楊 茂 ，申曉璇，顧大可，黃大為

(東北電力大學(xué)現(xiàn)代電力系統(tǒng)仿真控制與綠色電能新技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，吉林 吉林 132012)

光伏功率預(yù)測(cè)是以數(shù)值天氣預(yù)報(bào)(Numerical Weather Prediction，NWP)數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)為基礎(chǔ)，結(jié)合光伏電站地理坐標(biāo)及具體地域特點(diǎn)的參數(shù)化方案，建立預(yù)測(cè)模型及算法，實(shí)現(xiàn)對(duì)未來(lái)一定時(shí)間段內(nèi)光伏電站輸出功率的預(yù)測(cè).

數(shù)值天氣預(yù)報(bào)可提供未來(lái)一段時(shí)間內(nèi)各天氣現(xiàn)象以及大氣的運(yùn)動(dòng)狀態(tài)，其以實(shí)際的大氣狀態(tài)為基礎(chǔ)[1]，利用大型計(jì)算機(jī)求解在滿(mǎn)足一定初始值和閾值的情況下，各種天氣轉(zhuǎn)化過(guò)程的動(dòng)力學(xué)或者流體力學(xué)聯(lián)立的方程組[2].數(shù)值天氣預(yù)報(bào)的數(shù)據(jù)在光伏功率預(yù)測(cè)領(lǐng)域的作用至關(guān)重要.目前，數(shù)值天氣預(yù)報(bào)的精度還有待進(jìn)一步提升，選取合適的天氣變量對(duì)光伏預(yù)測(cè)的準(zhǔn)確性有很大影響，因此，對(duì)重要的天氣預(yù)報(bào)變量進(jìn)行修正，提高變量的準(zhǔn)確度以及變量與光伏功率的相依程度顯得尤為重要.現(xiàn)階段，就數(shù)值天氣預(yù)報(bào)修正的主要研究有建立人工神經(jīng)網(wǎng)絡(luò)[3]對(duì)失準(zhǔn)的NWP數(shù)據(jù)進(jìn)行修正，建立別爾梁德模型[4]對(duì)太陽(yáng)輻射進(jìn)行修正，用修正后的天氣預(yù)報(bào)對(duì)光伏功率進(jìn)行預(yù)測(cè).

對(duì)于天氣預(yù)報(bào)變量選取，大多都是通過(guò)采集數(shù)據(jù)進(jìn)行疊加，然后通過(guò)算法進(jìn)行預(yù)測(cè)，然而，過(guò)多的變量會(huì)增加模型的冗余度，低精度的預(yù)報(bào)變量也不能很好的預(yù)測(cè)光伏出力.因此，本文結(jié)合電站實(shí)測(cè)數(shù)據(jù)和NWP，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)，提出了一種數(shù)值天氣預(yù)報(bào)短波輻射修正辦法.采用Pearson系數(shù)選取與光伏功率正相關(guān)變量，減少修正模型的冗余度，提高修正的準(zhǔn)確率；利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)短波輻射進(jìn)行修正，更好的預(yù)測(cè)光伏功率；長(zhǎng)短期記憶網(wǎng)絡(luò)用來(lái)預(yù)測(cè)超短期光伏功率.最后，以某地區(qū)實(shí)際光伏電站的數(shù)據(jù)進(jìn)行案例分析，驗(yàn)證了所述方法的有效性.

1 NWP短波輻射與實(shí)測(cè)輻照度相關(guān)性分析

1.1 數(shù)值天氣預(yù)報(bào)數(shù)據(jù)介紹

Pearson相關(guān)系數(shù)[5]是一種用來(lái)計(jì)算和衡量一對(duì)線(xiàn)性連續(xù)變量之間線(xiàn)性相關(guān)系數(shù)程度的計(jì)算方法，也可以叫線(xiàn)性相關(guān)系數(shù).利用皮爾森相關(guān)系數(shù)來(lái)表示各氣象因素與功率的線(xiàn)性相關(guān)程度，初步剔除多余信息量.Pearson相關(guān)系數(shù)的值在[-1，1]之間，正負(fù)值代表2個(gè)變量的正負(fù)相關(guān)程度，數(shù)值越大說(shuō)明相關(guān)性越強(qiáng).

