分布式光伏發(fā)電系統(tǒng)發(fā)電量預(yù)測方法

劉彥彥 呂森惠

【摘要】在我國快速發(fā)展過程中，經(jīng)濟(jì)在快速發(fā)展，社會在不斷進(jìn)步，預(yù)測分布式光伏發(fā)電系統(tǒng)發(fā)電量時(shí)，因無法準(zhǔn)確建立光伏組件的溫度與太陽光輻照強(qiáng)度之間量化關(guān)系，導(dǎo)致預(yù)測結(jié)果偏差高。提出了不同太陽輻射強(qiáng)度下分布式光伏發(fā)電系統(tǒng)發(fā)電量預(yù)測方法，該方法利用實(shí)測獲取的不同陽光輻射強(qiáng)度和組件溫度下光伏發(fā)電輸出功率，構(gòu)建以光輻射強(qiáng)度和溫度為變量的發(fā)電輸出功率模型，以此來預(yù)測發(fā)電量。仿真數(shù)據(jù)表明，晴天和雨天時(shí)，分布式光伏發(fā)電系統(tǒng)發(fā)電量預(yù)測結(jié)果與發(fā)電量實(shí)測值誤差很小。

【關(guān)鍵詞】光伏發(fā)電系統(tǒng);發(fā)電量;預(yù)測;溫度;光伏組件

太陽能具有取之不盡、用之不竭、分布廣泛和安全清潔的優(yōu)勢。各個(gè)國家都很重視發(fā)展太陽能，特別是發(fā)展光伏產(chǎn)業(yè)。到2018年底，全球光伏發(fā)電裝機(jī)容量達(dá)到480.36GW，中國達(dá)到176.1GW，占全球總?cè)萘康?6%。但是，光伏發(fā)電卻具有顯著的間歇性和隨機(jī)性，其大規(guī)模接入電網(wǎng)將導(dǎo)致電網(wǎng)出現(xiàn)一定的波動，對電力系統(tǒng)產(chǎn)生影響。所以，對光伏發(fā)電的發(fā)電量進(jìn)行預(yù)測以及提高預(yù)測的準(zhǔn)確性成為保證電網(wǎng)穩(wěn)定性的關(guān)鍵。光伏發(fā)電預(yù)測方法眾多，按照預(yù)測的時(shí)間可以分為超短期預(yù)測、短期預(yù)測、中期預(yù)測和長期預(yù)測。本文根據(jù)光伏發(fā)電預(yù)測的研究原理將其分為直接預(yù)測法和間接預(yù)測法。直接預(yù)測法中，根據(jù)模型的不同，將其分為數(shù)學(xué)統(tǒng)計(jì)預(yù)測法、人工智能預(yù)測法及混合模型。本文對混合模型進(jìn)行歸納，分為基于確定神經(jīng)網(wǎng)絡(luò)初始權(quán)值的混合模型、基于光伏數(shù)據(jù)預(yù)處理的混合模型以及其他混合模型3種，并總結(jié)間接預(yù)測法，介紹新型預(yù)測模型。

1、大規(guī)模光伏發(fā)電并網(wǎng)對電力系統(tǒng)頻率的影響

光伏發(fā)電輸出功率隨機(jī)波動的固有屬性，使其很大程度上會在光伏發(fā)電并網(wǎng)后對電力系統(tǒng)頻率產(chǎn)生影響。若光伏發(fā)電并網(wǎng)規(guī)模較小、光伏發(fā)電輸出功率波動較小，電力系統(tǒng)依靠自身裕度，可以動態(tài)調(diào)整，從而達(dá)到平衡;而隨著光伏發(fā)電并網(wǎng)規(guī)模的增大，光伏發(fā)電輸出功率比重的上升，電力系統(tǒng)自身不足以吸收這些波動，其有功平衡遭到挑戰(zhàn)，從而威脅到其頻率的穩(wěn)定。

