動態通信信道分配的分布式光伏集群功率預測方法

[摘 要]隨著可再生能源的快速發展，分布式光伏集群在電力系統中占據越來越重要的地位，然而其功率輸出受多種因素如天氣條件、設備狀態及通信信道狀況等的影響，具有顯著的波動性和不確定性。為了提升光伏集群的發電效率和系統穩定性，文章提出了一種結合動態通信信道分配與多種預測技術的分布式光伏集群功率預測方法，該方法利用動態通信信道分配技術優化數據傳輸效率，減少了通信延遲和丟包，確保了預測模型的實時性和準確性。試驗結果表明，該方法能夠顯著提高功率預測的精度和魯棒性，為電力系統的調度和運行提供了有力支持。

[關鍵詞]動態信道分配；分布式光伏；功率預測

[中圖分類號]TM615 [文獻標志碼]A [文章編號]2095–6487（2024）12–0117–03

Distributed Photovoltaic Cluster Power Prediction Method Based on Dynamic Communication Channel Allocation

ZHANG Wei，HU Nan

[Abstract]With the rapid development of renewable energy， distributed photovoltaic clusters play an increasingly important role in the power system. however， their power output is affected by various factors such as weather conditions， equipment status， and communication channel conditions， and has significant volatility and uncertainty. in order to improve the power generation efficiency and system stability of photovoltaic clusters， this paper proposes a distributed photovoltaic cluster power prediction method that combines dynamic communication channel allocation and multiple prediction techniques. this method uses dynamic communication channel allocation technology to optimize data transmission efficiency， reduce communication delay and packet loss， and ensure the real-time and accuracy of the prediction model.the experimental results show that this method can significantly improve the accuracy and robustness of power prediction， providing strong support for the scheduling and operation of power systems.

[Keywords]dynamic channel allocation； distributed photovoltaics； power prediction

隨著全球對可再生能源需求的持續增長，分布式光伏作為清潔、可再生的能源形式，其發展和應用日益廣泛。然而，分布式光伏集群的功率輸出受多種因素影響，包括太陽輻射強度、溫度、濕度及地理位置等，這些因素導致了光伏功率輸出的不確定性和波動性。為了更有效地管理和優化分布式光伏集群的并網運行，提高電網的調峰能力和新能源的消納效率，準確預測光伏集群的功率輸出顯得尤為重要[1]。

在光伏集群功率預測的研究中，動態通信信道分配技術為提升預測精度提供了新的思路。由于分布式光伏電站數量眾多且地理位置分散，傳統的預測方法通常難以全面捕捉各電站間的實時數據交互和出力相關性，動態通信信道分配技術通過智能調整和優化通信資源的分配，能夠確保關鍵數據的及時傳輸和高效處理，從而提高光伏集群功率預測的實時性和準確性。

1 動態通信信道分配策略

在分布式光伏電站的數據無線通信系統中，確保數據的有效傳輸是一個關鍵挑戰，而數據丟包和延時是兩個常見且關鍵的性能指標，其受多種因素的影響，包括光伏電站中次級用戶的數量N、設定的通信周期T，以及智能感知節點所采用的動態信道分配（DCA）策略等[2]。鑒于丟包率和延時這兩個優化目標具有不同的度量單位，直接進行統一優化存在困難，因此文章采用了線性加權求和法并結合隸屬度函數的方法，將這一多目標優化問題巧妙地轉化為單一目標優化問題。

2 動態通信信道分配下的分布式光伏集群功率預測方法

2.1 分布式光伏電站時空耦合特性分析方法

分布式光伏電站的廣泛分布及其地理位置的多樣性，使得其發電輸出在時間與空間維度上展現出顯著的相互關聯特性，具體而言，同一光伏電站的輸出功率在連續時間點上通常保持穩定，不會出現急劇的變化，而地理位置相近的光伏電站，由于共享相似的氣候條件其輸出功率的變化趨勢通常趨于一致，光伏發電的基本原理揭示了其輸出與太陽輻照度之間的直接正比關系。針對這種廣泛分散的分布式光伏系統，當云層在特定區域上空移動時其會導致該區域光伏電站接收到的太陽輻照度減弱，進而引發該電站輸出功率的波動。這種云層的移動效應具有空間傳播性，即相鄰區域內的其他光伏電站雖未立即被云層覆蓋，但其輸出功率會因云層逐漸接近而經歷延遲性的波動[3]。