圖1 數(shù)值天氣預(yù)報(bào)各氣象量與光伏功率的皮爾森相關(guān)系數(shù)

在進(jìn)行光伏功率超短期預(yù)測(cè)時(shí)，通常僅利用直接法對(duì)功率進(jìn)行外推，但此方法忽略了各氣象因素對(duì)功率波動(dòng)的影響，故本文則考慮了NWP數(shù)值的作用，包括10米風(fēng)速、30米風(fēng)速、50米風(fēng)速、70米風(fēng)速、10米風(fēng)向、30米風(fēng)向、50米風(fēng)向、70米風(fēng)向、溫度、2米濕度、2米相對(duì)濕度、長(zhǎng)波輻射、短波輻射、云量、氣壓、降水等因素[6].

首先選擇西北某光伏電站2017年7月1日-2017年9月30日的天氣預(yù)報(bào)氣象因素以及對(duì)應(yīng)的光伏功率，求取各個(gè)氣象因素序列與光伏功率序列的皮爾森相關(guān)系數(shù)如圖1所示.選擇出了與光伏功率呈現(xiàn)正相關(guān)關(guān)系的因素，分別為氣壓、短波輻射、2米濕度、溫度、10米風(fēng)速、30米風(fēng)向和70米風(fēng)速，其中相關(guān)系數(shù)由高到低依次為短波輻射、2米濕度、溫度、風(fēng)速和氣壓，數(shù)值分為別為0.951、0.480、0.387、0.159和0.150.可見(jiàn)短波輻射對(duì)功率的影響較大，若短波輻射不準(zhǔn)確，必然對(duì)光伏功率的預(yù)測(cè)產(chǎn)生不利影響.

1.2 NWP短波輻射和實(shí)測(cè)總輻照度關(guān)聯(lián)分析

1.2.1 短波輻射對(duì)光伏功率的影響

太陽(yáng)輻射中，波長(zhǎng)為0.4微米～0.76微米的光成為可見(jiàn)光，其占太陽(yáng)輻射的50%；大于0.76微米時(shí)稱(chēng)為紅外線(xiàn)，占比為43%；低于0.4微米則稱(chēng)為紫外線(xiàn)，其僅為太陽(yáng)輻射的7%.以上數(shù)據(jù)表明，太陽(yáng)輻射集中于短波波段，故稱(chēng)之為短波輻射[7-8].為了直觀的觀測(cè)短波輻射與光伏功率的關(guān)系，將光伏功率進(jìn)行一定倍數(shù)的變化，與短波輻射進(jìn)行對(duì)比，圖2為NWP短波輻射與光伏功率的波動(dòng)曲線(xiàn)圖對(duì)比圖，通過(guò)曲線(xiàn)圖的整體走勢(shì)可觀察出，短波輻射具有日周期性與間歇性，與光伏功率的走勢(shì)基本一致.

圖2 NWP短波輻射與光伏功率的波動(dòng)曲線(xiàn)圖對(duì)比圖

光伏電站的輸出功率與總輻照強(qiáng)度的關(guān)系是可表示為

P=R·η，

(1)

公式中：P為功率輸出；R為太陽(yáng)能板接收到的總輻射量；η為電池方陣轉(zhuǎn)換效率.

可見(jiàn)，光伏電站的輸出功率與總輻射量成正比，即與短波輻射成正比關(guān)系.

光伏功率受到諸多因素的影響，且影響機(jī)理復(fù)雜[9-10]，除了受短波輻射的影響，還受到了2米濕度、溫度、10米風(fēng)速、30米風(fēng)向等氣象因素的影響，且不同的因素在不同天氣狀態(tài)下對(duì)功率的影響程度各異，導(dǎo)致光伏功率具有較強(qiáng)的波動(dòng)性和不確定性，甚至在較短的時(shí)間尺度下出現(xiàn)零功率與滿(mǎn)功率之間的變化[11].

1.2.2 NWP短波輻射與實(shí)測(cè)總輻射關(guān)聯(lián)分析

數(shù)值天氣預(yù)報(bào)僅能提供某一區(qū)域內(nèi)各氣象因素的數(shù)據(jù)值，其中包括各高度風(fēng)速以及風(fēng)向、環(huán)境溫度、相對(duì)濕度和大氣壓強(qiáng)等數(shù)據(jù).但其無(wú)法針對(duì)某個(gè)特定的光伏電站提供可靠數(shù)據(jù).因此，NWP的數(shù)值與光伏電站的相應(yīng)數(shù)據(jù)組的實(shí)際值之間必然存在較大的誤差.在進(jìn)行光伏功率超短期預(yù)測(cè)時(shí)，往往需要利用到預(yù)測(cè)日當(dāng)天的數(shù)值天氣預(yù)報(bào)提供的短波輻射作為總輻照度值，進(jìn)而對(duì)光伏功率進(jìn)行預(yù)測(cè).

