕對(duì)誤差百分比、平均相對(duì)誤差、最大平均誤差和相關(guān)系數(shù)等。

d.時(shí)間尺度和時(shí)間分辨率，預(yù)測(cè)時(shí)間尺度可以是小時(shí)、天、周或月，時(shí)間分辨率可以是秒、分鐘或小時(shí)。

e.算法復(fù)雜度，即在預(yù)測(cè)方法中所使用的計(jì)算方法和計(jì)算資源的成本。

f.時(shí)間復(fù)雜度，預(yù)測(cè)方法的時(shí)間成本。

g.經(jīng)濟(jì)性，預(yù)測(cè)方法及其實(shí)施的經(jīng)濟(jì)性分析。

5 結(jié)論及建議

從光伏功率預(yù)測(cè)方法的分類(lèi)及其預(yù)測(cè)系統(tǒng)整體框架出發(fā)，分析了影響光伏功率預(yù)測(cè)準(zhǔn)確率的主要因素，包括數(shù)據(jù)因素、環(huán)境因素、光伏廠區(qū)、中控室軟硬件設(shè)備等，并從光伏數(shù)據(jù)預(yù)處理及數(shù)據(jù)樣本分類(lèi)篩選兩個(gè)方面介紹了提升準(zhǔn)確率的途徑。

為進(jìn)一步提升光伏功率預(yù)測(cè)的準(zhǔn)確率，切實(shí)貫徹落實(shí)《華北區(qū)域光伏發(fā)電站并網(wǎng)運(yùn)行管理實(shí)施細(xì)則》，對(duì)各光伏電站的執(zhí)行落實(shí)情況做好監(jiān)督，對(duì)預(yù)測(cè)準(zhǔn)確率不達(dá)標(biāo)的場(chǎng)站加強(qiáng)考核。技術(shù)上，考慮從以下幾個(gè)方面著手。

a.多種預(yù)測(cè)方法相結(jié)合。組合預(yù)測(cè)方法分為兩類(lèi)，一種是將幾種預(yù)測(cè)方法所得的結(jié)果進(jìn)行比較，選取誤差最小的模型進(jìn)行預(yù)測(cè);另外一種是將幾種結(jié)果按一定的權(quán)重進(jìn)行加權(quán)平均。

b.拓展功率預(yù)測(cè)評(píng)估指標(biāo)，除均方根誤差指標(biāo)外，引入日極大誤差、日峰谷誤差等指標(biāo)，對(duì)各光伏電站進(jìn)行綜合評(píng)估。

c.在經(jīng)濟(jì)成本可以接受的范圍內(nèi)，盡量增加場(chǎng)站的氣象測(cè)量裝置，為預(yù)測(cè)模型提供更加準(zhǔn)確的氣象輸入信息。

d.通過(guò)數(shù)據(jù)預(yù)處理技術(shù)，剔除壞數(shù)據(jù)、還原殘缺數(shù)據(jù)集，增強(qiáng)數(shù)據(jù)的完整性、有效性。