基于波動特性的光伏電站出力時間序列建模方法研究

米夏, 徐曉紅， 劉小愷

(內蒙古電力科學研究院，內蒙古，呼和浩特 010020)

0 引言

隨著我國現有能源結構的調整，以太陽能為代表的清潔能源發電量在整個電網電量中的比值日益增加[1-3]。因為太陽能是不受人為控制的具有較大隨機性的能源結構，因此光伏發電給既有的穩定運行的電網系統增加了不確定風險，對電網的安全運行帶來了一定隱患。為了準確分析光伏發電的出力特性，評估光伏電站接入對電網運行的安全影響[4-6]，對光伏電站出力大規模數據進行分析以建立時間序列模型，并分析其出力分布規律顯得十分必要。本文采用三分量混合高斯概率分布擬合的方法建立出力時間序列模型，并利用自相關函數對模型準確性進行了驗證。

1 光伏發電隨機性分析

光伏發電的發電量與自身和環境有密切關系[7]。首先光伏發電會因為自身傳播的因素在過程中出現一定衰減，實際過程中用衰減系數αi表示光伏電站自身衰減，因此在考慮自身衰減因素下用式(1)表示理論計算出力與實際出力之間關系。

(1)

式中，αi為光伏電站第i天衰減系數，yi(u)為監測第i天光伏電站第u個監測點處的理論出力值，fi(u)為監測第i天光伏電站第u個監測點處的實際出力值。

由式(1)計算的衰減系數αi是一個不斷迭代計算的過程，直至等式右邊平方差最小為止。

除了理論出力值和實際出力值存在自身因素不可消除的差值外，溫度、云層等環境因素也是影響其實際出力值大小的關鍵。外界環境因素具有一定的不確定性和隨機性，因此電站的實測出力值與衰減值的差值即為由于環境的隨機性產生的出力值[8-10]。利用MATLAB，結合某電站的實際觀測繪制圖1所示的光電站出力曲線，曲線中出力衰減系數αi值取0.742 8。從圖1可以發現，利用簡單數學計算的方法可得衰減值和理論值之間的差值,其為圖中由于環境因素產生的隨機分量值。

圖1 光電站出力曲線

2 光伏電站出力時間序列建模

建模的第一步是利用時間函數將出力不穩定的序列變化為出力相對穩定的時間序列[11]。式(2)為其凈空出力計算式:

P(i,t)=PDCI(i,t)·[PS(i)+ΔPN(i,t)]

(2)

式中,PDCI(i,t)為光伏電站第i天時刻t的凈空出力值，PS(i)為計算當日的功率基準值，ΔPN(i,t)為時刻t天氣變化影響的出力值。

由式(2)可知，天氣變化影響的出力值在凈空出力值中占有一定比重，必須根據天氣特點建立天氣變化出力曲線。根據相關研究可知，天氣變化包含晴天、陰天、多云及中間天氣等4類，其中中間天氣是2種天氣變化之間的天氣狀況。因為在同一天氣類型條件下不同的云層含量等環境因素影響較多，因此本文只針對以上天氣的類型劃分，不考慮所有的影響因素。利用特征提取法，對光伏電站一天當中每20 min產生的共計72組數據進行特征分析。式(3)～式(5)為選取的大量出力數據的3個特征值:

(3)

(4)

(5)

式中,c1為出力平均值，c2為不同日期下2個出力差值的平均，c3為出力標準差。

圖2 陰天出力曲線

按照以上步驟分析可知，以上4類天氣狀況下天氣變化影響的出力值ΔPN(i,t)的曲線都是中部高兩側低，與正態分布函數曲線類似，因此用三分量混合高斯概率分布擬合，其表達式如式(6):

(6)

式中,α為分項系數。

由以上計算式可知，在光伏電站第i天時刻t的凈空出力值已知，計算當日功率基準值已知，天氣變化影響出力值已知后可計算出其凈空出力值。凈空出力值已知后可利用隨機抽樣方法計算得到其各項參數，之后根據出力曲線得到任意時刻的光伏電站出力值，最后利用出力曲線反算其出力時間序列。

3 模型應用

利用數據分析軟件MATLAB根據某光伏電站2020年全年出力數據繪制了圖3所示的三維曲線。從圖3可以發現，電站的出力值與時間關系密切，夜間出力值為0，從日出后逐漸升高，直至中午達到最大值，之后隨著光照強度的降低出力值也隨之降低，直至夜間為0。一年當中出力值總和由高到低為春季、秋季、夏季、冬季。

圖3 光伏電站出力-時間三維模型

太陽輻射強度是影響電站出力值的主要因素，圖4為太陽輻射強度和時間的曲面關系。從圖4可以發現，太陽輻射強度隨著季節的變化而變化，從整體上看春季和秋季輻射強度最高，夏季及冬季相對較低。

圖4 太陽輻射強度三維曲面

由以上MATLAB模型得到該光伏電站混合高斯概率分布的各項參數，其結果如表1所示。

表1 概率分布參數

圖5為連續5天模擬得到的出力時間序列，從圖中可以發現在這5天里經歷了從晴天—多云—陰天—晴天的變化過程，從出力時間分析，在這連續的5天里，電站的總出力時間較為接近，這是因為這5天內日出日落時間接近，因此光照時長接近，多云天氣下由于空中云層運動不規律，導致電站接收太陽輻射強度不規律，因此電站輸出功率波動性較大，陰天情況下云層對太陽輻射的遮擋相對固定，因此其波動性小，但正是由于云層的遮擋使得光照強度相對較弱，電站出力值較低。

圖5 出力時間序列

生成的時間序列建模方法是利用統計特性建立的電站出力與時間的二維曲線，因此建模方法得到的曲線應與光伏電站的歷史時間序列一致。圖6為光伏電站歷史時間序列和本文基于波動特性建立的時間序列自相關函數對比曲線。從圖6可以發現，歷史序列與本文方法得到的自相關函數基本一致，只有在曲線波峰和波谷位置存在微小差別，表明本文方法基本符合電站的真實值。

圖6 電站出力自相關函數對比

4 總結

太陽能發電在將光能轉變為電能過程中受到天氣等環境影響因素較大，因此具有較大的波動性，影響電網穩定性和運行安全。本文利用統計的方法對光伏發電出力進行了拆分，得到了其隨機出力值，選取出力值的3個特征值組成出力特征向量并利用三分量混合高斯概率分布擬合方法對出力曲線進行擬合分析，通過統計的方法得到了擬合曲線的各項參數，出力自相關函數曲線對比表明該出力時間序列建模方法與真實值較為接近。