，，·， ，，，，

(新疆大學(xué)電氣工程學(xué)院，新疆 烏魯木齊 830008)

0 引 言

大規(guī)模光伏系統(tǒng)的并網(wǎng)有利于緩解能源危機(jī)、保護(hù)環(huán)境，但是其輸出功率具有隨機(jī)性、不連續(xù)性等特點(diǎn)會(huì)對(duì)光伏并網(wǎng)電力系統(tǒng)的安全、穩(wěn)定運(yùn)行以及電能質(zhì)量等造成嚴(yán)重威脅，因此光伏系統(tǒng)出力預(yù)測(cè)顯得極為重要。然而，目前光伏系統(tǒng)出力預(yù)測(cè)在精度方面還遠(yuǎn)不能滿足大規(guī)模光伏并網(wǎng)電力系統(tǒng)調(diào)度的要求，并已成為阻礙光伏發(fā)展的主要瓶頸問題之一。因此，亟待針對(duì)適應(yīng)大規(guī)模光伏并網(wǎng)電力系統(tǒng)調(diào)度的光伏系統(tǒng)出力預(yù)測(cè)模型進(jìn)行研究。

光伏系統(tǒng)具有高度非線性特性，其輸出功率主要受太陽(yáng)輻照強(qiáng)度和溫度的影響。目前大多研究都是基于光伏系統(tǒng)的物理特性進(jìn)行建模[1-6]。然而，這些傳統(tǒng)方法需要詳細(xì)的物理參數(shù)。就這些參數(shù)尚且不易獲得，推導(dǎo)出的數(shù)學(xué)模型更不一定準(zhǔn)確，因此傳統(tǒng)方法所建模型與實(shí)際系統(tǒng)特性相差甚遠(yuǎn)，且精度也極為有限。神經(jīng)網(wǎng)絡(luò)建模將建模對(duì)象當(dāng)作一個(gè)黑盒子不考慮其物理意義，而是利用歷史數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，對(duì)建模對(duì)象進(jìn)行識(shí)別。因此越來越多的人將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于光伏系統(tǒng)中[7-11]。但這些方法都只是在神經(jīng)網(wǎng)絡(luò)上進(jìn)行處理，而沒有再考慮光伏出力波動(dòng)特性的基礎(chǔ)上對(duì)神經(jīng)網(wǎng)絡(luò)建模后進(jìn)行二次修正研究。

在上述背景下，首先以傳統(tǒng)反傳播神經(jīng)網(wǎng)絡(luò)作為建?；A(chǔ)，建立光伏系統(tǒng)出力初步預(yù)測(cè)模型，再利用由歷史出力數(shù)據(jù)分析得到的波動(dòng)量統(tǒng)計(jì)規(guī)律對(duì)其初步預(yù)測(cè)結(jié)果進(jìn)行修正，建立了具有較高精度的光伏系統(tǒng)出力預(yù)測(cè)模型。最后，利用實(shí)際光伏系統(tǒng)歷史數(shù)據(jù)進(jìn)行了算例驗(yàn)證。

1 光伏系統(tǒng)輸出功率特性

光伏系統(tǒng)的輸出功率受外界條件影響較大，具有隨機(jī)性、不連續(xù)性等特點(diǎn)。在影響光伏系統(tǒng)出力的諸多因素中，太陽(yáng)輻照強(qiáng)度和溫度影響最大。太陽(yáng)輻射強(qiáng)度指在單位時(shí)間內(nèi)垂直投射到單位面積上的太陽(yáng)輻射能量，從物理意義上講,太陽(yáng)的輻照是導(dǎo)致光伏電池產(chǎn)生伏特效應(yīng)的主導(dǎo)因素, 輻照強(qiáng)度的大小直接影響光伏電池出力的大小。在額定范圍內(nèi)，當(dāng)溫度一定時(shí), 光伏系統(tǒng)的輸出功率隨著太陽(yáng)輻照強(qiáng)度的增大而增大。一般情況下，隨著溫度上升光伏系統(tǒng)的轉(zhuǎn)換效率降低，當(dāng)輻照強(qiáng)度一定時(shí)輸出功率會(huì)減小。同時(shí)光伏系統(tǒng)的輸出功率變化還具有很強(qiáng)的周期性，包括日變化周期和年變化周期，光伏系統(tǒng)主要是在每天8∶00～17∶00這段時(shí)間內(nèi)輸出功率，并且在大多數(shù)時(shí)間內(nèi)它和電力負(fù)荷有較好的耦合性，在上午的負(fù)荷高峰時(shí)段光伏發(fā)電系統(tǒng)能較好地提供相當(dāng)數(shù)量的功率，起到調(diào)峰的作用[12]。

