基于回歸分析法的光伏發(fā)電功率預測模型研究

姚寧，周力民，陳城

（常州博瑞電力自動化設備有限公司，江蘇 常州213025）

0 引 言

光伏發(fā)電是國家近幾年大力發(fā)展的清潔能源之一，它取之不盡，用之不竭，且不會產(chǎn)生污染。隨著光伏電站的大規(guī)模建設，光伏并網(wǎng)也受到了廣泛的關注。由于光伏發(fā)電受天氣情況影響較大，具有很強的隨機性、波動性[1-2]，光伏電站的大規(guī)模并網(wǎng)對國家電網(wǎng)的安全穩(wěn)定運行有一定影響，為此進行當?shù)仉娬镜墓β暑A測研究就具有重要的意義[3-4]。

目前國內已有大量光伏電站建成并運行中，本文創(chuàng)新性地將當?shù)亟ǔ呻娬镜南嚓P運行數(shù)據(jù)作為訓練模型的輸入量，訓練出的模型更加貼合當?shù)氐膶嶋H情況。考慮光伏發(fā)電的主要影響因素有溫度、風速、輻射量，將其作為預測模型的輸入量，每日的功率輸出作為輸出量，基于回歸分析法建立當?shù)?個季節(jié)的功率預測模型，并對比分析了造成誤差的原因。

1 模型輸入?yún)?shù)選取

模型的數(shù)據(jù)量取自山東某電站運行1 a的輸出功率值。圖1為晴天條件下春季2017年3月14日，夏季2017年7月1日，秋季2017年10月20日，冬季2017年12月17日的功率與時間曲線圖。從圖中可以看到，冬季和春季的輸出功率相近，夏季的輸出功率要比春季高。因此將數(shù)據(jù)劃分為4個季節(jié)分別分析，每個季節(jié)的功率預測模型均符合當季的輸出功率特性，避免因為秋冬季的輸出功率相對偏低而影響整體模型的精度。

圖1 不同季節(jié)光伏發(fā)電功率變化圖

收集山東某電站2017年一年的各個季節(jié)8:00—17:00的環(huán)境溫度、風速、輻射量和輸出功率作為分析的數(shù)據(jù)，然后求出每天的平均溫度、平均風速和平均輻射量，篩選出每天的最高溫度，輸入影響光伏發(fā)電的相關參數(shù)后，進行回歸分析，得到預測模型，然后對該電站2018年的發(fā)電功率進行預測，進而與實際數(shù)據(jù)對比，得出模型的準確度情況。

2 模型建立及測試

首先假設輸出功率與其他參數(shù)存在如下的線性回歸關系：

式中：X1為平均輻射量，W/m2；、X2為最高溫度，℃；X3為平均風速，m/s；X4為平均溫度，℃；Y為輸出功率，kW；a為常數(shù)；b、c、d、e為每個輸入?yún)?shù)對應的系數(shù)。

經(jīng)過回歸分析后，得到每個季節(jié)的預測模型：

春季：

夏季：

秋季：

冬季：

其中：Y1=0.261X1；Y2=6.850X2；Y3=13.094X3；Y4=-3.864X4。

實驗預測值與真實值比較如圖2～圖5所示。

圖2 春季預測值對比

圖3 夏季預測值對比

圖4 秋季預測值對比

從圖中可以看到，預測模型的大體趨勢和真實值比較接近，但是也存在個別點與預測值相差很大的情況，春季夏季的的預測曲線顯然比秋冬季的預測曲線更加接近真實值。此模型適用于夏季的預測較好。

但是評價模型和測試數(shù)據(jù)的仿真性能，需要制定客觀的誤差指標，本文采用平均絕對百分比誤差MAPE、均方根誤差RMSE和平均絕對偏差MABE等3個指標，計算公式為：

圖5 冬季預測值對比

從表1中看出，秋季和冬季的預測值普遍偏高，并且秋季的整體誤差值相比其他季節(jié)普遍偏高，預測模型對春夏的預測較好。

表1 各個季節(jié)預測模型誤差比較

3 誤差分析

秋冬季的預測值誤差與春秋季相比明顯偏大，為探究誤差偏大的原因，首先需要了解當?shù)毓夥娬镜膶嶋H天氣情況，以11月份的天氣為研究對象，表2為秋季11月份的部分天氣情況。