對(duì)數(shù)值天氣預(yù)報(bào)數(shù)據(jù)短波輻射序列進(jìn)行分析，取若干歷史日的短波輻射與實(shí)測(cè)總輻照度序列進(jìn)行圖像對(duì)比，如圖3所示.

圖3 NWP短波輻射與實(shí)測(cè)總輻照度波動(dòng)曲線(xiàn)對(duì)比圖

由圖3可知，短波輻射較為平滑，上升或者下降的趨勢(shì)簡(jiǎn)單，而地面實(shí)際測(cè)到的總輻照度的曲線(xiàn)波動(dòng)性較大，且峰值較高，受各種其他因素影響較明顯.兩者之間存在的誤差致使在進(jìn)行光伏功率預(yù)測(cè)時(shí)產(chǎn)生較大的預(yù)測(cè)誤差[12-14].為了提高由于短波輻射的不準(zhǔn)確引起的誤差，本文對(duì)數(shù)值天氣預(yù)報(bào)提供的短波輻射進(jìn)行了修正，并通過(guò)算例來(lái)證明，修正后的短波輻射與實(shí)測(cè)總輻照度之間的誤差變小，并且將修正后的短波輻射再用于光伏功率的超短期預(yù)測(cè)，可以有效的提高預(yù)測(cè)的精度.

首先，取某光伏電站9個(gè)月(2017年1月1日-9月31日(8：00-20：00)共計(jì)1 1760個(gè)數(shù)據(jù)點(diǎn))的短波輻射和實(shí)測(cè)總輻照度，考察數(shù)值天氣預(yù)報(bào)短波輻射與實(shí)際測(cè)量到的總輻照度之間的絕對(duì)誤差，其表達(dá)式為

Erad=RNWP-Rreal，

(2)

公式中：RNWP為數(shù)值天氣預(yù)報(bào)提供的短波輻射；Rreal為實(shí)際測(cè)量的總輻照度.

圖4 短波輻射絕對(duì)誤差波動(dòng)曲線(xiàn)圖

隨后，對(duì)全部的數(shù)值天氣預(yù)報(bào)短波輻射點(diǎn)的單點(diǎn)絕對(duì)誤差分布進(jìn)行分析，如圖4所示.多數(shù)短波輻射要比總輻照度實(shí)測(cè)值要低，即圖中橫軸上部數(shù)據(jù)點(diǎn)明顯比下部的少，進(jìn)一步對(duì)這些數(shù)據(jù)進(jìn)行分析.以每一時(shí)段為單位分組統(tǒng)計(jì)，具體對(duì)應(yīng)的詳細(xì)誤差和分布的數(shù)據(jù)點(diǎn)個(gè)數(shù)如表1所示.

由表1可見(jiàn)，數(shù)值天氣預(yù)報(bào)短波輻射的絕對(duì)誤差值分布范圍為-800 kW·h/m2～600 kW·h/m2之間.其中，誤差在-200 kW·h/m2～0 kW·h/m2間的數(shù)據(jù)點(diǎn)最多，占總數(shù)據(jù)點(diǎn)的59.69%；其次為0 kW·h/m2～200 kW·h/m2范圍內(nèi)，占全部統(tǒng)計(jì)點(diǎn)的16.53%；分布最少的范圍為-800 kW·h/m2～-600 kW·h/m2，僅占0.25%.全部數(shù)據(jù)的分布符合正態(tài)分布的規(guī)律，其均值為-61.29，方差為82.65.

表1 各時(shí)段短波輻射與實(shí)測(cè)總輻照度的絕對(duì)誤差統(tǒng)計(jì)

為了進(jìn)一步考察短波輻射和實(shí)測(cè)總輻照度與光伏出力的關(guān)系，圖5為短波輻射/實(shí)測(cè)總輻照度-功率散點(diǎn)圖.由此圖可知，短波輻射-功率的散點(diǎn)圖比實(shí)測(cè)總輻照度-功率散點(diǎn)圖更加發(fā)散，在同一輻照強(qiáng)度下，前者對(duì)應(yīng)的光伏功率分散性較大，后者則較為集中.圖6提供了短波輻射與實(shí)測(cè)總輻照度的線(xiàn)性相關(guān)性，即0.762 7.整體上定量的描述了數(shù)值天氣預(yù)報(bào)短波輻射的準(zhǔn)確程度.

