常學(xué)飛，楊薏霏，王志煜，李德鑫，袁 野

（1.國(guó)網(wǎng)吉林省電力有限公司電力科學(xué)研究院，長(zhǎng)春 130021；2.國(guó)網(wǎng)長(zhǎng)春供電公司，長(zhǎng)春 130021；3.國(guó)網(wǎng)通化供電公司，吉林 通化 134001）

隨著大型光伏電站的并網(wǎng)運(yùn)行，光伏發(fā)電的間歇性和波動(dòng)性等特性，給電力調(diào)度工作帶來(lái)了許多困難和挑戰(zhàn)［1］。建立光伏發(fā)電功率預(yù)測(cè)系統(tǒng)，對(duì)保持電力系統(tǒng)安全穩(wěn)定具有重要意義。

對(duì)于光伏發(fā)電功率的預(yù)報(bào)，目前大多數(shù)依靠衛(wèi)星圖片和氣象數(shù)據(jù)，預(yù)報(bào)主要依靠多年的太陽(yáng)輻射的歷史數(shù)據(jù)以及精確計(jì)算地表太陽(yáng)輻射。根據(jù)預(yù)測(cè)的時(shí)間尺度可分為超短期預(yù)測(cè)、短期（日前）預(yù)測(cè)、中長(zhǎng)期預(yù)測(cè)。超短期預(yù)測(cè)［2-3］一般預(yù)報(bào)時(shí)效為0～4h，主要采用數(shù)理統(tǒng)計(jì)方法、物理統(tǒng)計(jì)綜合方法，用于修正日前計(jì)劃曲線；日前預(yù)測(cè)預(yù)報(bào)時(shí)效一般0～24h，以數(shù)值天氣預(yù)報(bào)方法為主，主要用于電力系統(tǒng)的功率平衡和經(jīng)濟(jì)調(diào)度、日前計(jì)劃制定、電力市場(chǎng)交易等；中長(zhǎng)期預(yù)測(cè)主要用于系統(tǒng)的檢修安排，發(fā)電量的預(yù)測(cè)等。

針對(duì)超短期預(yù)測(cè)，采用的預(yù)測(cè)方式為間接預(yù)測(cè)法和直接預(yù)測(cè)法同時(shí)進(jìn)行，采用統(tǒng)計(jì)建模方案［4］建立短期預(yù)測(cè)模型。間接預(yù)測(cè)法以光伏電站環(huán)境監(jiān)測(cè)站歷史氣象數(shù)據(jù)為基礎(chǔ)，運(yùn)用BP－ANN（反向傳播－人工神經(jīng)網(wǎng)絡(luò)）統(tǒng)計(jì)法建立統(tǒng)計(jì)預(yù)測(cè)模型，輸入環(huán)境監(jiān)測(cè)站實(shí)時(shí)氣象數(shù)據(jù)獲得輻射超短期預(yù)報(bào)，然后通過(guò)光電能量轉(zhuǎn)換模型獲得超短期光伏功率預(yù)測(cè)。直接預(yù)測(cè)法以光伏電站歷史運(yùn)行功率數(shù)據(jù)和環(huán)境監(jiān)測(cè)站歷史氣象數(shù)據(jù)為基礎(chǔ)，運(yùn)用BP－ANN神經(jīng)網(wǎng)絡(luò)統(tǒng)計(jì)法建立統(tǒng)計(jì)預(yù)測(cè)模型，并以光伏電站實(shí)時(shí)功率數(shù)據(jù)和環(huán)境監(jiān)測(cè)站實(shí)時(shí)氣象數(shù)據(jù)為輸入，實(shí)現(xiàn)超短期光伏發(fā)電功率預(yù)測(cè)［5-7］。

1 BP－ANN法

BP－ANN是一種多層前饋神經(jīng)網(wǎng)絡(luò)，源于網(wǎng)絡(luò)權(quán)值的調(diào)整規(guī)則采用的是后向傳播學(xué)習(xí)算法，即BP學(xué)習(xí)算法。BP－ANN原理如圖1所示。網(wǎng)絡(luò)的信號(hào)傳送由正向傳播與反向傳播兩部分組成，在正向傳播階段，學(xué)習(xí)樣本送入輸入層，經(jīng)隱層逐層運(yùn)算后，傳至輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)，如果在輸出層沒有得到期望的輸出結(jié)果，即網(wǎng)絡(luò)的實(shí)際輸出與期望輸出之間存在誤差，則計(jì)算輸出層的誤差變化值，然后進(jìn)入誤差反向傳播階段，這時(shí)誤差信號(hào)沿著原來(lái)的連接從輸出層返回至輸入層，并逐層調(diào)整連接權(quán)值，以使誤差達(dá)到最小。

