褚華宇，高志強，盛四清

（1.華北電力大學，河北 保定 071003；2.國網(wǎng)河北省電力公司電力科學研究院，石家莊 050021）

近年來，全國多次出現(xiàn)長時間、大范圍霧霾天氣，秋冬季節(jié)尤為嚴重。如何在現(xiàn)階段環(huán)境水平下更加安全有效的利用清潔能源發(fā)電、減少火力發(fā)電對環(huán)境的威脅成為現(xiàn)今的重要任務之一。而光伏功率發(fā)電技術因其清潔無污染、可再生的優(yōu)點，得到了人們越來越多的關注。對于光伏功率發(fā)電技術而言，保證光伏功率的穩(wěn)定性是十分重要的功率并網(wǎng)指標。精確的光伏功率預測技術有利于光伏發(fā)電調度的優(yōu)化、電網(wǎng)運行成本的降低、系統(tǒng)旋轉備用容量的降低、電網(wǎng)安全水平的提高［1］，同時可以為電網(wǎng)提供調度依據(jù)，提前針對光伏功率的變化波動做出應對措施，從而提高對光伏發(fā)電系統(tǒng)的控制水平，保證光伏發(fā)電的穩(wěn)定性和安全性，為清潔能源的進一步應用提供基礎。

以下針對頻繁出現(xiàn)的霧霾天氣的影響，同時考慮天氣狀況、風速、相對濕度、溫度、光照強度以及光伏組件的清潔度等多種因素，提出一種比較實用、精確的光伏功率預測方法，并將光伏功率預測結果與實際光伏功率輸出進行比較分析，驗證該方法的可行性和實用性。

1 光伏電池的原理

光伏電池是太陽能光伏發(fā)電技術的核心元件，通過半導體的光生伏打效應原理將太陽輻射能轉化為電能。光伏電池的原理示意見圖1。

圖1 光伏電池原理圖

根據(jù)光伏電池原理圖可以得到標準試驗條件，即溫度為25℃，光照強度為1 000W／m2下的光伏組件輸出電流方程［2－7］：

式中：q為電子電荷，C；A為P－N 結理想因子；K為波爾茲曼常數(shù)，K＝1.38×10－23，J／K；T為絕對溫度，K；I0為P－N結的反向飽和電流，A；Iph為光生電流，A；S為光照強度，W／m2；Isc為 標準測試條件下光伏電池的短路電流，A；Kt為短路電流溫度系數(shù)，A／K。

2 光伏功率的影響因素

2.1 直接影響因素

根據(jù)光伏電池的發(fā)電原理，由公式（1）－（3）所示關系可知，光照強度和溫度對光伏發(fā)電功率有很大的影響，是光伏功率的直接影響因素。光照強度越強，則越有利于光伏功率的輸出。文獻［8－9］指出，電池組件的光電轉換效率隨溫度的增加而下降，運行時電池溫度高于標準測試條件溫度，輸出功率將會減少。但是，以上公式是在標準試驗條件下推導得到的，當實際環(huán)境與標準實驗條件不一致時，該公式的誤差會很大。此外，公式中的光照強度為實際輻射到半導體元件上的光照強度，即實際光照強度，而實際輻射到光伏電池上的光照強度難以直接測量和預測，只能根據(jù)氣象預報給出的理論光照強度，結合后文所述環(huán)境因素的綜合影響進行預測，因此利用公式（1）－（3）不能準確預測光伏發(fā)電功率。