為了衡量光伏電站i和光伏電站j之間的相關性強度，采用相關性系數作為指標，系數的取值范圍為–1～1，當其值接近1時，光伏電站i和光伏電站j的出力數據呈現出高度的正相關性，即其變化趨勢幾乎一致，當值接近–1時，兩者之間存在高度的負相關性，即其變化趨勢相反，而當值接近0時，兩者之間沒有明顯的線性相關性。Pearson相關系數的取值與相關性強度的關系為：取值范圍0～0.2時對應相關強度為極弱相關；取值范圍0.2～0.4時對應相關強度為弱相關；取值范圍0.4～0.6時對應相關強度為中等相關；取值范圍0.6～0.8時對應相關強度為強相關；取值范圍0.8～1.0時對應相關強度為極強相關。

2.2 分布式光伏集群功率預測方法

這一方法有效地利用了基準光伏電站的預測精度，通過統計模型將其推廣到整個分布式光伏集群，從而實現了對集群總體功率的準確預測。

3 試驗分析

試驗數據選取我國某一地級市在2023年對20個總裝機容量均為40 MW的分布式光伏電站集群的詳盡記錄，數據采樣間隔為5 min。數據涵蓋了光伏電站的地理特征參數、氣象環境監測數據及光伏電站的歷史發電出力數據。為了優化通信過程中的丟包率和延時問題，在Matlab仿真平臺上構建并求解了相應的優化模型，利用Python編程語言在基于Anaconda3的仿真環境中通過調用Torch模塊對分布式光伏集群的發電出力進行了精準的預測分析。

為了驗證優化丟包率與延時后動態通信信道分配策略下的通信可靠性最優，本研究將傳統的靜態平均分配模式與文章研究的動態優化信道分配模式進行了對比。

3.1 通信信道靜態平均分配

在通信信道的靜態平均分配模式下，光伏電站集群中的所有數據采集器均需參與信道資源的分配過程。這種分配方式在數據傳輸活動開始之前已完成，通過一種均等的原則將可用的通信信道L條平均分配給各個數據采集器，在靜態平均分配模式下，經過60個連續通信周期所記錄的通信延時情況如圖1所示，這些周期內通信丟包率的變化趨勢如圖2所示。

3.2 通信信道動態優化分配

在通信信道的動態優化分配策略中，采用了先進的動態分配算法并結合模糊統計法來精確設定優化目標函數的權重，針對丟包率和延時這兩個關鍵性能指標分別賦予了0.75和0.25的權重，以此為基礎計算出最佳的信道分配模式。這種動態滾動優化的方法，通過實時調整信道資源旨在最大程度地降低丟包率并減少延時。圖3和圖4分別展示了在實施動態優化后，連續60個通信周期內丟包率和延時的實際變化情況。

通過上述對比試驗得到試驗結果，在通信信道的靜態平均分配模式下，經過60個通信周期系統的平均丟包率為0.29，平均通信延時為9.2 s；在采用通信信道的動態優化分配模式后相同周期內的平均丟包率顯著降低至0.11，同時平均通信延時縮短至6.4 s。這一對比結果明確表明動態優化信道分配模式在應對通信過程中的不確定性和動態變化方面展現出了更高的效率，其有效降低了通信丟包率和延時，還顯著提升了整個通信系統的可靠性和穩定性。進一步地，這一優化成果驗證了所提出模型在提高分布式光伏集群功率預測準確率方面的有效性。通過動態調整信道資源系統能夠更準確地捕捉和傳輸光伏電站的實時數據，從而為功率預測提供更加精確和及時的輸入信息，最終提升預測結果的準確性和可靠性。

4 結束語

通過優化通信信道分配，減少數據傳輸中的干擾和延遲，結合多種預測技術構建混合預測模型，文章實現了對分布式光伏集群功率輸出的精準預測，這一研究成果為光伏集群的運營管理提供了科學依據，也為可再生能源的大規模并網和電力系統的智能化調度提供了新的思路和方法。未來隨著技術的不斷進步和應用的深入，動態通信信道分配技術和分布式光伏集群功率預測方法將在可再生能源領域發揮更加重要的作用，推動全球能源結構的綠色轉型和可持續發展。

參考文獻

[1] 歐陽靜，秦龍，王堅鋒，等.基于PCA-ShapeDTWQWGRU的分布式光伏集群短期功率預測[J].太陽能學報，2024，45（5）：458-467.

[2] 何遵文，杜川，張焱，等.多場景衛星通信信道動態建模與仿真實現[J].電波科學學報，2023，38（1）：87-95.

[3] 王文倬，謝丁，謝醉冰，等.考慮集群劃分的分布式光伏無功電壓控制策略[J].浙江電力，2024，43（7）：64-75.