2、分布式光伏發(fā)電系統(tǒng)發(fā)電量預(yù)測方法

2.1神經(jīng)網(wǎng)絡(luò)預(yù)測法

神經(jīng)網(wǎng)絡(luò)（ANN）是一種功能強(qiáng)大、應(yīng)用廣泛的機(jī)器學(xué)習(xí)算法。目前在光伏發(fā)電量預(yù)測領(lǐng)域研究比較多的大概有10多種。本文根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)的不同將其分為前饋神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)以及深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)。（1）前饋神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)只從輸入層經(jīng)過隱含層流向輸出層，各層之間沒有反饋。應(yīng)用于光伏發(fā)電量預(yù)測的主要有BP神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBF）和極限學(xué)習(xí)機(jī)（ELM）。BP神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)領(lǐng)域應(yīng)用最多的一種模型。BP神經(jīng)網(wǎng)絡(luò)主要包括輸入層、隱含層和輸出層。首先，輸入光伏歷史數(shù)據(jù)進(jìn)行訓(xùn)練，訓(xùn)練完成后輸入測試值，即可預(yù)測光伏發(fā)電量?；贐P神經(jīng)網(wǎng)絡(luò)模型對光伏系統(tǒng)的輸出功率進(jìn)行預(yù)測，結(jié)果表明預(yù)測日的誤差為6%～7%。設(shè)計(jì)了基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測模型，將光伏電池溫度加入到輸入變量中。結(jié)果表明加入電池溫度輸入變量的誤差為4.2962%，未加入的為6.3556%。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBF）是一種結(jié)構(gòu)簡單、收斂速度快、能夠逼近任意非線性函數(shù)的網(wǎng)絡(luò)。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)可分為正則化網(wǎng)絡(luò)和廣義網(wǎng)絡(luò)，廣義網(wǎng)絡(luò)在工程中廣泛應(yīng)用。（2）反饋神經(jīng)網(wǎng)絡(luò)的輸出除了與當(dāng)前輸入及網(wǎng)絡(luò)權(quán)值有關(guān)，還與網(wǎng)絡(luò)之前的輸入有關(guān)。典型的反饋神經(jīng)網(wǎng)絡(luò)有Hopfield網(wǎng)絡(luò)和Elman網(wǎng)絡(luò)，在發(fā)電量預(yù)測領(lǐng)域研究較多。Elman網(wǎng)絡(luò)與BP網(wǎng)絡(luò)相比，在結(jié)構(gòu)上多了一個(gè)連接層，同時(shí)多了一個(gè)延遲單元，可以記憶過去狀態(tài)，使網(wǎng)絡(luò)具有動態(tài)記憶功能。其中，第k個(gè)樣本的輸出y（k）、隱含層輸出x（k）和反饋輸入xc（k）可分別表示為：y（k）=g（ω3x（k）），x（k）=f（ω1xc（k）+ω2u（k-1）），xc（k）=x（k-1），式中：ω1、ω2、ω3—連接層和隱含層，輸入層和隱含層，隱含層和輸出層的權(quán)值。（3）深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)（DNN）近些年被廣泛應(yīng)用于光伏發(fā)電量的預(yù)測。深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)主要分為4種：卷積神經(jīng)網(wǎng)絡(luò)（CNN）、深度信任網(wǎng)絡(luò)（DBN）、堆棧自編碼網(wǎng)絡(luò)（SDAE）和長短期記憶網(wǎng)絡(luò)（LSTM）。在光伏發(fā)電量預(yù)測領(lǐng)域應(yīng)用比較多的是CNN和LSTM。由卷積層、池化層以及激活層組成。卷積層提取輸入數(shù)據(jù)的特征，池化層則是壓縮數(shù)據(jù)以及參數(shù)的量，而激活層則是將卷積層輸出結(jié)果做非線性映射。

2.2綜合AGC調(diào)頻研究

光伏電站現(xiàn)有的AGC系統(tǒng)能夠按照調(diào)度指令調(diào)節(jié)有功功率，但調(diào)節(jié)時(shí)間為分鐘級，不滿足一次調(diào)頻響應(yīng)時(shí)間的要求。為此，在考慮節(jié)約升級改造成本的前提下，基于現(xiàn)有的AGC固有設(shè)備和網(wǎng)絡(luò)通信架構(gòu)，研究了一種改進(jìn)算法，提升了功率分配的精度及光伏電站執(zhí)行響應(yīng)的速度。在AGC基礎(chǔ)上通過光伏下垂控制特性，實(shí)現(xiàn)了光伏電站參與一次調(diào)頻，提出了調(diào)頻和AGC配合策略，并對光伏發(fā)電有功功率分配策略進(jìn)行了改進(jìn)，提升了光伏電站調(diào)頻的響應(yīng)速度和貢獻(xiàn)能力。提出了自適應(yīng)電網(wǎng)側(cè)AGC兩種控制模式的光伏發(fā)電參與電力系統(tǒng)調(diào)頻的控制策略，并通過仿真驗(yàn)證了該控制策略的經(jīng)濟(jì)適用價(jià)值極高。