2.2 間接影響因素

2.2.1 霧霾

自2013年以來，霧霾天氣大范圍頻繁出現(xiàn)，據(jù)中國氣象局統(tǒng)計，2013年全國平均霧霾天數(shù)達29.9天，2013年1－2月，石家莊市出現(xiàn)霧霾天氣49天。對依賴太陽輻射能發(fā)電的光伏發(fā)電技術而言，霧霾的影響不容忽視，因此，光伏功率預測技術也不能忽視霧霾這一重要影響因素。霧霾天氣對光伏功率的影響是間接的，其直接影響的是光照強度的大小，進而間接影響光伏發(fā)電功率的大小。在霧霾天氣狀況下，空氣中PM2.5濃度增大，加之空氣中水汽含量增加，使太陽輻射難以透過，極大地削弱和阻擋了光伏電池對太陽輻射能的吸收。另一方面，霧霾天氣狀況下，空氣污染嚴重，使光伏電池組件表面灰塵、污垢覆蓋加劇，使得光伏電池可利用太陽輻射能進一步減少。

石家莊市2013年12月22－28日氣象統(tǒng)計數(shù)據(jù)見表1，如圖該市22－24日為霧霾天氣，26－28日為晴天；圖2為對應的該市實際光伏發(fā)電功率曲線圖。由圖2可知，霧霾天氣與非霧霾天氣下，光伏發(fā)電功率的輸出值相差很大，從而說明，霧霾對光伏發(fā)電功率的影響不能忽視，因此霧霾在光伏功率預測中也是需要考慮的因素。

表1 石家莊市2013年12月22－28日氣象統(tǒng)計表

圖2 光伏發(fā)電功率曲線圖

2.2.2 光伏組件清潔度

由于光伏組件暴露在外部環(huán)境下，加之在環(huán)境污染、PM2.5濃度超標的情況下，使光伏電池組件表面容易被灰塵和污垢覆蓋，這些覆蓋物會阻礙光伏電池對其表面接收的光照強度的有效利用，進而降低光伏功率的輸出，不能最大限度利用太陽能。圖3為現(xiàn)場實際拍攝的光伏組件清潔時與灰塵覆蓋時的清潔度對比圖。文獻［10］指出，灰塵等覆蓋物使光伏電站的效率降低到原值的75%～98%，文獻［11］指出，八達嶺太陽能熱發(fā)電示范電站的試驗驗證，太陽能反射玻璃鏡每隔2～3天清潔系數(shù)就會下降0.01。

圖3 光伏組件清潔度對比圖

2.2.3 相對濕度

大氣中相對濕度一旦增大，空氣中的水汽對太陽輻射的削弱將增加，是光伏功率輸出減小，因而相對濕度增加不利于光伏功率的輸出［12］。

2.2.4 風速

風速對光伏組件的功率輸出的影響，主要體現(xiàn)在對霧霾天氣的消散、光伏組件的清潔度和云量的影響上。風速增大有利于云量的消散及電池組件接收到的輻射能的增加，同時對霧霾等污染狀況的消散十分有利，既有利于太陽輻射能投射到光伏電池表面，又減少了電池組件的灰塵沉積及污垢遮擋作用，從而使太陽能電池組件接收到更多的太陽輻射能，提高光伏輸出功率。

2.2.5 天氣狀況

云量是表征天空遮蔽程度的氣象因子，根據(jù)氣象常識，天氣狀況“晴”、“少云”、“多云”、“陰”的確定是根據(jù)天空中云量的多少和遮擋作用的大小來確定的。不同的天氣狀況，云的遮擋作用不同，太陽輻射到地面的能量不同，因而天氣狀況的不同會使光伏輸出功率不同，云量的增加或減少會相應地引起地面太陽輻射的減少或增加，進而使光伏功率呈現(xiàn)減少或增多的變化。

3 人工智能神經(jīng)網(wǎng)絡預測方法

根據(jù)以上對光伏功率影響因素的分析，可以看出影響光伏功率的因素較多而且關系復雜，是一個多影響因素的復雜非線性問題，難以直接建立精確數(shù)學模型進行描述。通過建立BP 神經(jīng)網(wǎng)絡模型，計及霧霾、光伏電池組件清潔度、相對濕度、風速、天氣狀況、理論光照強度、溫度對光伏功率的影響，預測光伏組件的輸出功率。