為了探究時(shí)間尺度的差別對(duì)短波輻射和實(shí)測(cè)總輻照度相關(guān)關(guān)系的影響，將時(shí)間尺度擴(kuò)展到12個(gè)月、6個(gè)月和縮短到1個(gè)月、15天，并統(tǒng)計(jì)各指標(biāo)的變化.

圖5 短波輻射、實(shí)測(cè)總輻照度-功率分布散點(diǎn)圖圖6 短波輻射與實(shí)測(cè)總輻照度線(xiàn)性關(guān)系

表2 不同時(shí)間尺度下短波輻射與實(shí)測(cè)總輻照度關(guān)系

由表2可知，隨著時(shí)間尺度的縮短，短波輻射與實(shí)測(cè)總輻照度的絕對(duì)誤差范圍從-800 kW·h/m2～800 kW·h/m2縮短為-600 kW·h/m2～600 kW·h/m2；兩者之間的絕對(duì)誤差均值大體呈現(xiàn)逐漸減小的趨勢(shì)，特別的，在時(shí)間尺度為6個(gè)月時(shí)要比3個(gè)月時(shí)的誤差低20.54 kW·h/m2；其線(xiàn)性相關(guān)性系數(shù)隨時(shí)間尺度的縮短逐漸變大，在序列長(zhǎng)度為15天，即720個(gè)數(shù)據(jù)點(diǎn)時(shí)，短波輻射與實(shí)測(cè)總輻照度線(xiàn)性相關(guān)性達(dá)到0.781 0.

2 短波輻射修正和功率預(yù)測(cè)模型

2.1 基于長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)的短波輻射修正

LSTM利用梯度下降法，依據(jù)每次訓(xùn)練誤差的反向傳遞算法逐層調(diào)整訓(xùn)練權(quán)重.在解決較長(zhǎng)的時(shí)間序列時(shí)，性能要優(yōu)于循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)，且訓(xùn)練模型在不同維度信息上有更加靈活出色的表現(xiàn)[15].

圖7 LSTM的基本結(jié)構(gòu)

LSTM的神經(jīng)元的時(shí)間軸是貫穿整個(gè)網(wǎng)絡(luò)的，其目的是在運(yùn)行中把有效的信息給予保留.同時(shí)LSTM存在四個(gè)部分，如圖7所示，包括輸入門(mén)(Input Gate)、遺忘門(mén)(Forget Gate)和輸出門(mén)(Output Gate)和記憶單元(Cell).其中記憶單元和記憶單元進(jìn)行點(diǎn)乘來(lái)遺忘掉無(wú)用的信息來(lái)減少模型的復(fù)雜性，輸入門(mén)是對(duì)應(yīng)當(dāng)前時(shí)刻與上一時(shí)刻進(jìn)行混合，然后將有用的信息送到記憶單元.最后輸出門(mén)再對(duì)記憶單元控制，把其中有用的信息送到隱藏層，與此同時(shí)也可以作為下一時(shí)刻的狀態(tài)輸入.LSTM的訓(xùn)練效果主要由神經(jīng)元個(gè)數(shù)確定，也就是說(shuō)，隱藏層越多，相應(yīng)的模型越復(fù)雜，可能出現(xiàn)過(guò)擬合，反之網(wǎng)絡(luò)適應(yīng)能力和性能差[16-17].

LSTM神經(jīng)單元的內(nèi)部的計(jì)算過(guò)程如下：其中，ht-1為t-1時(shí)刻的輸出層，xt為記憶單元在t時(shí)刻的輸入，θ和b為輸入量的權(quán)重與偏置.

(1)遺忘門(mén)的計(jì)算方法，具體的函數(shù)表達(dá)式為

ft=sigmoid(θf(wàn)·[ht-1，xt]+bf)

.

(3)

(2)輸入門(mén)的計(jì)算方法，具體的函數(shù)表達(dá)式為

it=sigmoid(θi·[ht-1，xt]+bi)

.