2 預(yù)測(cè)模型建模

為了提高預(yù)測(cè)的精度，所提出的預(yù)測(cè)思路是：首先基于神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)預(yù)測(cè)時(shí)段出力進(jìn)行初步預(yù)測(cè)，然后利用歷史出力數(shù)據(jù)的波動(dòng)量統(tǒng)計(jì)規(guī)律對(duì)初步預(yù)測(cè)值進(jìn)行修正，得到最終預(yù)測(cè)值。具體預(yù)測(cè)流程如圖1所示。

圖1 總預(yù)測(cè)思路

2.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

圖2為所選取的BP神經(jīng)網(wǎng)絡(luò)模型，以溫度T和太陽(yáng)輻照強(qiáng)度C為網(wǎng)絡(luò)的輸入量(輸入層輸入)，光伏系統(tǒng)的輸出功率P為網(wǎng)絡(luò)的輸出(輸出層輸出)，I(input)和O(output)分別表示隱含層及其他相應(yīng)輸入和輸出。f(1)(·)、f(2)(·)和f(3)(·)分別表示輸入層、隱含層和輸出層的激發(fā)函數(shù)(這里將f(2)(·)和f(3)(·)選擇為sigmoid型函數(shù))。ω表示神經(jīng)元之間的連接權(quán)值，θ表示神經(jīng)元的閾值。輸入信息沿圖2所示的方向正向傳遞，最后輸出層的輸出與期望值Od比較，將誤差反向傳遞，調(diào)整各個(gè)權(quán)值和閾值的大小，這樣反復(fù)操作直至輸出誤差達(dá)到允許的范圍。

圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

設(shè)共有n個(gè)樣本，對(duì)于第n個(gè)樣本，輸入輸出關(guān)系為

1)輸入層

輸入為T、C

(1)

2)隱含層

(2)

(3)

3)輸出層

(4)

(5)

2.2 初步預(yù)測(cè)建模

在目前大家研究的各種預(yù)測(cè)方法中，由于人工神經(jīng)網(wǎng)絡(luò)能夠建立高度非線性的模型且特別適宜隨機(jī)平穩(wěn)變化過程的模擬，因此光伏系統(tǒng)輸出功率預(yù)測(cè)也是其應(yīng)用的一個(gè)重要領(lǐng)域。

某種現(xiàn)象的出現(xiàn)一定是由某種原因的作用引發(fā)的，光伏系統(tǒng)的輸出功率變化過程亦是如此。光伏系統(tǒng)在某時(shí)刻的輸出功率取決于該時(shí)刻的太陽(yáng)輻照強(qiáng)度、溫度等外界情況以及光伏系統(tǒng)本身利用太陽(yáng)能的能力。影響光伏系統(tǒng)將太陽(yáng)能轉(zhuǎn)化成電能的能力的因素比較多，如光伏系統(tǒng)的總?cè)萘俊㈦姵匕宓念愋?、電池板自身的特性曲線、光伏電站的運(yùn)營(yíng)水平、電池板的分布等。如果孤立地考察每個(gè)影響因素與光伏系統(tǒng)輸出功率之間的關(guān)系，往往是非線性的，且對(duì)于光伏系統(tǒng)并網(wǎng)電力系統(tǒng)的研究也是沒有實(shí)際意義的；但是將這些影響因素作為一個(gè)整體考慮，與光伏系統(tǒng)的輸出功率之間一定存在著某種映射關(guān)系。因此，光伏系統(tǒng)輸出功率的預(yù)測(cè)模型必須要能夠高精度地反映這種映射關(guān)系。神經(jīng)網(wǎng)絡(luò)的主要優(yōu)點(diǎn)是能夠通過學(xué)習(xí)已有樣本信息來建立反映所要處理信息之間的內(nèi)在聯(lián)系的模型。對(duì)于光伏系統(tǒng)輸出功率預(yù)測(cè)初步模型的建模思路是：構(gòu)建神經(jīng)網(wǎng)絡(luò)，應(yīng)用歷史的太陽(yáng)輻照強(qiáng)度、溫度數(shù)據(jù)和對(duì)應(yīng)的光伏系統(tǒng)輸出功率數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，當(dāng)用大量的歷史數(shù)據(jù)將其訓(xùn)練到所要求精度時(shí)，該神經(jīng)網(wǎng)絡(luò)模型就能在所要求的精度范圍內(nèi)模擬作為研究對(duì)象的特定光伏系統(tǒng)，即實(shí)現(xiàn)初步預(yù)測(cè)模型的建立。由于訓(xùn)練模型需要的數(shù)據(jù)量較大，為了提高程序的運(yùn)算速度和模型預(yù)測(cè)的精度，必須先對(duì)這些數(shù)據(jù)進(jìn)行預(yù)處理，再用于模型的訓(xùn)練，進(jìn)而得到較準(zhǔn)確的初步預(yù)測(cè)模型，對(duì)光伏系統(tǒng)的未來某時(shí)段內(nèi)的輸出功率曲線進(jìn)行初步預(yù)測(cè)。具體程序流程如圖3所示。