在訓練神經(jīng)網(wǎng)絡模型前，首先對歷史數(shù)據(jù)進行預處理，即將明顯錯誤的數(shù)據(jù)進行剔除或修正，將缺少的數(shù)據(jù)進行補充或修正。預處理結束后，采用公式（4）對數(shù)據(jù)進行歸一化處理，歸一化處理后的數(shù)據(jù)則可以作為訓練集數(shù)據(jù)使用。

式中：X為歸一化處理后的數(shù)據(jù)；x為歸一化處理前的數(shù)據(jù)；xmin為變量的最小值；xmax為變量的最大值。

神經(jīng)網(wǎng)絡的訓練集選取被預測日前至少一個月每天的霧霾指數(shù)、光伏電池組件清潔度、相對濕度、風速、天氣狀況、理論光照強度、溫度的統(tǒng)計信息作為訓練集輸入數(shù)據(jù)，以對應的每天光伏功率輸出實際統(tǒng)計數(shù)據(jù)作為神經(jīng)網(wǎng)絡訓練集的輸出數(shù)據(jù)。根據(jù)經(jīng)驗，采用公式（5）確定隱層節(jié)點數(shù)，經(jīng)驗公式如下［15］：

式中：m為隱層節(jié)點數(shù)；n為 輸入層節(jié)點數(shù)；l為輸出節(jié)點數(shù)。

選用Trainlm 訓練方法，開始訓練神經(jīng)網(wǎng)絡模型，訓練結束后，獲得BP神經(jīng)網(wǎng)絡模型，將被預測日的霧霾指數(shù)、光伏電池組件清潔度、相對濕度、風速、天氣狀況、理論光照強度、溫度數(shù)據(jù)作為模型的輸入數(shù)據(jù)，運行該BP神經(jīng)網(wǎng)絡模型，獲得被預測日的光伏功率預測值。光伏功率預測流程如圖4所示。

4 算例分析

圖4 光伏功率預測流程

根據(jù)上述方法，取石家莊某光伏電站2013年12月1日至2014年1月21日共51天的歷史實測數(shù)據(jù)，包括霧霾指數(shù)（以空氣質量指數(shù)AQI表征）、天氣狀況、風速、相對濕度、溫度、光照強度、光伏電池組件清潔度數(shù)據(jù)作為訓練模型的輸入；相應的取該51天的實際光伏功率輸出作為訓練模型的輸出。

該預測模型設計的BP 神經(jīng)網(wǎng)絡采用3 層結構，輸入量為77個，輸出量為108個，根據(jù)上述經(jīng)驗公式（5）及實際預測結果的比較，確定隱層節(jié)點數(shù)為92個。經(jīng)過訓練獲得BP神經(jīng)網(wǎng)絡模型。為了預測2014年1月22日的光伏功率，需要將1月22日的環(huán)境影響因素數(shù)據(jù)讀入上述神經(jīng)網(wǎng)絡模型，輸入數(shù)據(jù)如表2所示，該表中所列數(shù)據(jù)為當日8時至18時光伏功率影響因素的變化值，將這些影響因素數(shù)據(jù)輸入已經(jīng)訓練完成的神經(jīng)網(wǎng)絡模型，即可得到光伏功率的預測結果。

表2 神經(jīng)網(wǎng)絡模型輸入數(shù)據(jù)表

光伏功率預測結果如圖5所示，直線表示的曲線為光伏功率的實際功率，預測曲線1（點劃線）表示的是不考慮霧霾的情況下神經(jīng)網(wǎng)絡模型的功率預測結果，預測曲線2（星形線）表示的是計及霧霾因素的影響時，神經(jīng)網(wǎng)絡模型的預測結果。根據(jù)預測結果可知，預測曲線2更加接近實際光伏功率曲線，尤其是在峰值附近，計及霧霾因素的光伏功率預測方法更加精確，優(yōu)勢更加明顯。根據(jù)預測結果，利用公式（6）對光伏功率的預測誤差進行計算。