表2 秋季11月部分天氣

圖6是2017年11月天氣條件統(tǒng)計圖，表3是11月部分異常實際數(shù)據(jù)和低輸出功率圖。

圖6 秋季11月天氣狀況統(tǒng)計

表3 秋季11月部分異常數(shù)據(jù)

由表3看出，從11月21日開始，由于下雨的原因，光照強度減弱，一天中得到的輻射量較少，因而影響了輸出功率。但是從26日開始，雖然有很好的輻照，但是輸出功率確很低，這是因為24日、25日的降雪覆蓋在組件表面，影響了對太陽輻射的吸收，且積雪不易快速融化，造成的影響會持續(xù)幾天[5-8]。由于積雪導致的輸出功率急劇減小的幾個點在整個秋季預測中相當于異常點，在回歸分析的時候沒有對這幾個異常點進行處理，因而預測值與實際值的誤差十分大。冬季預測值的誤差相對春夏兩季來說也顯得偏大，主要原因也是降雪阻礙了太陽能電池對于輻射的吸收，體現(xiàn)在數(shù)據(jù)上就是這一天有較高的平均輻射量，平均輸出功率卻很低。

積雪覆蓋于光伏板上，將會大大影響光伏功率輸出。本文同時采用Pvsyst軟件進行失配理論模擬，研究遮擋對光伏電池輸出功率的影響，模擬該電站中250 W多晶組件在不同遮擋比例下的功率失配，觀察遮擋對輸出功率的實際影響。單片電池小比例遮擋(1%～10%)情況下，光伏組件的電性能變化如表4所示。

表4 單片電池小比例遮擋下光伏組件的電性能（Pvsyst模擬）

從圖7的趨勢曲線可以看到，遮擋比例在1%～4%時，功率損失緩慢增加，隨著遮擋比例進一步增加，功率損失陡然增大。在光伏電站的運行中，如果出現(xiàn)大面積的遮擋現(xiàn)象，功率損失急劇增大，則勢必影響光伏電站的功率輸出和發(fā)電收益。因此在進行模型訓練時，需要將冰雪覆蓋因素考慮進去，剔除功率異常點。

圖7 單片電池遮擋-功率損失曲線圖

4 結論

本文首先對山東地區(qū)某光伏電站的4個季節(jié)的日輸出功率進行分析，結果發(fā)現(xiàn)季節(jié)性光伏輸出功率差異明顯。為此按照季節(jié)劃分對每個季節(jié)分別進行模型建立。用平均絕對百分比誤差MAPE、均方根誤差RMSE和平均絕對偏差MABE這3個指標來評價模型的準確性。在山東地區(qū)，基于回歸分析法的四季功率預測模型，對于春夏夏季具有較好的預測效果，但是當出現(xiàn)積雪時，秋冬季模型誤差較大。然后從當?shù)氐奶鞖鈼l件和Pvsyst失配模擬得到秋冬季誤差偏大的原因，在模型的訓練過程中，秋冬季的功率異常點并未剔除。需要考慮將雪天及冰雪消融時間作為影響系數(shù)，從而獲得誤差更小的模型。實際上，清潔度和實際日照時間也會影響太陽輻射量，灰塵覆蓋光伏面板，將減少光伏面板吸收太陽輻射的比例，最終降低光伏面板的輸出功率[9]。灰塵對光伏面板性能的影響具有緩慢性和漸進性，不能反映在超短期或短期預測當中。

到目前為止還沒有關于光伏發(fā)電功率預測的相關標準。作為最大的風電部署國，西班牙擁有嚴格的風電并網(wǎng)標準，其中包括：48 h時間尺度的風電場輸出功率預測的平均誤差為20%，最大誤差為30%；24 h時間尺度的風電場輸出功率預測的平均誤差為10%，最大誤差為15%[10-11]。盡管有許多誤差指標，每種研究各自誤差評價不盡相同，目前還沒有一個統(tǒng)一的業(yè)內認可的評價標準。