圖3 基于BP-ANN的光伏出力初步預(yù)測(cè)流程圖

2.3 初步預(yù)測(cè)誤差修正建模

光伏系統(tǒng)的歷史出力一定存在著特定的出力波動(dòng)特性，作為研究對(duì)象的目標(biāo)光伏系統(tǒng)其預(yù)測(cè)出力也一定要滿足該光伏系統(tǒng)歷史出力數(shù)據(jù)所統(tǒng)計(jì)輸出的波動(dòng)特性，因此提出在初步預(yù)測(cè)的基礎(chǔ)上，依據(jù)歷史波動(dòng)量統(tǒng)計(jì)規(guī)律對(duì)其進(jìn)行修正。

(7)

(8)

(9)

修正流程如圖4所示。

圖4 初步預(yù)測(cè)誤差修正流程圖

3 算例分析

3.1 算例仿真

以某光伏系統(tǒng)作為研究對(duì)象，將該光伏系統(tǒng)某年9月18日的太陽(yáng)輻照強(qiáng)度、溫度和相應(yīng)輸出功率數(shù)據(jù)為分析樣本，該樣本以每隔10 min為一個(gè)時(shí)間點(diǎn)、共連續(xù)75個(gè)時(shí)間點(diǎn)。圖5、圖6和圖7分別給出了這75個(gè)時(shí)間點(diǎn)的太陽(yáng)輻照強(qiáng)度、溫度和相應(yīng)輸出功率的數(shù)據(jù)及其變化趨勢(shì)，圖8為其歷史出力數(shù)據(jù)波動(dòng)量統(tǒng)計(jì)圖。用前40個(gè)時(shí)間點(diǎn)的太陽(yáng)輻照強(qiáng)度、溫度和相應(yīng)輸出功率數(shù)據(jù)做學(xué)習(xí)樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最后應(yīng)用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)該光伏電站后35個(gè)時(shí)間點(diǎn)的輸出功率進(jìn)行預(yù)測(cè)，并與實(shí)際輸出功率比較，考證其預(yù)測(cè)誤差。

圖5 太陽(yáng)輻照強(qiáng)度歷史數(shù)據(jù)

圖6 溫度歷史數(shù)據(jù)

圖7 輸出功率歷史數(shù)據(jù)

該光伏電站預(yù)測(cè)模型的最終預(yù)測(cè)結(jié)果如圖9所示，初步預(yù)測(cè)值、最終預(yù)測(cè)值和實(shí)測(cè)值3條曲線對(duì)比如圖10所示。從圖10可以看出初步預(yù)測(cè)值基本上跟蹤了實(shí)測(cè)值的變化趨勢(shì)，但在局部時(shí)段出現(xiàn)了畸變點(diǎn)；經(jīng)過修正后的最終預(yù)測(cè)值就更加接近于實(shí)測(cè)值，基本趨于重合。通過仔細(xì)觀察可以發(fā)現(xiàn)即使是修正后的預(yù)測(cè)值在某些時(shí)段依然存在較大誤差，此現(xiàn)象的出現(xiàn)可能是由于該時(shí)段外界條件的急劇變化增強(qiáng)了光伏系統(tǒng)的非線性特性所致。

3.2 誤差分析

縱觀全時(shí)段可以看出，所提出的預(yù)測(cè)模型較高精度地反應(yīng)了作為研究對(duì)象的光伏系統(tǒng)外界條件與輸出功率之間的映射關(guān)系。預(yù)測(cè)誤差近似服從正態(tài)分布，其均值為0，其方差為σ2=0.960 4，如圖11所示。

