光伏發電系統輸出功率預測分析

項若軒

（中國電建集團北京勘測設計研究院有限公司，北京 100024）

電力系統隨著科技的進步不斷的進行著技術革新，光伏發電技術已經開始逐步的替代傳統的發電系統成為當前電力系統的新寵，但是，相比較于傳統的發電技術，光伏發電系統的波動性與可控性相對較弱，這一問題引起了社會的廣泛關注，也成為了目前學術界、工程界關注的焦點之一。如何才能夠令光伏電站的可控性以及輸出功率的可預測性更高，是目前技術研發人員的工作重點。本文提出了一種建立在馬爾科夫鏈基礎之上的光伏電站出力預測的方式，通過完整的模型以及實際可行的方案，針對光伏電站輸出功率預測的諸多內容進行分析。其理論依據主要具有以下幾點：首先建立1階轉移矩陣，其次針對不同階段銜接進行確定，繼而修正狀態轉移，定義參數以及選擇。

1 建立模型

1.1 模型分析

一般對光伏陣列某一天輸出功率進行預測，其做法是進行雙建模，即建立光伏系統逆變模型以及太陽輻射模型。直接輻射、球體輻射以及擴散輻射是光伏發電系統中電池接收到的輻射的主要組成。

而文章所利用的馬爾科夫鏈預測方式，主要利用馬爾科夫鏈的特性。特殊性是馬爾科夫鏈的特性，其是馬爾科夫隨機過程中的某一形式，狀態具有離散性，參數也同樣具有離散性。在該分析預測方式中，時間作為主要參數。分析隨機過程中的主要對象為直接正常輻射同擴散水平輻射的交叉點。目前時刻狀態是下意識可狀態的唯一關聯因素，以前時刻狀態同下意識時刻狀態無關。為了方便分析，將笛卡爾空間分為多組矩形區域，在同一區域中的狀態便是馬爾科夫鏈相同狀態。通過該種方式進行建模能夠將太陽能輻射的時段性狀態預測出來，并且在預測后能夠生成逆變模型。通過該模型便可以預測出光伏發電系統的后期輸出功率。

1.2 在整個電力系統中，馬爾可夫光伏功率預測主要關注的內容為功率、點亮，通過輻射-功率特性，可以直接對系統的出力進行預測。因此，文章針對已存在的歷史輸出功率數據對未來某一時刻的輸出功率進行預測。前提是未來預測點的各項環境參數相對穩定，變化不大。

2 算法概述

在統計轉移過程中最小的時間跨度即預測過程中的時間精度。而同一轉移矩陣所需要的時間段即單位時間，而預測所需要的整個時間跨度即研究時段。

實現馬爾可夫光伏功率預測的方式主要通過建模的方式，其具體的方法包括：若天琪狀態相同，某一光伏系統的出力統計主要包括時間精度的研究以及時間段的研究；對輸出功率進行均勻的區間區分，并確定系統狀態，該狀態為落在某一區間的功率；統計該狀態下輸出功率的狀態轉移多少次，從而得到一步轉移矩陣。

3 實際案例分析

文章以某一意境投入使用的光伏發電系統作為實際案例進行分析，并選取該系統某一時間段的實際運行情況進行論述，該時間段的天琪晴朗，氣溫波動相對較大（12℃~22℃），針對該環境下光伏發電系統的運行狀況予以統計，以5min作為時間精度，單位為1h，將研究對象劃分為11個狀態。以分析結果作為研究對象，可以統計到10個單位時間的數據，以此建立轉移矩陣，并以其中第三個單位作為具體案例進行狀態修正的討論。

可以分析出，由于前2個單位時間內隨機游走的最終狀態（第2個單位時間內末時刻功率期望）是作為第3個單位時間的初始狀態，而實際情況中第2個單位時間末的期望功率也有可能處在狀態0~2。又因為狀態0~2的轉移情況未加以描述，那么就會導致第2個時段狀態有可能不發生轉移。另外，單位時間的細分及統計量的不足也會導致狀態空間不完整。所以要對轉移矩陣進行修正，保證相應狀態空間為閉集。修正的方法有兩種：（1）加大樣本容量，即統計量。（2）依據相鄰幾個單位時間光伏系統實際出力的總變化趨勢，補入因單位時間細分缺失的狀態轉移次數。

針對某一時間的溫度進行功率的實測，可以看出該時間中的平均溫度可以達到17℃，該時間段的氣溫范圍在15℃~20℃，天氣為晴朗。

針對該時間段的系統功率進行預測可以分析出，整個研究過程中的預測結果誤差相對較大，其原因在于該時間段所處氣候為春季，天氣變化相對較大，且氣溫波動較大，即便是晴天，空中的云量以及地表的蒸汽含量也相對波動較大，不具有穩定性。這會直接影響光伏發電設備對太陽輻射的吸收效率。因而同時節、同樣天氣的狀態下，通過樣本統計的方式無法真正準確的體現光伏發電系統的輸出功率。并且，春季到夏季太陽輻射的強度逐步的增大，所以根據實際的觀測狀況可以分析出，用作試驗分析的時間段天氣晴朗無云，因此預測結果相對較低。通過觀測分析結果可以看出，該時間段的預測結果也會受到日升日落太陽輻射量變化的影響，因而系統功率具有較大的波動。

預測精度因單位時間的縮小而有一定提高，整個研究時段的預測誤差從21.23492%降為19.19397%。而首尾時段的預測偏差也有所下降，如06：59的預測誤差降低為72%。此外，在時間精度不變的情況下，由于單位時間的縮小，每單位時間內狀態轉移的統計量相應減半，這帶來了一定誤差。若增加樣本容量或縮小時間精度，即增加單位時間內的統計量，預測精度會進一步提高。最后，狀態的劃分也會帶來一定誤差。很明顯，在同樣的光伏系統出力范圍內，狀態劃分越多，精度越高。但1階轉移矩陣的階數也會隨之增多，統計量也會增大。

結語

本文以馬爾科夫鏈座位基礎，針對目前發電系統的新技術——光伏發電技術的功率輸出預測進行分析。該方式以建模的方式，依照光伏電站的歷史數據對電站出力進行直接預測，該方式避免了相關數據的采集以及轉換，并且也省略了具體建模環節，因而在保證結果精準的基礎上，提高了預測效率。通過實際的算例結果，證實該方式具有較高的可行性。在一定的時間精度下，通過時間單位的增加可以有效提高預測的精確性。

[1]許洪華.中國光伏發電技術發展研究[J].電網技術，2007，31（20）：7-11.

[2]石文輝，別朝紅，王錫凡.大型電力系統可靠性評估中的馬爾可夫鏈蒙特卡洛方法[J].中國電機工程學報，2008，28（04）：9-15.