圖1 BP－ANN原理示意圖

2 基于BP－ANN的光伏功率預(yù)測(cè)模型

采用BP－ANN對(duì)光伏電站的輻射進(jìn)行預(yù)測(cè)，再通過(guò)電站實(shí)際運(yùn)行的功率曲線將輻射能轉(zhuǎn)化為電能，以實(shí)現(xiàn)對(duì)光伏電站輸出功率的預(yù)測(cè)。BP－ANN選取經(jīng)典的三層網(wǎng)絡(luò)結(jié)構(gòu)，包括一個(gè)輸入層、一個(gè)隱層、一個(gè)輸出層，BP－ANN基本結(jié)構(gòu)如圖2所示。

以各個(gè)光伏電站的輻射環(huán)境監(jiān)測(cè)站歷史數(shù)據(jù)為訓(xùn)練樣本集，分季節(jié)天氣訓(xùn)練分別建立BP－ANN模型；輸入信號(hào)歸一化處理，以歸一化后的環(huán)境監(jiān)測(cè)站實(shí)測(cè)數(shù)據(jù)作為輸入數(shù)據(jù)，經(jīng)BP－ANN模型模擬，獲得預(yù)測(cè)的輻射等氣象數(shù)據(jù)。

風(fēng)速歸一化方法：

式中：vU為歸一化后的風(fēng)速值；vt為數(shù)值天氣預(yù)報(bào)系統(tǒng)預(yù)測(cè)的風(fēng)速值；vmax為氣象觀測(cè)的歷史最大風(fēng)速。

風(fēng)向歸一化方法：風(fēng)向可能在0°～360°之間變化，取風(fēng)向的正弦值或余弦值可實(shí)現(xiàn)0～1的映射，但是單一的正弦值或余弦值不能完全區(qū)分0°～360°的所有風(fēng)向，風(fēng)向的正弦值和余弦值結(jié)合在一起可以區(qū)分所有的風(fēng)向，因此輸入神經(jīng)網(wǎng)絡(luò)的風(fēng)向?yàn)閮蓚€(gè)值，一個(gè)為風(fēng)向的正弦值，一個(gè)為余弦值。

圖2 BP－ANN光伏功率預(yù)測(cè)結(jié)構(gòu)圖

氣溫歸一化方法：氣溫有正有負(fù)，所以要取絕對(duì)值的最大值進(jìn)行歸一化，如下式所示：

式中：Tt為歸一化后的氣溫值，為數(shù)值天氣預(yù)報(bào)預(yù)測(cè)的氣溫；｜Tt｜max為氣象觀測(cè)的氣溫絕對(duì)值的最大值。

氣壓、濕度、輻射的歸一化采用和風(fēng)速歸一化類似的方法，取氣象觀測(cè)的最大值進(jìn)行歸一化。

3 預(yù)測(cè)流程

采用統(tǒng)計(jì)方法實(shí)現(xiàn)光伏電站超短期輸出功率預(yù)測(cè)。首先，基于統(tǒng)計(jì)率定實(shí)現(xiàn)對(duì)光伏電站的地面短波輻射預(yù)測(cè)，通過(guò)光電能量轉(zhuǎn)化模型，實(shí)現(xiàn)光能與電能間的轉(zhuǎn)化，并最終實(shí)現(xiàn)光伏電站的輸出功率預(yù)測(cè)。間接預(yù)測(cè)法流程如圖3所示。

此外，對(duì)于暫不具備環(huán)境監(jiān)測(cè)站實(shí)時(shí)數(shù)據(jù)條件的光伏電站超短期預(yù)測(cè)功能需求，采用直接預(yù)測(cè)法，通過(guò)BP－ANN技術(shù)率定統(tǒng)計(jì)預(yù)測(cè)模型實(shí)現(xiàn)。直接預(yù)測(cè)法流程如圖4所示。

4 預(yù)測(cè)誤差評(píng)估

光伏發(fā)電功率預(yù)測(cè)誤差評(píng)估指標(biāo)主要包括均方根誤差、平均相對(duì)誤差、相關(guān)性系數(shù)。均方根誤差nRMSE：