圖8 歷史數(shù)據(jù)波動(dòng)量統(tǒng)計(jì)圖

圖9 40～75段內(nèi)輸出功率預(yù)測(cè)值

圖10 40～75段內(nèi)輸出功率和實(shí)際值

圖11 預(yù)測(cè)誤差概率分布

由圖11可知，預(yù)測(cè)相對(duì)誤差e主要集中于∣e∣≤4.4% 之間。如果誤差落在Δei內(nèi)的概率為pi，

則Pi可以用公式(10)來計(jì)算。

(10)

由式(10)計(jì)算可得誤差在∣e∣≤4.4%內(nèi)的概率為0.958 7，大于4.4%的概率僅為0.041 3。

4 結(jié) 論

提出了以傳統(tǒng)反傳播神經(jīng)網(wǎng)絡(luò)作為建?；A(chǔ)，建立光伏系統(tǒng)出力初步預(yù)測(cè)模型，再利用歷史出力波動(dòng)量統(tǒng)計(jì)規(guī)律對(duì)其初步預(yù)測(cè)結(jié)果進(jìn)行修正建立預(yù)測(cè)模型，對(duì)未來短期內(nèi)相應(yīng)時(shí)刻的光伏系統(tǒng)出力進(jìn)行預(yù)測(cè)。算例結(jié)果說明，該預(yù)測(cè)模型顯著提高了預(yù)測(cè)精度，較好地模擬了現(xiàn)場(chǎng)光伏系統(tǒng)的實(shí)際情況，為從預(yù)測(cè)太陽(yáng)輻照強(qiáng)度、溫度到預(yù)測(cè)功率提供了一種良好的方法。對(duì)于研究大規(guī)模光伏系統(tǒng)出力預(yù)測(cè)具有一定的應(yīng)用價(jià)值。

[1] 李乃永,梁軍,趙義術(shù).并網(wǎng)光伏電站的動(dòng)態(tài)建模與穩(wěn)定性研究[J].中國(guó)電機(jī)工程學(xué)報(bào),2011,3l(10):12-18.

[2] 李晶,許洪牮,趙海翔,等.并網(wǎng)光伏電站動(dòng)態(tài)建模及仿真分析[J].電力系統(tǒng)自動(dòng)化,2008,32(24):83-87.

[3] 郭立,晁勤,袁鐵江,等．基于工程模型的光伏建模與輸出特性仿真[J].四川電力技術(shù),2011,34(5):89-91.

[4] 張艷霞,趙杰,鄧中原.太陽(yáng)能光伏發(fā)電并網(wǎng)系統(tǒng)的建模和仿真[J].高電壓技術(shù),2010,36(12):3097-3012.

[5] 戴武昌,孔令國(guó),崔柱.大規(guī)模光伏并網(wǎng)發(fā)電系統(tǒng)建模與運(yùn)行分析[J].中國(guó)電力,2012,45(2):58-63.

[6] 茆美琴,蘇建徽,張國(guó)榮,等.大型光伏并網(wǎng)系統(tǒng)的建模與仿真[J].合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版,2005,28(9):1069-1072.

[7] Tamotsu Ninomiya,Akira Takeuchi.AnaIysis of Beat Phenomenon and Chaotic Oscillation in Resonant Switching Converters[J].lndustriat Electronscs,Control ant Instrumentation,1991(1):417-422.

[8] Nagy I.，Denes I.,Hamar J.,et al.Small-signal AnaIysis of a Dual Channel Resonant Buck and Boost Converter[C].Industrial Electronics,2002,ISIE 2002,Proceedings of the 2002 IEEE InternationaI Symposiumon,2002,(4):1279-1284.

[9] 李煒,朱新堅(jiān),曹廣益.基于一種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)光伏電池建模[J].計(jì)算機(jī)仿真,2006,23(7):228-290.

[10] 郭亮,陳維榮,賈俊波,等.基于粒子群算法的BP神經(jīng)網(wǎng)絡(luò)光伏電池建模[J].電工電能新技術(shù),2011,30(2):84-87.

[11] 張艷霞,趙杰.基于反饋型神經(jīng)網(wǎng)絡(luò)的光伏系統(tǒng)發(fā)電功率預(yù)測(cè)[J].電力系統(tǒng)保護(hù)與控制,2011,39(15)：96-101.

[12] 栗然,李廣敏.基于支持向量機(jī)回歸的光伏發(fā)電出力預(yù)測(cè)[J].中國(guó)電力,2008,41(2)：74-77.