瞿誼 新疆維吾爾自治區(qū)石河子大學(xué)

1 介紹

發(fā)展可再生能源是目前解決能源危機(jī)的主要途徑，而可再生能源發(fā)電是最有效、最清潔的可再生能源利用方式，僅風(fēng)力發(fā)電將占全球電力需求的12%。微電網(wǎng)為可再生能源發(fā)電提供了一種新的運(yùn)行模式。但是，可再生能源的特點(diǎn)（如不穩(wěn)定，間斷性和不可控性等）給微電網(wǎng)集成與傳統(tǒng)的電網(wǎng)帶來了諸多挑戰(zhàn)：（1）微電網(wǎng)的儲能容量一般是額定負(fù)荷的2-3倍，頻繁充放電會縮短能量存儲設(shè)備的壽命；（2）合并后的調(diào)度策略難以預(yù)先安排；（3）削弱了可再生能源相對于傳統(tǒng)能源發(fā)電的競爭優(yōu)勢。

2 風(fēng)電功率預(yù)測的現(xiàn)狀

對低維非線性動態(tài)模型的分析表明：風(fēng)電發(fā)電輸出時間序列數(shù)據(jù)具有混沌特征。風(fēng)力發(fā)電預(yù)測一般包括風(fēng)速預(yù)測、功率曲線計算和模型輸出統(tǒng)計，其中最關(guān)鍵是風(fēng)速預(yù)測。由于溫度和壓力差，空氣密度和地形等因素的影響，使風(fēng)速成為最難預(yù)測的的氣象參數(shù)之一。根據(jù)預(yù)測的時間范圍，風(fēng)力發(fā)電預(yù)測可分為長期預(yù)測（3-10天）、中期預(yù)測（6-72h）、短期預(yù)測（0-6h）。所有的風(fēng)力發(fā)電預(yù)測模型都包括兩個階段：一、數(shù)據(jù)采集。二、數(shù)據(jù)處理。數(shù)據(jù)采集的目的是為預(yù)測模型提供輸入信息。在風(fēng)電功率預(yù)測中，最重要的信息是氣象參數(shù)和歷史風(fēng)電輸出數(shù)據(jù)。氣象參數(shù)來源于風(fēng)場周圍的測量設(shè)備（如氣象傳感器等）和氣象部門的氣象預(yù)報信息。目前，所有的風(fēng)電功率預(yù)測模型可大致分為兩類：間接預(yù)測與直接預(yù)測。

組合預(yù)測模型是一種特殊的統(tǒng)計模型，它通過從許多不同的預(yù)測技術(shù)中組合預(yù)測產(chǎn)生最佳的預(yù)測?；谘芯勘砻?，從一個適當(dāng)?shù)募项A(yù)測生成技術(shù)的綜合預(yù)測往往優(yōu)于其中的任何一個部分所產(chǎn)生的。它的基本思想是，如果不同方法產(chǎn)生的預(yù)測誤差是無偏的，且彼此之間的關(guān)聯(lián)度很低，那么個別預(yù)測中的隨機(jī)誤差往往會相互抵消，因此，預(yù)測的綜合誤差會比任何單項預(yù)測都要低；如果所有的輸入的預(yù)測是高度相關(guān)的整合的則影響將是最小的。這意味著，底層預(yù)測方法在如何構(gòu)建原始觀測數(shù)據(jù)與其預(yù)測之間的關(guān)系或確定輸入數(shù)據(jù)的類型或數(shù)量時必須取自顯著不同的幾個方面。有學(xué)者采用模糊神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測，模糊系統(tǒng)的輸出被用于構(gòu)建人工神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)，并通過構(gòu)建好的神經(jīng)網(wǎng)絡(luò)來進(jìn)行較準(zhǔn)確的風(fēng)速預(yù)測。而用統(tǒng)計和物理技術(shù)對風(fēng)速建立一個準(zhǔn)確的短期預(yù)測模型，預(yù)測的時間是48小時。并在此預(yù)測模型的基礎(chǔ)上，對輸入的數(shù)據(jù)，結(jié)合使用最近鄰搜索算法和粒子群算法確定一個最可能的預(yù)測值以減少預(yù)測誤差。

3 光伏發(fā)電預(yù)測的現(xiàn)狀

光伏發(fā)電是利用半導(dǎo)體界面的光生伏特效應(yīng)將太陽能直接轉(zhuǎn)換為電能的發(fā)電技術(shù)。到2030年底，可再生能源在能源結(jié)構(gòu)中的占比將達(dá)到30%，而光伏發(fā)電將占世界總能源需求的10%以上。相對于成熟的風(fēng)力發(fā)電預(yù)測技術(shù)，目前對光伏發(fā)電預(yù)測的研究還處于起步階段，在文獻(xiàn)中提出的方案還比較少。有專家采用雙正交小波分解的設(shè)計神經(jīng)網(wǎng)絡(luò)把太陽輻射分為小波空間信號，而壓縮信號系數(shù)用于設(shè)置應(yīng)用了修改的遞歸學(xué)習(xí)算法的預(yù)測神經(jīng)網(wǎng)絡(luò)的自適應(yīng)振幅結(jié)構(gòu)，并提出非線性自回歸神經(jīng)網(wǎng)絡(luò)的預(yù)測性能的改善流程。研究者提出了直接和間接兩種方法來預(yù)測下一天的光伏系統(tǒng)發(fā)電量。在間接預(yù)測方法中，先利用過去的天氣樣本對太陽輻射進(jìn)行預(yù)測，然后將估計的太陽輻射轉(zhuǎn)換成發(fā)電的功率；直接方法則利用系統(tǒng)運(yùn)行期間獲得的氣象及電力數(shù)據(jù)樣本直接預(yù)測光伏發(fā)電功率，相對來說直接法較好應(yīng)用。

4 結(jié)論

本文綜述了近10年來風(fēng)力發(fā)電和光伏發(fā)電預(yù)測技術(shù)，重點(diǎn)介紹了基于統(tǒng)計和人工智能技術(shù)的預(yù)測模型，并闡述了這些預(yù)測模型的優(yōu)缺點(diǎn)及其改進(jìn)方向。最后，對未來風(fēng)電和光伏發(fā)電的預(yù)測提出以下建議：在風(fēng)電功率預(yù)測中，間接預(yù)測誤差的一個重要原因是風(fēng)力發(fā)電機(jī)組提供的功率曲線直接將風(fēng)速轉(zhuǎn)化為功率輸出。但風(fēng)力發(fā)電機(jī)組提供的功率曲線是在一定條件下得到的，在任何情況下都不能準(zhǔn)確地描述風(fēng)速與功率輸出之間的關(guān)系。為了進(jìn)一步提高精度，應(yīng)根據(jù)實(shí)際情況采用統(tǒng)計方法等技術(shù)確定風(fēng)速與功率輸出的精確關(guān)系。

[1]唐敏,熊謀林,程乙峰.全球電力市場化改革與中國戰(zhàn)略[J].財經(jīng)問題研究, 2015(9):28-34.

[2]吳佳.集成光伏和儲能環(huán)節(jié)的微電網(wǎng)變換器控制方法研究[D].南京航空航天大學(xué), 2016.

[3]宋曉華,張宇霖, 李樂明.一種混合風(fēng)力發(fā)電的預(yù)測方法及系統(tǒng):,CN105930900A[P]. 2016.