(4)

(3)輸出門(mén)的計(jì)算方法，具體的函數(shù)表達(dá)式為

ot=sigmoid(θi·[ht-1，xt]+bo)

.

(5)

(4)記憶單元輸入值，具體的函數(shù)表達(dá)式為

.

(6)

(5)對(duì)記憶單元內(nèi)容進(jìn)行更新，先通過(guò)遺忘門(mén)的篩選，再添加輸入門(mén)的篩選值，得到新的記憶單元：

ct=ft⊙ct-1+it⊙ct

(7)

(6)輸出門(mén)對(duì)記憶單元的輸出，得到相應(yīng)隱藏層：

ht=ottanh(ct)

.

(8)

基于對(duì)數(shù)值天氣預(yù)報(bào)短波輻射與實(shí)測(cè)總輻照度的誤差分析，可以判定在對(duì)短波輻射進(jìn)行預(yù)報(bào)時(shí)，在某些特定的環(huán)境情況下，譬如在早上八點(diǎn)到晚上八點(diǎn)期間，有太陽(yáng)輻射且太陽(yáng)輻射表現(xiàn)出一定的規(guī)律性，短波輻射與實(shí)測(cè)總輻照度之間的誤差也會(huì)存在某種規(guī)律，在對(duì)短波輻射數(shù)據(jù)進(jìn)行修正時(shí)，便可利用此規(guī)律[18].然而，上述對(duì)誤差的分析中可以發(fā)現(xiàn)，其范圍較大，分布較為分散，很難用具體的函數(shù)表示，此時(shí)需要借助深度學(xué)習(xí)手段進(jìn)行處理，本文選擇了當(dāng)下比較流行的LSTM作為學(xué)習(xí)模型，該模型訓(xùn)練時(shí)間短，可深入挖掘輸入樣本間的信息特征與關(guān)聯(lián)關(guān)系[19].因此，在進(jìn)行數(shù)值天氣預(yù)報(bào)短波輻射的修正時(shí)可表現(xiàn)出較強(qiáng)的優(yōu)越性.

模型在實(shí)際使用中，由于各數(shù)據(jù)的物理量綱不一致，若直接輸入到模型中必然會(huì)造成較大誤差，故需要在輸入之前對(duì)所有物理量進(jìn)行歸一化，輸入層為某一時(shí)段內(nèi)NWP數(shù)據(jù)的歸一化值如公式(9)所示，歸一化后可以消除特征變量基數(shù)對(duì)波動(dòng)的影響.輸出層為對(duì)應(yīng)時(shí)段下修正后的短波輻射的歸一化值，最后將其反歸一化得到總NWP短波輻射修正值.

(9)

圖8 網(wǎng)絡(luò)結(jié)構(gòu)示意圖

以L(fǎng)STM對(duì)短波輻射進(jìn)行修正，考慮到過(guò)多的NWP會(huì)造成模型冗余導(dǎo)致精度下降，但NWP過(guò)少，會(huì)造成信息不充足，因此選擇Pearson相關(guān)系數(shù)前6位作為輸入進(jìn)行短波輻射的修正.將NWP提供的短波輻射、2米濕度、溫度、10米風(fēng)速、70米風(fēng)速、30米風(fēng)向作為輸入，模型輸出為修正后的短波輻射.網(wǎng)絡(luò)結(jié)構(gòu)示意圖如圖8所示.

2.2 基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的光伏預(yù)測(cè)模型

卷積神經(jīng)網(wǎng)絡(luò)(CNN)[20-22]是一種深度學(xué)習(xí)模型，具備良好的表征學(xué)習(xí)能力，能自主學(xué)習(xí)光伏功率變化的特征，實(shí)現(xiàn)低級(jí)特征到高級(jí)特征的抽象提取.

關(guān)于馬克思宗教思想發(fā)展歷程的總體景觀，“比較一致的觀點(diǎn)是：從馬克思在少年時(shí)代作為一個(gè)新教信仰者出發(fā)，到中學(xué)時(shí)代兩篇作文中的反宗教情結(jié)再到黑格爾和青年黑格爾派的唯心主義宗教立場(chǎng)，最后發(fā)展到歷史唯物主義宗教觀的確立?！盵4]3學(xué)者大多都能夠從整個(gè)西方哲學(xué)發(fā)展的內(nèi)在邏輯和馬克思思想生成性視域給以挖掘和探究，獲得了豐富多樣的理論成果。

一個(gè)卷積神經(jīng)網(wǎng)絡(luò)由輸入層、若干卷積層、Pooling層、全連接層和輸出層組成.

