新能源風光發電預測技術的發展及應用

陳帥帥

摘要：本文總結研究風能和太陽能的出力曲線特征，總結風能和太陽能出力的一般特征，提出風能和太陽能功率預測的相關概述。此外，國際分類標準基于時間尺度、預報目標、預報覆蓋范圍以及是否使用西北風電。主要風和光預報按方法分類。我們總結了這個分類框架中風和光的主要預測方法。最后，在總結的基礎上，提出未來景觀預測研究的方向和存在的問題，為未來景觀預測研究提供參考數據。

關鍵詞：新能源;風光發電;預測技術;應用

引言

通過準確有效地預測風能和太陽能發電量，可以顯著降低電網的旋轉備用容量，從而有效降低電網的旋轉備用容量。風能和太陽能發電預測進一步結合電網約束分析與控制、近日運維和日內輪換發電規劃，在不減少電網安全總體水平的狀況之下提升新能源的吸收能力。除此之外，對風能及太陽能發電企業而言，準確測算發電量預測以及及時合理的行業維護規劃可以提高企業的經濟利益。

一、風光發電預測方法分類

1.短期預測

一個優化良好的創新發電計劃可以提高吸風能力。很難預估對微電網中短期太陽能發電的實際壞境。鑒于改良的BPSVM-ELM及原子SOM-LSF，實現了一日滾動太陽投機，為短期太陽布局提供準確指導。

2.中期預測

一個月或幾個月的數據被廣泛用于制定月度檢修計劃、操作方法、水庫配置等。新能源中期展望基本優化機械檢測和機器組合檢測，提高機械檢測規劃和發電規劃的安全性和經濟性。

3.長期預測

用于預測年度或多年數據。常用于電網規劃、年度檢修規劃、運行方式等。新能源的長久前景適用于低比重可再生資源交直流輸電網絡平臺規劃，給出了輸電網絡平臺規劃研討的構架及技術設備電纜的發展方向。

4.預測對象分類

根據預測因子的分類，可分為預測風能和太陽能，先預測風速和光相干，再轉化為間接預測電能。切割和斧頭預測是基于當前風能、太陽能和氣候預測數據以及歷史風能和太陽能數據的基本信息。為風能和太陽能系統建立了切割和斧頭預測模型。間接猜測是基于對風速和太陽日照的猜測以及風轉換和太陽能轉換模型對風力發電系統輸出功率的間接計算。

5.預測模型原理分類

依據預估基本原理，可分成統計辦法、化學辦法及聯結預估辦法。統計辦法用作更新風能及太陽能數據，找到獨特的基本規律，而是展開瞻望。此種辦法通常應該風能及太陽能發電系統的長久歷史運行數據（通常半年）。化學辦法考慮地形信息內容、相關化學信息內容及系統輸出功率直線。它們使用氣象預報數據當作繁雜的輸出，使用化學函數來預估。聯結預估辦法是風能及太陽能發電前景的發展趨向之一。組合通常包括化學辦法及統計辦法的組合，及尺度間預估分析模型的組合及差異。結合統計方法。對一致性系數的篩選可以讓不同的模型充分利用各自的優勢。與單一預測方法相比，聯合預測方法具有更高的準確度，也可以降低出現大偏差的概率。

6.預測空間尺度分類

根據《風力預測能力規范》的要求：（1）供電部門必須能夠估算出管制區域內的風力發電總量。（2）所有并網風電場均能正常運行。一般來說，特定地域的風力發電具備類似的天氣要素。風力發電的整體圖景可以反映當地天氣情況變動的一般基本規律，可以為不同空間尺度的風力預估提供總體思緒及有效的技術設備路徑。

二、風光預測技術的發展及主要方法

1.以時間序列法為代表的傳統統計法

時間序列方法利用風能和太陽能的基礎數據集，形成時間序列的數字化序列，并用語文及統計辦法對于其展開妥善處理，以促成對于將來風能及太陽能的預估。隨機分組是一種加權平均辦法，用作統計分析以消弭偶爾隨機性的影響要素。依據濾波器特征的分類，常用的時間二階有AR.MA、ARMA、ARIMA等等。時間序列方法的原理簡單，易于實現。

2.以人工神經網絡為代表的現代統計預測法

通過擴散控制和并行信息處理的頻率訓練，不斷調整神經網絡節點的相鄰模式和權重，最終實現信息內容投影及處理。常見的神經網絡分析模型包括前饋神經網絡遺傳算法Fnn、回歸神經網絡RNn、多層感知器神經網絡ML.PNn分析模型、軸向基方程神經網絡RBFnn分析模型，相似于最盛行的前饋神經網絡Fnn。咱們給出了一種新的神經網絡分析模型。循環神經網絡RNN是一種用于時間二階預估的神經網絡分析模型，還常常用于風電功率預估。人工神經網絡具備學習及自決能力，其本質是一種非線性優化計算分析模型。因此，在應用非線性優化時，難以避免局部最小化、用戶自定義偏差差異、計算量大、收斂速度慢等問題。國內外學者進行了大量研究，提出了許多改進意見。隨著人工智能技術的發展，新的人工智能模型不斷被提出。其中包括ME、AFSA、PSO和SVM，它們主要基于特定的學習和訓練算法，可以在大型動態構建的場景中進行預覽。這些要素不會在不同的情況、工作條件、時間和空間條件下進行交流，也不會交流各自的有用性、優點和缺點。

三、風光發電預測技術提出了一些建議和工作思路

（1）基于模糊性、混沌、灰度、概率研究風和方陣的隨機性、可變性和不確定性，在現有確定性預測的基礎上，兼顧風方陣的特點。（2）著力發展聯合預測，進行更深入的研究分析。通過將加權系數的優化與各種預測方法相結合，預測誤差非常準確，提高了計算效率。（3）進一步研究大尺度景觀預測數據的設計和繪圖。數據篩選和預處理、數據優化研究、為各種預測方法選擇合適的輸入以及數據質量改進。（4）有關電力部門及電網配電專門機構應當進一步研討構建愈加科學合理、完備的預估評價指標體系，為景觀設計預估科學合理評價提供要求及指點。（5）進一步研討怎樣通過化學辦法提升數字化氣象預報的分辨率及更新頻率分析模型以提升數據的可靠性，提供更靠譜的支撐系統。

結束語

在對風電和太陽能發電的出力曲線特性進行研究和總結的基礎上，總結出風電和太陽能發電的一般規律。風電和太陽能發電特性的改進和創新，促進了我國電力工業的發展和經濟發展。根據國內外分類要求使用時間尺度和預測目標進行預測。

參考文獻：

[1]王飛，米增強，甄釗，等.基于天氣狀態模式識別的光伏電站發電功率分類預測方法[J].中國電機工程學報，2013，（34）.67-74.

[2]林俐，鄒蘭青，周鵬，等.規模風電并網條件下火電機組深度調峰的多角度經濟性分析[J].電力系統自動化，2017，（7）.21-27.

[3]程浩忠，李雋，吳耀武，等.考慮高比例可再生能源的交直流輸電網規劃挑戰與展望[J].電力系統自動化，2017，（9）.19-27.

[4]凌衛家，吳國威，周輝.以“一標三制”為核心的電網企業資產管理體系建設與運行實踐[J].浙江電力，2016，（8）.67-71.