李浩銘

摘 ?要：對于分布式光伏發(fā)電出力情況進行預測是設計光伏電站的必須參考數(shù)據(jù)，為光伏電源的接入和電力系統(tǒng)的優(yōu)化提供可靠的依據(jù)。本文分析了分布式光伏發(fā)電出力的特性和預測方法，簡述了小波神經(jīng)網(wǎng)絡的結構和預測原理，并在最后以厚田沙漠光伏生態(tài)園5MWp光伏電站的發(fā)電出力數(shù)據(jù)為主要研究對象，研究了小波神經(jīng)網(wǎng)絡對分布式光伏發(fā)電出力的預測情況。

關鍵詞：小波神經(jīng)網(wǎng)絡;分布式光伏;發(fā)電出力預測

前言：

我國是太陽能資源較豐富的國家，非常適合光伏發(fā)電的發(fā)展，國家也對此實施大力的扶持政策，光伏發(fā)電也因此迎來高速發(fā)展時期。但是要想有效地實現(xiàn)光伏并網(wǎng)，對于電站的出力情況進行準確的預測是十分必要的，然而目前針對這一方向的研究較少，也因此在一定程度上阻礙了光伏發(fā)電的發(fā)展。

一、分布式光伏發(fā)電出力特性

分布式光伏發(fā)電出力會受到氣候、光照等外界客觀因素的影響較大，具有一定的隨機性和間歇性，并且具有概率分布的典型特點，除了易受自然因素的影響，還會受到鄰近的電力負荷和光伏的制約影響。根據(jù)分布式光伏發(fā)電出力的間歇性和隨機性的特性，國內外產(chǎn)生不少研究，通過不同氣候光伏出力分布的實驗，去除夜間光伏未發(fā)電出力的時間，分別對在晴天、多云、雨天、雨轉陰幾種氣候下的特性進行研究，表明分布式光伏發(fā)電出力會受到光照等氣候因素影響，同時還會受到時間、地理等因素的影響。間接法的特性是通過利用氣象、光照等數(shù)據(jù)條件對光伏發(fā)電出力建造模型，根據(jù)光伏發(fā)電出力原理，得到分布式的間接特性[1]。

二、分布式光伏發(fā)電出力預測方法

對于分布式光伏發(fā)電出力的預測方法一般分為直接預測法和間接預測法，直接預測法通常都是根據(jù)數(shù)據(jù)的規(guī)律進行預測，也稱為數(shù)據(jù)統(tǒng)計預測法，在這一預測方法中，通常先找出光伏發(fā)電出力的歷史數(shù)據(jù)，在其中尋找規(guī)律，通過規(guī)律確定理論再建立模型，在建模環(huán)節(jié)中主要使用的方法有時間序列預測法、灰色理論預測法等，數(shù)據(jù)統(tǒng)計預測法也在實驗中得到了很好的證明。隨著人工智能的發(fā)展，人工智能預測方法在分布式發(fā)電出力預測的方法中也較為常見，由于在統(tǒng)計發(fā)電出力的過程中需要用到大量的數(shù)據(jù)，數(shù)據(jù)范圍較廣，并且需要準確獲取，存在一定難度，但使用人工智能預測方法可以通過人工神經(jīng)網(wǎng)絡、多層感知器神經(jīng)網(wǎng)絡等進行預測，以這種人工智能方法算出的數(shù)據(jù)會更加精確，提高了整體預測的準確度。間接預測法主要是指在預測過程中不需要歷史數(shù)據(jù)的統(tǒng)計，而是直接根據(jù)天氣預報的數(shù)據(jù)就可以進行預測的方法，可以減少數(shù)據(jù)的統(tǒng)計難度，在間接預測法中常用數(shù)值天氣預報和基地云圖法，對于數(shù)值運算能力有很大的要求，通過設置邊界條件和初值，計算天氣演變的過程，進而預測未來的天氣狀況，從而實現(xiàn)預測分布式發(fā)電出力的目的。

