论文部分内容阅读
在当前的社会环境下，我们国家在资源方面的研究力度在逐渐的加深，太阳能资源的利用效率也在逐渐的提高。伴随着社会主义市场经济发展水平的不断提升，各项节能资源的利用成为社会发展工作中的重点。太阳能光伏并网系统发电工作受到各方面因素的影响，尤其是天文气象、自然环境以及太阳能光伏并网系统发电基础设施等，而且太阳能光伏并网系统发电功率的大小具有相对较高的不稳定性。在这种情况下，必须加强对太阳能光伏并网系统发电量预测方法的研究，这样才能够更好地提升太阳能光伏并网系统发电的安全性。本文将重点阐发和探讨太阳能光伏并网发电量展望的根基钻研环境，总结和阐发太阳能光伏并网体系发电量的预测方式。太阳能属于一种较为常见的清洁能源，但是太阳能资源的能量密集度相对较差并且稳定性能也较为薄弱的资源，严重的受制于天气、气候的影响，因此具有相对较高的不确定性和不稳定性。一旦太阳能光伏并网系统的数量增加，则会影响太阳能发电的整体功率，而且周期性比较强，对太阳能光伏并网系统的运作产生不利的影响作用，极大的削弱了太阳能光伏并网系统发电量的质量，减少了太阳能转换成电能的效益。基于其不连续性、不确定性和周期性，以及与其影响因子之间的非线性关系，发电量的准确预测将有利于光伏发电规划、电网调度、负荷分配，实现电源的最优配置。
一、太阳能光伏并网系统发电预测的基本程序
太阳能光伏并网体系发电量预测和展望工作需要具体的统计和总结太阳能光伏发电并网体系安置的位置和相干的安置数据，然后按照现实的成长环境成立与之相关的预测机制和预测模型。在预测方案和预测模型建立之后则需要明确相应的计算方法，从而保证太阳能光伏并网系统发电预测有效性。在此基础之上，需要紧密结合以往的太阳能光伏并网系统发电量以及安装的相关数据开展研究工作，不断地总结和积累经验，改进和完善太阳能光伏并网系统发电量预测模型，借以逐渐完善太阳能光伏并网系统发电量的变化性质。下图1所示的是太阳能光伏并网体系发电量展望的根基法式图：要根据太阳能辐射预告展望的成果来勘误辐射量实测数据和辐射量预告值，然后总结得出水平面辐射展望数值和斜面辐射展望数值。将预测所得的数据同其他的天气因素预报相结合，利用专业的预测方法来总结得出太阳能光伏并网系统发电量的预测值。
二、太阳能光伏并网系统发电量预测的基本方式
太阳能光伏并网系统发电量预测方法重点包括原理预测方法、统计预测方法、智能预测方法以及不确定性预测方法等。
（1）原理预测方法。原理预测方法主要是将太阳能发电方式为基础，通过分析和探究太阳能资源在转换成为电力资源的过程中能量耗损的现状，然后将这些现状所得到的数据建立成相应的经验分析公式以及相关的经验分析系数。预测光伏发电量，此方法的原理和计算都非常简单，预测效果主要取决于光电转换效率模型、逆变效率模型和辐射预报的准确性。原理预测方法所得到的经验分析公式，也就是太阳能光伏并网系统发电功率公式为：P（t）=ηsAG（t）其中P（t）表示的是太阳能光伏并网系统极板的整体输出转化的电功率，ηs表示的是表示的是太阳能资源转换成电力资源的整体效率，A表示的是太阳能光伏并网发电设备极板的整体有效面积（m2），最后的G（t）则表示的是太阳能光伏并购系统发电设备的斜面辐射能力。
（2）统计学预测分析方法。统计学预测分析方法主要是指利用回归分析、时间序列等统计学分析方法来预测太阳能光伏并网系统发电量。将光伏发电历史数据作为自变量，视其预测值作为因变量，将二者的关系量化成为相关系数，建立回归方程，完成预测。太阳能光伏并网系统发电工作中尤为重要的因素是太阳能辐射板的整体辐射量和太阳能辐射极板的温度，而且其对太阳能光伏并网系统发电功率的影响性相对较高，这样才能够建立多元线性的统计学预测分析模型。太阳能光伏并网系统发电的转换输出功率公式为：Pm=Um·Im；但是Um·Im=Uoc×Isc×FF×KTP在上述公式中，KTP表示的是太阳能光伏并网系统发电输出整体功率同太阳能发电极板温度之间的权值，Uoc、Isc、FF则表示的是太阳能光伏并网系统发电极板的開路电压数值、短路电压的数值以及填充因子等。多元线性回归模型的构建工作比较简单，而且在太阳能光伏并网系统发电量预测工作中计算的速度比较快，其缺点在于不能够很好地将气候因素和天气因素反应出来，在这种情况下就必须根据实际的气候因素建立不同类型的多元线性回归模型，借以提升太阳能光伏并网系统的发电量预测科学性和准确性。时间序列分析法就是将光伏发电量历史数据按时间顺序排列成时变的统计序列，建立随时间变化的变化模型，并将模型外推进行预测。
