光伏功率预测技术体系

光伏功率预测系统

技术体系

北京东润环能科技股份有限公司

2015.06.01

1 光电功率预测技术概述

1.1 光伏功率预测原理及作用

光伏发电是利用半导体界面的光生伏特效应而将光能直接转变为电能的一种技术。如果光线照射在太阳能电池上并被电板光伏吸收，具有足够能量的光子能够在P型硅和N型硅中将电子从共价键中激发，以致产生电子－空穴对。界面层附近的电子和空穴在复合之前，将通过空间电荷的电场作用被相互分离。电子向带正电的N区和空穴向带负电的P区运动。通过界面层的电荷分离，将在P区和N区之间产生一个向外的可测试的电压。通过光照在界面层产生的电子－空穴对越多，电流越大。界面层吸收的光能越多，界面层即电池面积越大，在太阳能电池中形成的电流也越大。对于光伏电板来说，单位面积的光伏阵列输出功率为：

式中，η是转换效率；S是阵列面积；I是太阳辐照强度；t0 是大气温度。

对于既定的光伏发电系统来说，几乎所有的光伏并网逆变器都以相对稳定的功率转换效率运行在最大功率点跟踪（Maximum Power Point Tracking, MPPT）模式，其输出功率数据具有高度的自相关性，输出功率数据中已包含光伏阵列的系统信息。虽然功率转换效率、光电转换效率会随着时间变化，但是在系统的使用周期内其变化量是非常小的，以至于在短期预测中可以认为是常数。所以预测模型的输入变量中可不用考虑逆变器的功率转换效率、光伏阵列的光电转换效率、光伏阵列的总面积等隐含在历史输出功率数据中的因素，但是太阳辐

射强度、环境温度等气象因素对光伏功率预测的精度有决定性作用。

由于光伏发电受辐照度、温度等天气变化、日夜交替和季节推移等不确定因素影响，有显著的随机性、波动性和间歇性。因此，大规模光伏发电系统并网运行会影响电力系统的安全、稳定、经济运行。准确的光伏功率预测有利于电力系统调度部门适时调整调度计划，从而有效地减轻光伏发电系统接入对电网的稳定安全运行造成的巨大冲击。同时帮助光伏电站减少由于限电和电量考核带来的经济损失，提高光伏电站运行管理效率。

1.2 数值天气预报技术

日前中心已为全国600多个新能源场站提供了水平分辨率在5km×5km(部分地区3km×3km)，垂直分层为31层的数值天气预报。中心采用包括WRF、MM5在内的多种预报模式，对于不同地形、地貌，不同气候特点的区域，在不同季节采用不同的预报模式，并利用同化技术，对常规资料和非常规资料进行同化应用，以此提高数值天气预报的预测精度。利用WT等工具将WRF输出结果进行进一步降尺度处理，获得空间精度极高的风场数据。

东润自主天气预报系统由初始场输入→物理过程参数化→动力降尺度→生成预报→预报结果验证并建立评估和订正系统→产品业务化等6个部分组成。

➢

最适合全球预报场和预报时次；

➢参数化方案中的近地面过程方案和陆面方案对大风的预报影响最大，在全球模式预报场(GFS)

参数选择

参数化方案选取WRF天气预报生产

观测资料验证预报

结果

建立评估和订正系统

资料同化

产品业务化

WT继续降尺度提取风速

初始场物理过程参数化动力降尺度生成预报场

订正和同化系统

选用300m分辨率的基础上，选取最适合的参数化方案；

➢动力降尺度过程将全球预报场进行三重嵌套降尺度，生产300m的中尺度预报，进一步利用CFD软件WT进一步细化，得到10m级的天气预报；

➢运行WRF和WT后，生成预报场，预报场中包括各个高度的风速，根据客户的具体要求，提取风速，出风速外预报场还包括温度和降水等气象

参数；

➢将预报场提取的风速同测风塔数据进行对比，利用开尔曼滤波方法建立风速订正系统，并利用600个场站的测风塔数据和19800个风机机头的

测风数据，建立同化系统；

➢测试稳定后，将天气预报进行业务化，提供稳定及时的天气预报，并根据业主需求，及时作出相应修改。

1.3 功率预测预测方法及建模技术

1.3.1 短期功率预测预测方法及建模技术

新能源发电功率预测是指以新能源电场的历史功率、历史气象数据、地形地貌、数值天气预报、发电机组运行状态等数据建立电场输出功率的预测模型，以气象数据、功率或数值天气预报数据作为模型的输入，结台电场发电机组的设备状态及运行工况，得到电场未来的输出功率。东润根据预测物理量、数学模型、数据输入和时间尺度分类开发了数十种高精度强自适应的功率预测模型。东润环能的新能源发电功率预测已达到国内领先、国际一流水平。

东润结合自身的技术优势，开发了东润自主的特色服务—集合功率预测。通过分配不同气象源和不同预测模型的权重，确定适合该地区的最佳预报模型，有效提高了功率预测的精度，同时保障了数据的稳定上传。

1.3.2超短期功率预测预测方法及建模技术

目前应用的数值气象预报本身有着不可避免的误差（比如物理建模的不完备导致的误差、处理亚格子现象的误差等等），而提高数值气象模式本身的精度难度较大，卡尔曼滤波可以很好的解决这一问题，尤其适用于超短期功率预测。

卡尔曼滤波通过一系列的数学方程，结合数值气象预报的气象因子以及最近的观测数据，在二者之间取权重以给出一个最优估计值来修正数值气象预报的结果。这一方法易于实现，而且需要的历史数据较少，因而在气象预报中也得到了非常广泛的应用。

1.4 国内外光电功率预测技术现状

负荷预测技术经过几十年的发展，随着数学统计理论和人工智能技术的相继引入，人们提出了各种各样的预测方法，现有的预测方法多达十几种，这些方法各有其优缺点，很难说有哪一种方法绝对优越。根据数学模型不同，负荷预测方法大致可以分为两类：数学统计方法和人工智能方法。下面对几种方法加以简要介绍并简单评价。

（1）回归模型预测方法回归预测是根据负荷过去的历史资料，建立可以进行数学分析的数学模型，对未来的负荷进行预测。主要分为线性回归和非线性回归，也分为一元回归和多元回归。其特点是将预测目标的因素作为自变量，将预测目标作为因变量。回归分析和非线性回归，或者也分为一元回归和多元回归。其特点在于将预测目标的因素作为自变量，将预测目标作为因变量。回归分析法中，自变量是随机变量，因变量是非随机变量，又给定的多组自变量和因变量资料，研究各种变量之间的相关关系。利用得到的经验回归方程式来表示变量之间的定