三、小波神經(jīng)網(wǎng)絡的結構和預測原理

小波神經(jīng)網(wǎng)絡是小波變換和神經(jīng)網(wǎng)絡的結合，通常稱之為松散型結合，由小波變換和神經(jīng)網(wǎng)絡構成整個系統(tǒng)，主要結構為：在某一特定時域輸入信號，通過小波分解到小波域進行信號處理，再在小波域進行小波重構，經(jīng)過特定時域進入神經(jīng)網(wǎng)絡，最后輸出信號，整個結構中小波變換和神經(jīng)網(wǎng)絡是相對獨立但又緊密相連的。小波變換和神經(jīng)網(wǎng)絡的融合也被稱之為緊致型結合，在結構中緊致型小波神經(jīng)網(wǎng)絡組合模型是由小波函數(shù)構構造神經(jīng)網(wǎng)絡多形成的小波網(wǎng)絡，在這一結構中，可以自行調整小波函數(shù)的形狀以適應實際，可以實現(xiàn)小波變換。在小波神經(jīng)網(wǎng)絡光伏出力預測中，以小波變換原理為基礎，將小波分解和重構的方法作為前置的手段，根據(jù)預測時的天氣等自然情況，選擇合適的樣本，構建小波神經(jīng)網(wǎng)絡光伏出力預測模型，根據(jù)實驗得出的數(shù)據(jù)求得預測的情況。以晴天為例，在晴天條件下對模型進行預測研究，先輸入歷史數(shù)據(jù)，在晴天下降小波變換得到的樣本進行分解，再進行小波重構，通過不同的處理方式得到不同的小波神經(jīng)網(wǎng)絡預測結果，將得到的結構序列進行疊加，得到最終結果，以此得到預測情況[2]。

四、基于小波神經(jīng)網(wǎng)絡在分布式光伏發(fā)電出力預測的應用

分布式光伏發(fā)電出力具有較強的隨機性和波動性，在對其進行預測時難度較大，如果沒有選擇正確的預測方法，預測結果會大打折扣。小波神經(jīng)網(wǎng)絡是將小波變換和神經(jīng)網(wǎng)絡兩種特點相結合形成的，在使用其預測時會更加的靈活，具有更強的容錯能力，所以小波神經(jīng)網(wǎng)絡更適用于分布式光伏發(fā)電出力的預測。但在小波神經(jīng)網(wǎng)使用的過程中較為復雜，由于復雜的情況下得到的結果也具有一定不準確性，所以為了更好地達到預測效果，可以使用簡化模型的辦法，根據(jù)不同的季節(jié)、月份甚至日期建立不同的預測模型，簡化操作的同時，提高預測的準確度。

在此以厚田沙漠光伏生態(tài)園為主要研究地點，5MWp光伏電站的發(fā)電出力數(shù)據(jù)為主要研究對象，對于進行預測研究，在此光伏電站中采用的光伏組件有2WMp的多晶硅和3WMp的薄膜，多晶硅組件的功率峰值為180Wp，開路電壓為44.9V，短路電流為5.46A，工作電壓為36.2V，工作電流為4.98A;薄膜電池組件的功率峰值為484Wp，開路電壓為291V，短路電流為2.56A，工作電壓為222V，工作電流為2.18A。整個的布置中，薄膜固定系統(tǒng)為3049.2kWp，多晶硅固定系統(tǒng)1695.24kWp，將組件的安裝方向固定位正南方向，安裝的傾斜角按照當?shù)氐?5度最佳的傾斜角設置，使薄膜光伏組件的單列組件按照前后間隔2米放置，多晶硅的組件按照前后間隔2.5米放置單列組件，確保在9點至15點這一時間段內組件可以全年不被遮擋。