2.3降低光伏組件最佳安裝傾角的實(shí)驗(yàn)

實(shí)驗(yàn)計(jì)算以1MW光伏陣列的占地面積、組件最佳安裝傾角為32°作為基準(zhǔn)。實(shí)驗(yàn)中組件的安裝傾角范圍為10°～32°，以1°為間隔，依次減小組件的安裝傾角進(jìn)行測試，當(dāng)前、后排組件的陰影遮擋時(shí)間一致時(shí)，前排固定支架組件前沿到相鄰后排固定支架組件前沿的距離（下文簡稱“前到前間距”）也相應(yīng)減小，此時(shí)1MW光伏陣列的占地面積也會不同。當(dāng)保持總占地面積不變時(shí)，降低組件的最佳安裝傾角，雖然組件傾斜面接收的年太陽輻射量逐漸減少，但同樣占地面積下實(shí)際可布置的光伏組件容量增大了，即光伏陣列的直流裝機(jī)容量增加了，增加比例為1%～50%，光伏發(fā)電系統(tǒng)的首年發(fā)電量提高了約10%～40%。由于年可利用小時(shí)數(shù)可以比發(fā)電量更直觀、更清晰地反映光伏發(fā)電系統(tǒng)的發(fā)電量情況，所以一般采用年可利用小時(shí)數(shù)來描述光伏發(fā)電系統(tǒng)的年發(fā)電水平;而在經(jīng)濟(jì)測算時(shí)，則以逐年發(fā)電量來計(jì)算項(xiàng)目投資收益和內(nèi)部收益率等動態(tài)經(jīng)濟(jì)指標(biāo)。需要注意的是，組件安裝傾角降低的程度需要根據(jù)項(xiàng)目的裝機(jī)容量要求和發(fā)電量增加量進(jìn)行技術(shù)經(jīng)濟(jì)性比對后確定;還需要綜合考慮項(xiàng)目所在地的灰塵污染情況，以及光伏發(fā)電系統(tǒng)中光伏組件的清掃頻率等因素。

結(jié)語：

光伏發(fā)電系統(tǒng)發(fā)電量預(yù)測對光伏發(fā)電系統(tǒng)設(shè)計(jì)并網(wǎng)運(yùn)行控制具有重要作用，構(gòu)建光伏組件溫度和陽光輻射強(qiáng)度的回歸模型，準(zhǔn)確預(yù)測發(fā)電量，有實(shí)際應(yīng)用意義。本文提出了不同太陽輻射強(qiáng)度下分布式光伏發(fā)電系統(tǒng)發(fā)電量預(yù)測方法，該方法具有較高的預(yù)測精度。

參考文獻(xiàn)：

[1]張一飛.光伏發(fā)電并網(wǎng)對接入電網(wǎng)穩(wěn)定性影響的研究[D].天津：天津大學(xué)，2018.

[2]王誠良，朱凌志，黨東升，等.云團(tuán)移動對光伏電站出力特性及系統(tǒng)調(diào)頻的影響[J].可再生能源，2017，35（11）：1626-1631.

[3]葛星.規(guī)?；夥⒕W(wǎng)特性及其送出系統(tǒng)穩(wěn)定性分析[D].北京：華北電力大學(xué)，2018.

[4]王士元，鄭超，劉濤，等.計(jì)及LVRT的光伏高滲透電網(wǎng)動態(tài)頻率特性及優(yōu)化措施[J].電網(wǎng)技術(shù)，2020（6）：2151-2159.

[5]張劍云，李明節(jié).新能源高滲透的電力系統(tǒng)頻率特性分析[J].中國電機(jī)工程學(xué)報(bào)，2020（11）：3498-3507.