輸入層：過(guò)去4小時(shí)歷史光伏功率以及修正后的短波輻射.

卷積層：定義一組固定大小的卷積核函數(shù)，令各個(gè)卷積核與輸入數(shù)據(jù)進(jìn)行卷積計(jì)算，然后加上偏置值，最后經(jīng)過(guò)激活函數(shù)，有效提取輸入特征，卷積過(guò)程

(10)

池化層：在卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中，池化層需要做的僅僅是將誤差項(xiàng)傳遞到上一層，而沒(méi)有梯度的計(jì)算.同時(shí)能夠有效避免網(wǎng)絡(luò)過(guò)擬合，最大值池化過(guò)程

(11)

全連接層：全連接每個(gè)神經(jīng)元與前后相鄰層的每一個(gè)神經(jīng)元都有連接關(guān)系.經(jīng)過(guò)特征提取的信號(hào)進(jìn)行分類(lèi)回歸識(shí)別，通過(guò)激活函數(shù)和偏置對(duì)輸入進(jìn)行非線(xiàn)性變換，連接層

xl=f(wlxl-1+bl)，

(12)

公式中：xl-1為第l-1層的特征圖；bl為偏置矩陣；wl為全連接層的權(quán)重系數(shù).

輸出層：待預(yù)測(cè)未來(lái)4小時(shí)的光伏功率.

3 算例分析

本章算例利用了西北某光伏電站2017年1月1日-2018年6月30日的數(shù)據(jù)集，該光伏電站裝機(jī)容量為30 MW.選取2017年1月1日-2017年6月30日在訓(xùn)練集，對(duì)2017年7月1日-2018年6月30日的NWP短波輻射進(jìn)行修正；選取2017年7月1日-2017年12月31日為訓(xùn)練集，預(yù)測(cè)2018年1月1日-2018年12月30日的超短期光伏功率.利用Python仿真軟件中構(gòu)建基于LSTM的NWP短波輻射修正模型和基于CNN的光伏功率超短期預(yù)測(cè)模型.

3.1 評(píng)價(jià)指標(biāo)

評(píng)價(jià)光伏功率超短期預(yù)測(cè)的準(zhǔn)確性的指標(biāo)有均方根誤差，平均絕對(duì)誤差等，其中均方根誤差的表達(dá)式為

(13)

公式中：PMi為預(yù)測(cè)光伏功率；PPi為實(shí)際光伏功率；Np為預(yù)測(cè)點(diǎn)的個(gè)數(shù)；Cap為光伏電站開(kāi)機(jī)容量.

平均絕對(duì)誤差的計(jì)算式為

(14)

3.2 數(shù)值天氣預(yù)報(bào)短波輻射的修正

修正后各組NWP的短波輻射和原短波輻射絕對(duì)誤差均值Erad和其均方根誤差的比較，結(jié)果如表3所示，可見(jiàn)數(shù)值天氣預(yù)報(bào)修正前的短波輻射相比修正后的短波輻射誤差在1個(gè)月、2個(gè)月和3個(gè)月的時(shí)間尺度下分別減少了30.24 kW·h/m2、36.38 kW·h/m2和38.22 kW·h/m2，均方根誤差分別減少了4.08%、4.70%和6.04%，驗(yàn)證了本文方法的有效性.

表3 NWP短波輻射修正結(jié)果的統(tǒng)計(jì)誤差

圖9(a)、圖9(b)、圖9(c)為分別選出了晴天、多云天氣以及陰雨天氣下修正前后的短波輻射與實(shí)測(cè)總輻照度的對(duì)比圖，表4為統(tǒng)計(jì)的不同天氣類(lèi)型下均方根誤差，由圖9和表4均可得出，修正后的NWP短波輻射更加接近實(shí)測(cè)總輻照度，且修正模型在個(gè)各天氣類(lèi)型下均適用.