在進行預測的過程中，采用簡化模型的方式，主要采取2012年第一季度一、二月份的數(shù)據(jù)，將其分成晴天、陰天、多云轉陰和雨這四種典型的 天氣進行分別建立模型操作，根據(jù)不同的天氣情況，對應不同的發(fā)電出力數(shù)據(jù)，采用上面介紹過的小波神經(jīng)網(wǎng)絡結構，以厚田沙漠光伏生態(tài)園的5MWp光伏電站的歷史數(shù)據(jù)為基礎，先將歷史數(shù)據(jù)進行分解，提取出光伏發(fā)電出力的系數(shù)，并且在分解的過程中注意做好消噪處理，并將分解后的單支信號進行重構，再將重構后的數(shù)據(jù)通過模型預測出發(fā)電出力值，結合不同的天氣情況和實際情況，采取合適的預測模型，爭取將預測結果最優(yōu)化。由于分布式光伏發(fā)電出力的特性，其受氣候條件的影響最為明顯，所以在實驗過程中要注意光照的不同影響，特別是采取的實驗對象厚田沙漠光伏生態(tài)園5MWp光伏電站處在四季分明的位置，光照情況好太陽的輻射角度都會隨著時間的變化而變化，各個月份的光照情況和光照時間不同，所以在樣本選擇中通常要選取8點到17點的10個光伏發(fā)電出力的數(shù)據(jù)，在模型中要輸入13個數(shù)據(jù)，包括日期、最高溫度、最低溫度和選取的10個發(fā)電出力值，以此得到準確完整的預測結果[3]。

通過預測結果對小波神經(jīng)網(wǎng)絡在分布式光伏發(fā)電出力預測中的應用進行總結，在晴天氣候條件下，由于傍晚的氣候變化較大、溫度較低，對于預測的精準度較低，使用小波神經(jīng)網(wǎng)絡預測時可以將局部特性較好的擬合，得到的預測結果精確度也較高，誤差也相對較小。在相同情況下的陰天樣本中，采用小波神經(jīng)網(wǎng)絡進行預測的誤差就較高，在8點和17點這兩個時間點的誤差尤為高，所以在陰天條件下小波神經(jīng)網(wǎng)絡在進行分布式光伏發(fā)電出力預測中發(fā)揮的作用就不是很大了。對于多云轉陰天氣下的樣本預測結果與在陰天下結果相似，由于在8點和17點數(shù)據(jù)較差過大，并且在高頻部分也存在較大誤差，造成整體預測結果不是很準確，在發(fā)電出力的預測中的參考意義不大。在中雨情況下產(chǎn)生的預測結果與多云轉陰是相近的，所以，根據(jù)整體實驗情況分析，在晴天情況下的小波神經(jīng)網(wǎng)絡對于分布式發(fā)電出力的預測準確度較高，在陰天、多云轉陰以及中雨情況下預測結果準確度較低，但能基本滿足發(fā)電系統(tǒng)規(guī)劃，具有一定參考價值。

結論：綜上所述，對于分布式光伏發(fā)電出力預測具有很重要的作用，既能夠有效降低光伏并網(wǎng)對電力系統(tǒng)造成的不良影響，又可以通過有效地預測提高電力系統(tǒng)的可靠性，為整個電力系統(tǒng)的發(fā)展和優(yōu)化提供科學、可靠的依據(jù)，并且通過對太陽能的使用，有效地達到可持續(xù)發(fā)展、節(jié)能環(huán)保的效果，促進整個社會的發(fā)展。

參考文獻：

[1]張浩，李樹金.分布式光伏發(fā)電的特性分析與預測方法綜述[J].科技風，2020（03）：182-183.

[2]丁明，劉志，畢銳，朱衛(wèi)平.基于灰色系統(tǒng)校正-小波神經(jīng)網(wǎng)絡的光伏功率預測[J].電網(wǎng)技術，2015，39（09）：2438-2443.

[3]姜強鑫.基于小波神經(jīng)網(wǎng)絡的分布式光伏發(fā)電出力預測[D].南昌大學，2012.