圖3 超短期間接預(yù)測(cè)法流程

圖4 超短期直接預(yù)測(cè)法流程

式中：PMi為i時(shí)刻的實(shí)際功率；PPi為i時(shí)刻的預(yù)測(cè)功率；Cap為光伏電站總裝機(jī)開機(jī)容量；n為所有樣本個(gè)數(shù)。

平均相對(duì)誤差nMRE：

5 實(shí)例應(yīng)用

應(yīng)用上述方法對(duì)某10MW光伏電站進(jìn)行光電功率超短期預(yù)測(cè)，并與光伏電站實(shí)時(shí)在線監(jiān)測(cè)進(jìn)行對(duì)比，預(yù)測(cè)曲線如圖5所示?？梢?，超短期預(yù)測(cè)結(jié)果與實(shí)測(cè)功率趨勢(shì)一致，一定程度上能夠捕捉功率的跳變。

表1給出了該光伏電站2012年7月1日至2012年8月1日之間的預(yù)測(cè)結(jié)果總體統(tǒng)計(jì)分析數(shù)據(jù)。該結(jié)果不包括對(duì)夜間光伏電站出力為零時(shí)段的統(tǒng)計(jì)。可見，超短期預(yù)測(cè)結(jié)果與實(shí)測(cè)數(shù)據(jù)的相關(guān)系數(shù)達(dá)到95.41%，超短期預(yù)測(cè)結(jié)果的均方根誤差為10.98%、平均相對(duì)誤差為7.49%，統(tǒng)計(jì)指標(biāo)結(jié)果均較小，說(shuō)明預(yù)測(cè)的合格率比較高，能夠滿足應(yīng)用的要求。

圖5 超短期直接預(yù)測(cè)法預(yù)測(cè)曲線

6 結(jié)論

本文根據(jù)光伏電站并網(wǎng)調(diào)度運(yùn)行工作的實(shí)際需求，研究了基于BP－ANN的光伏發(fā)電功率超短期預(yù)測(cè)方法，預(yù)測(cè)流程及預(yù)測(cè)誤差評(píng)估，并將方法實(shí)際應(yīng)用，通過(guò)與實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)對(duì)比，表明所述光伏電站發(fā)電功率超短期預(yù)測(cè)方法誤差較小，合格率較高，能夠滿足應(yīng)用的要求，體現(xiàn)了其在光伏電站并網(wǎng)調(diào)度運(yùn)行中應(yīng)用的可行性和有效性。

［1］李冬輝，王鶴雄，朱曉丹，等.光伏并網(wǎng)發(fā)電系統(tǒng)幾個(gè)關(guān)鍵問題的研究［J］.電力系統(tǒng)保護(hù)與控制，2010，38（21）：208－214.

［2］丁明，徐寧舟.基于馬爾可夫鏈的光伏發(fā)電系統(tǒng)輸出功率短期預(yù)測(cè)方法［J］.電網(wǎng)技術(shù)，2011，35（1）：152－157.

［3］CAI Tao，DUAN Shan－xu，CHEN Chang－song.Forecasting power output for grid－connected photovoltaic power system without using solar radiation measurement［C］／／2ndInternational Symposium on Power Electronics for Distributed Generation Systems（PEDG 2010），Hefei，China，2010，274－278.

［4］杜曉寧，席裕庚，李少遠(yuǎn).分布式預(yù)測(cè)控制優(yōu)化算法［J］.控制理論與應(yīng)用，2002，19（5）：793－796.

［5］徐維.并網(wǎng)光伏發(fā)電系統(tǒng)數(shù)學(xué)模型研究與分析［J］.電力系統(tǒng)保護(hù)與控制，2010，38（10）：17－21.

［6］張洋，李強(qiáng)，李朝暉，等.光伏－儲(chǔ)能聯(lián)合微網(wǎng)系統(tǒng)工程方案設(shè)計(jì)［J］.電力系統(tǒng)保護(hù)與控制，2010，38（23）：212－214.

［7］陳昌松，段善旭，殷進(jìn)軍.基于神經(jīng)網(wǎng)絡(luò)的光伏陣列發(fā)電預(yù)測(cè)模型的設(shè)計(jì)［J］.電工技術(shù)學(xué)報(bào)，2009，24（9）：153－158.