（3）智能预测方法。智能预测方法主要是利用神经网络来开展太阳能光伏并网系统发电量预测工作，这是因为神经网络系统的记忆能力相对较高，而且在非线性反应能力方面比较突出，具有较高的自主学习水平，然而也会因为气候因素和其他的自然因素使其预测质量较低。因此可以利用人的经验和知识水平来构建预测体系，从而实现预测目标。
三、结论
光伏发电量预测在系统规划、并网运行等方面的控制具有重要作用，要选择合适的预测方法确保预测过程的快速性和结果的准确性。因为太阳能光伏并网系统发电量具有许多不可靠因素，所以必须明确其预测方法，这样才能够更好的提高太阳能发电量预测数值的精确性。将多种方法综合应用、取长补短的组合预测法将是未来光伏发电量预测发展方向。
（作者单位：中国华电工程（集团）有限公司）
一、太阳能光伏并网系统发电预测的基本程序
太阳能光伏并网体系发电量预测和展望工作需要具体的统计和总结太阳能光伏发电并网体系安置的位置和相干的安置数据，然后按照现实的成长环境成立与之相关的预测机制和预测模型。在预测方案和预测模型建立之后则需要明确相应的计算方法，从而保证太阳能光伏并网系统发电预测有效性。在此基础之上，需要紧密结合以往的太阳能光伏并网系统发电量以及安装的相关数据开展研究工作，不断地总结和积累经验，改进和完善太阳能光伏并网系统发电量预测模型，借以逐渐完善太阳能光伏并网系统发电量的变化性质。下图1所示的是太阳能光伏并网体系发电量展望的根基法式图：要根据太阳能辐射预告展望的成果来勘误辐射量实测数据和辐射量预告值，然后总结得出水平面辐射展望数值和斜面辐射展望数值。将预测所得的数据同其他的天气因素预报相结合，利用专业的预测方法来总结得出太阳能光伏并网系统发电量的预测值。
二、太阳能光伏并网系统发电量预测的基本方式
太阳能光伏并网系统发电量预测方法重点包括原理预测方法、统计预测方法、智能预测方法以及不确定性预测方法等。
（1）原理预测方法。原理预测方法主要是将太阳能发电方式为基础，通过分析和探究太阳能资源在转换成为电力资源的过程中能量耗损的现状，然后将这些现状所得到的数据建立成相应的经验分析公式以及相关的经验分析系数。预测光伏发电量，此方法的原理和计算都非常简单，预测效果主要取决于光电转换效率模型、逆变效率模型和辐射预报的准确性。原理预测方法所得到的经验分析公式，也就是太阳能光伏并网系统发电功率公式为：P（t）=ηsAG（t）其中P（t）表示的是太阳能光伏并网系统极板的整体输出转化的电功率，ηs表示的是表示的是太阳能资源转换成电力资源的整体效率，A表示的是太阳能光伏并网发电设备极板的整体有效面积（m2），最后的G（t）则表示的是太阳能光伏并购系统发电设备的斜面辐射能力。
（2）统计学预测分析方法。统计学预测分析方法主要是指利用回归分析、时间序列等统计学分析方法来预测太阳能光伏并网系统发电量。将光伏发电历史数据作为自变量，视其预测值作为因变量，将二者的关系量化成为相关系数，建立回归方程，完成预测。太阳能光伏并网系统发电工作中尤为重要的因素是太阳能辐射板的整体辐射量和太阳能辐射极板的温度，而且其对太阳能光伏并网系统发电功率的影响性相对较高，这样才能够建立多元线性的统计学预测分析模型。太阳能光伏并网系统发电的转换输出功率公式为：Pm=Um·Im；但是Um·Im=Uoc×Isc×FF×KTP在上述公式中，KTP表示的是太阳能光伏并网系统发电输出整体功率同太阳能发电极板温度之间的权值，Uoc、Isc、FF则表示的是太阳能光伏并网系统发电极板的開路电压数值、短路电压的数值以及填充因子等。多元线性回归模型的构建工作比较简单，而且在太阳能光伏并网系统发电量预测工作中计算的速度比较快，其缺点在于不能够很好地将气候因素和天气因素反应出来，在这种情况下就必须根据实际的气候因素建立不同类型的多元线性回归模型，借以提升太阳能光伏并网系统的发电量预测科学性和准确性。时间序列分析法就是将光伏发电量历史数据按时间顺序排列成时变的统计序列，建立随时间变化的变化模型，并将模型外推进行预测。
（3）智能预测方法。智能预测方法主要是利用神经网络来开展太阳能光伏并网系统发电量预测工作，这是因为神经网络系统的记忆能力相对较高，而且在非线性反应能力方面比较突出，具有较高的自主学习水平，然而也会因为气候因素和其他的自然因素使其预测质量较低。因此可以利用人的经验和知识水平来构建预测体系，从而实现预测目标。
三、结论
光伏发电量预测在系统规划、并网运行等方面的控制具有重要作用，要选择合适的预测方法确保预测过程的快速性和结果的准确性。因为太阳能光伏并网系统发电量具有许多不可靠因素，所以必须明确其预测方法，这样才能够更好的提高太阳能发电量预测数值的精确性。将多种方法综合应用、取长补短的组合预测法将是未来光伏发电量预测发展方向。
（作者单位：中国华电工程（集团）有限公司）