式中：p2為計及霧霾影響的光伏功率預測值；p0為光伏功率實際功率值。

根據(jù)計算結果發(fā)現(xiàn)預測誤差基本保持在15%以內(nèi)，只有個別點誤差超過20%，比不考慮霧霾的情況下光伏功率預測結果更準確。

圖5 光伏功率預測曲線與實際功率曲線對比圖

5 結論

光伏發(fā)電技術具有結構簡單，易于安裝運輸，建設周期短，維護簡單，清潔、安全、無噪聲，可靠性高，應用范圍廣等優(yōu)點，是理想的可再生能源。但是，由于光伏發(fā)電功率隨著環(huán)境因素的變化會產(chǎn)生隨機的波動，這種發(fā)電方式在接入電網(wǎng)后會對電網(wǎng)的安全和管理帶來一系列的問題，所以能夠較為準確的提前對光伏發(fā)電系統(tǒng)的出力做出預測變得尤為重要。計及霧霾影響的光伏功率預測方法考慮了現(xiàn)階段環(huán)境因素中不容忽視的霧霾因素對光伏功率的影響，使光伏功率預測技術考慮的影響因子更加全面、更加貼近實際情況，有利于更加精確地光伏功率預測技術的實現(xiàn)。精確的光伏功率預測技術不僅可以為電網(wǎng)的調度及安全運行提供了依據(jù)，同時也將為新能源技術、分布式電源技術、微電網(wǎng)技術的發(fā)展與應用推廣奠定基礎，進一步深入研究光伏功率的特點，借鑒應用不同的功率預測技術，相信可以實現(xiàn)更加精確的光伏功率預測，為可再生能源及清潔能源發(fā)電技術的應用做出貢獻。

［1］李春來，朱慧敏，景滿德，等.并網(wǎng)型光伏電站功率預測方法探討［J］.電工和技術，2010，12：27－28.

［2］林梅軍.計及光伏預測的配電網(wǎng)潮流計算［D］.山東：山東大學，2012.

［3］鄭 意，趙志剛，茍向峰.基于simulink的太陽能光伏電池的建模及輸出特性仿真研究［J］.蘭州交通大學學報，2013，32（1）：97－100.

［4］趙亞妮，王 翔.基于simulink的光伏電池組件建模及仿真研究［J］.電腦知識與技術，2013，9（13）：3202－3205.

［5］吳茜瓊，常曉穎.基于Matlab／Simulink的太陽能電池特性分析［J］.華北水利水電學院學報，2010，31（5）：90－92.

［6］李 琪，楊衛(wèi)波，孔玲玲.太陽能光伏電池輸出特性的理論分析［J］.揚州大學學報（自然科學版），2013，16（1）：42－45.

［7］范發(fā)靖，袁曉玲.基于Matlab的光伏電池建模方法的比較［J］.機械制造與自動化，2012（2）：157－163.

［8］王建軍.太陽能光伏發(fā)電應用中的溫度影響［J］.青海師范大學學報（自然科學版），2005（1）：28－30.

［9］楊靜濤，賈暉杰，呂國東.并網(wǎng)光伏電站發(fā)電量影響因素分析［J］.太陽能，2013（17）：40－42.

［10］史君海，孫麗兵，張麗瑩.提高并網(wǎng)光伏發(fā)電效率分析與建議［J］.電力與能源，2013，34（4）：402－404.

［11］黃 湘，葛文剛，禹 超.太陽能光伏電站涉及影響因素分析［J］.華電技術，2013，35（2）：79－82.

［12］劉玉蘭，孫銀川，桑建人，等.影響太陽能光伏發(fā)電功率的環(huán)境氣象因子診斷分析［J］.水電能源科學，2011，29（12）：200－202.