光伏發電超短時功率預測
——以武威地區為例

陸興旺，顏魯薪，王登杰

（武威職業學院，甘肅 武威 733000）

1 發展趨勢

近年來，光伏發電技術非常成熟，在我國具有廣闊的應用前景。甘肅武威地區光照強，陽光充足，持續時間較長，為光伏發電產業的發展提供了有利條件。光伏發電功率的高效穩定輸出很大程度上受到溫度、濕度、壓強、風級、直射、散射、總輻射以及地溫等影響，因此需要對這些因素采樣大量數據，分析變化規律，通過反向傳播（Back Propagation，BP）神經網絡數學建模測算數據的發展趨勢，評測光伏發電功率的變化情況，將測算數據與實際比較，為后續電量穩定輸出提供理論依據，提高光伏發電功率的預估計能力。

目前，依據數學建模預測光伏發電功率已經是主流趨勢，比較流行的數學建模包括BP神經網絡等。在BP神經網絡預測中，主要預測溫度、濕度、壓強、風級、直射、散射、總輻射以及地溫等因素的大量數據，由此分析參數的變化規律，預估未來數據變化趨勢，再采用逆向誤差法和多梯度測算，最后求解誤差達到一個較為均衡且容易捕捉測算的數據。同時繼續反復將溫度、濕度、壓強、風級、直射、散射、總輻射以及地溫等多個因素數據考慮到輸入中，輸入層輸入采樣的信息數據，結合各種概率論算法得到相關聯的數據，找到這些新數據的關系，再與輸入數據逆向求誤差，進一步逼近真實數據。

在數據誤差分析中，通過BP神經網絡相關計算和數據分析，反復測算數據，最終達到所期望的范圍或者誤差落入該范圍與置信區間吻合，則功率預測基本完成。

為了得到溫度、濕度、壓強、風級、直射、散射、總輻射以及地溫準確的變化規律，以2020年7月為例，集中采樣影響光伏發電因素的大量數據，重點分析其變化趨勢、特點和變化規律。

2 數據參數分析

2.1 溫度和濕度數據分析

2020年7月份，武威地區雨水偏少，光照充足，光伏發電功率較大，發電效率較高，溫度變化示意如圖1所示。從圖1中可以看出，7月份最低溫度為20 ℃，最高為35 ℃，上下相差15 ℃，變化幅度較大。31個采樣點中接近30 ℃的有10個，30 ℃以下有12個，剩余9個為30 ℃以上。光熱能量比較集中，溫度對光伏發電的功率預測影響較大，需要加裝太陽能防護板和定期維護設備。

圖1 溫度變化示意

2020年7月1日—7月31日的濕度變化示意如圖2所示。其中，濕度最高為70%，說明有雨水出現，雨水量較大，此時溫度下降明顯，最低為14%，并且有多個采樣點在14%附近。從圖中可以看出，整個7月份雨水較少，有利于光伏發電功率的預測。

圖2 濕度變化示意

2.2 壓強、風級分析

圖3中顯示的是大氣壓強在2020年7月份的走勢圖，預測為852～862 Pa，與實際壓強相比，二者之間的誤差較小，屬于正常范圍，是保證光伏發電功率正常輸出的重要因素。

圖3 大氣壓強的走勢

圖4為風級變化示意，通過數據分析，風級有起伏變化，且變化明顯。可以看出，5～7級風力較多，10級和0級風速情況較少，基本符合武威地區7月份的風力情況。為了保證光伏平穩發電，需要加裝固風、防沙的設備，減少對光伏發電產生的不利影響。

圖4 風速變化示意

2.3 直射、散射、總輻射數據分析

2020年，7月18日的光照強度最集中、熱度最高、光伏發電功率最大，其數據分析最具代表性，對光伏發電功率的分析具有重要的意義。

陽光直射示意如圖5所示，可以很明顯看到6:40—20:05一直有陽光輻射，整體呈現正態分布，其中12:30—14:15最為集中，輻射強度最高。在這個時間段，正是陽光最為強烈、溫度最高的時刻，基本符合實際要求；同時此時光伏發電功率最大，設備也最易出現故障。因此需要充分考慮電網的承受能力和各個設備電路的穩定工作和運行狀態，為光伏發電量的最大輸出提供理論基礎。

圖5 陽光直射示意

圖6為總輻射與直射、散射總和的對比。通過數據分析，總輻射與直射、散射的整體變化趨勢近似，也符合輻射實測數據的結果，整體呈現正態分布。總輻射包含其他輻射、直射、散射，從圖中可以看出對光伏發電功率影響最大的就是直射和散射。06:00—20:25，總輻射存在，此時光照一直存在，同時明顯看出直射和散射也集中在這個范圍。

圖6 總輻射與直射、散射總和的對比

2.4 地溫溫度數據分析

隨著光照強度上升，地溫也在逐漸上升，以2020年7月28日為例，將地溫變化情況實時分段，具體如表1所示。從表1可以看出，溫度從07:55開始上升，在10:00時達到30 ℃以上，然后持續上升，在12:00后，出現了小高峰，也就是13:30，在13:35略有下降，但仍保持高溫。在14:10達到第二個高峰，持續在45～46 ℃，之后溫度略有下降，隨著時間推移，下降幅度并不大，溫度仍持續在至少31～35 ℃以上。期間地溫會有微小變化，會受到外圍因素的影響，如風力變大，直到在17:05又會出現一定的上升過程，此時也正是夕陽照射最為強烈的時候，溫度上升到38.5 ℃，最后到18:00開始下降，此時已到傍晚，輻射下降，溫度已經開始持續走低。20:25左右，天黑光線漸漸消失，這是地溫下降明顯的時候，此時溫度下降到25 ℃左右，00:00時的溫度下降到18 ℃左右。參照夏季實際情況，此數據正確，反映地溫的實際情況。光伏發電的功率也是根據這一變換情況而發生變化，夜間的光伏板處于儲能模式。

表1 地溫變化趨勢

通過以上數據分析，光照強度、直射、散射等這些因素對光伏發電功率影響較大，需要慎重測算設備的長期承受能力。因此，在實際應用中一定要嚴格按照技術參數控制容量，可以考慮加固設備與定期維護等措施穩定功率輸出。

溫度、濕度、壓強、風級、直射、散射、總輻射以及地溫等參數通過圖表方式展示，一方面客觀反映一天或者一個月的實際情況，得出分析結論，有助于BP神經網絡數學建模，模擬未來光伏發電的變化規律；另一方面也必須反映實際變化規律，剔除不符合變化規律和實際情況的數據。繼續通過BP神經網絡對地表溫度的反復逆向測算，將預測數據與實測數據控制在誤差較小的范圍內。

3 結 論

從多個角度和方面分析共性問題，找出主要問題，著力解決，重點突破。通過反復進行BP數學建模數據推算和優化BP神經網絡算法等方法，融合更多因素，最終實現行之有效的預測的方式、方法。

在實際測算中，光伏發電考慮的因素較多，以上僅僅是舉例說明溫度、濕度、壓強、風級、直射、散射、總輻射以及地溫等因素。實際中還存在其他因素，包括人員對設備的操作、維護以及更換等，采樣的數據必須足夠準確，可靠且有規律。有了大量數據支撐，通過BP實現數學建模，反復測算，才能更好地提高和穩定光伏發電的功率，從而達到提升光伏發電功率的目的。