表4 不同天氣類(lèi)型下修正前后的均方根誤差

圖9 不同天氣類(lèi)型下短波輻射修正前后與實(shí)測(cè)總輻照度對(duì)比圖

為了驗(yàn)證NWP短波輻射修正后對(duì)光伏功率超短期預(yù)測(cè)的影響，利用人工神經(jīng)網(wǎng)絡(luò)對(duì)西北某光伏電站2018年1月-6月的光伏功率逐天進(jìn)行超短期預(yù)測(cè)，圖10(a)、圖10(b)、圖10(c)為分別選出了晴天、多云天氣以及陰雨天氣下修正前后的超短期功率預(yù)測(cè)的對(duì)比圖，在晴天、陰雨天和多云三種天氣類(lèi)型下，修正后的CNN模型的預(yù)測(cè)結(jié)果均優(yōu)于修正前的CNN模型的預(yù)測(cè)結(jié)果，修正前的ELM模型.晴天時(shí)，修正后的CNN模型和修正前的CNN的預(yù)測(cè)精度最高，兩模型間的誤差最小，陰雨天和多云的預(yù)測(cè)精度差于晴天的預(yù)測(cè)精度.這是因?yàn)榍缣鞎r(shí)功率曲線(xiàn)較平滑，更易于準(zhǔn)確地預(yù)測(cè)功率.雨天和陰天時(shí)功率波動(dòng)性最大，模型很難動(dòng)態(tài)感知功率曲線(xiàn)一天的變化.但總體而言，修正后的CNN模型的預(yù)測(cè)精度最高.

選出其一天內(nèi)準(zhǔn)確率最高(7月15日)和最低(9月26日)時(shí)未修正NWP短波輻射直接預(yù)測(cè)和修正后NWP短波輻射預(yù)測(cè)的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比分析，預(yù)測(cè)結(jié)果如圖11所示，短波輻射修正前后光伏功率超短期預(yù)測(cè)一天內(nèi)的誤差均值如表5所示.在9月26日，修正前的NWP短波輻照出現(xiàn)明顯的異常波動(dòng)，進(jìn)而影響輸出功率預(yù)測(cè)的結(jié)果，LSTM對(duì)短波輻射進(jìn)行修正后，消除了短波輻射的異常值，使其更加貼近于真實(shí)輻照度，提升光伏功率預(yù)測(cè)的準(zhǔn)確性.

由表5可知，修正效果最好時(shí)，將修正后的NWP短波輻射用于光伏功率超短期預(yù)測(cè)，均方根誤差降低了4.14%，平均絕對(duì)誤差降低了3.46%；即使在修正效果最差時(shí)，均方根誤差和平均絕對(duì)誤差依然比修正前有所降低，分別降低了2.91%和1.94%.說(shuō)明對(duì)NWP短波輻射進(jìn)行修正有利于降低光伏功率超短期預(yù)測(cè)的誤差，對(duì)提高預(yù)測(cè)精確度具有積極作用.

4 結(jié) 論

NWP本身預(yù)報(bào)并沒(méi)有考慮光伏電站的光伏電池板實(shí)際測(cè)得的總輻照強(qiáng)度的偏差，主要原因?yàn)閷⒅苯佣滩ㄝ椛浞Q(chēng)為太陽(yáng)輻射，忽略了長(zhǎng)波輻射、溫度、云量以及天氣類(lèi)型等的影響因素.在實(shí)際工程使用中產(chǎn)生比較大的誤差，故修正NWP短波輻射具有必要性.

通過(guò)對(duì)NWP諸多因素定量分析，NWP短波輻射與地面實(shí)際測(cè)得的總輻照強(qiáng)度的整體相關(guān)程度較大，得出NWP的短波輻射偏小的結(jié)論.因此，通過(guò)長(zhǎng)短期期記憶網(wǎng)絡(luò)對(duì)NWP短波輻射進(jìn)行修正，并統(tǒng)計(jì)了各個(gè)天氣類(lèi)型下的誤差，對(duì)比修正前，不論晴天、多云還是陰雨天氣，預(yù)測(cè)的均方根誤差均有所減低，驗(yàn)證了模型的有效性.

利用修正后的NWP短波輻射對(duì)光伏功率進(jìn)行超短期預(yù)測(cè)，統(tǒng)計(jì)在修正效果最好與最壞的時(shí)超短期預(yù)測(cè)的均方根誤差，分別降低了2.91和4.14個(gè)百分點(diǎn).結(jié)果表明，對(duì)NWP的短波輻射進(jìn)行修正有利于提高超短期預(yù)測(cè)的準(zhǔn)確率.