關于影響光伏電站功率預測準確性因素分析

北京京能國際控股有限公司東北分公司 嚴 巍 姚立闊

1 引言

隨著我國新能源快速發展，光伏發電逐漸成為新型能源發電的重要組成部分。由于新能源發電的特殊性，伴隨著裝機容量的不斷擴大，為電網調峰及維持系統穩定性帶來了很大的困難。因此，電網對新能源發電企業提出了功率預測準確性和時間的要求，以此緩解對系統穩定的沖擊。另一方面，電力營銷市場逐步開始形成規模，電量交易形式的不斷增多，尤其是電力現貨交易的推行，對光伏發電功率預測的準確度提出更高的要求[1]。因此，光伏電站光功率預測準確性對電網的穩定和企業發電收益影響很大。針對目前光伏電站普遍存在的功率預測不準確的問題進行分析，解決存在的問題，進而對電網和發電企業都具有重要的意義。

2 光伏電站光功率系統的組成

2.1 光伏功率預測系統拓撲

光伏功率預測系統如圖1所示。

圖1 光伏功率預測系統

光功率系統分為光伏電站監控系統、子站預測系統、調度數據網、調度主站預測系統。光伏電站功率預測的數據組由子站預測系統和電站實時數據組成。

2.2 光伏功率預測系統總體結構

光伏電站功率預測系統的數據組成分為量大部分：實時氣象數據和天氣預報數據。這兩部分數據作為功率預測的基礎數據。功率預測系統通過分析采集實時氣象數據和天氣預報數據進行數學模型計算形成短期、超短期的功率預測曲線[2]。光伏功率預測系統總體結構如圖2所示。

圖2 光伏功率預測系統總體結構

2.3 實時氣象采集系統

實時氣象采集系統（光控儀）如圖3所示。

圖3 實時氣象采集系統（光控儀）

實時氣象采集子系統（光控儀）主要采集量包括：太陽輻射強度、溫度、濕度、大氣壓、風速。其中太陽輻射包含有：直輻射、散輻射。主要是收集光伏電站所在區域的相關氣象數據。實時氣象采集系統組成（光控儀）如圖4所示。

圖4 實時氣象采集系統組成（光控儀）

實時氣象采集系統組成：輻射傳感器（直輻射、散輻射）、風向風速儀、溫濕度傳感器、大氣壓傳感器、傳動電機、電源（太陽能板、蓄電池）、通信接口等。

2.4 數值天氣預報

光伏功率預測系統采用數值天氣預報供應商提供的高精度數值天氣預報，為光伏功率預測精度提供了保障。光伏功率預測數值天氣預報服務體提供了光伏電站所在區域的未來72h 的輻射強度、溫度、風速等光伏功率預測需量測的高精度預報數據[3]。

3 光功率預測準確性的作用

3.1 提高電網穩定性、增加電網消納光伏發電能力

光伏發電特性具有隨著天氣變化的不確定性，給電網負荷調度帶來較多問題，對電網的安全性形成威脅。隨著光伏發電站不斷地增多和單個電站發電容量的增加，光功率預測系統的越來越發揮很大的作用，功率預測準確性的提高，會有效的幫助電網調度部門做好平衡地區負荷和維持電力潮流穩定性的調度計劃。

3.2 幫助光伏電站增加發電收益和提高檢修效率

如果光伏功率預測準確，電站人員根據預測情況合理安排設備檢修，避免出現發電較多的時段檢修，降低因設備檢修而帶來的電量損失。功率預測準確性提高也會減少電網對電站的限電和偏差考核，避免因此帶來的電量損失，從而提高發電的收益。在電力交易市場也會因預測準確能科學進行電力交易，降低正負電量偏差帶來的經濟損失。

4 光伏電站功率預測精度影響因素

4.1 光功率預測系統氣象數據采集和傳輸影響因素

數據采集的準確性在光伏電站功率預測系統中對預測精度影響很大，一個準確的數據通過合理的計算模型分析，才能得到精度較高的預測數據，為電網和企業進行調整和分析提供可靠的數據支持。

4.1.1 實時氣象數據采集儀安裝位置的影響

實時氣象數據采集的是光伏組件所在區域的氣象數據，其準確性對光伏電站實時功率的預測有很大影響。

一般光伏電站的實時氣象數據采集儀的安裝位置在集控室的屋頂，便于數據傳輸，降低信號干擾和數據丟包率，增加通信系統的可靠性。但是一般光伏組件的高度、環境與實時氣象數據儀的高度、環境、溫度和濕度有差異。對于一些光伏電站如山地光伏，安裝角度和高度隨著山勢的走向進行安裝，而且距離光伏電站主控室較遠，有時可能達到幾十千米，所以采集的實時氣象數據偏差非常大，造成功率預測數據與實際功率有較大偏差。對于平地光伏電站通常分為多個片區，不能集中在一個較為集中的區域，實時氣象數據儀正常情況下一個電站只有一個，所以造成氣象數據產生了偏差。

對于實時氣象數據采集儀輻照傳感器，其周圍不能有陽光的遮擋，傳感器玻璃外罩要經常保持清潔，否則會產生輻照度數據偏差，影響功率預測準確性。實時數據氣象采集儀對陽光的追蹤器靈敏性也需要經常檢查，要能實時追蹤太陽光角度和方向的變化。因此，實時氣象數據儀安裝位置是否合理，儀器設備的精度和靈敏度都會影響對現場獲取的相關氣象數據的準確性從而影響光功率預測的精度和偏差。

4.1.2 實時氣象數據采集儀數據傳輸影響

實時氣象數據采集儀和功率子站的數據傳輸的準確率影響子站系統對數據的分析和計算。在傳輸數據過程中要減少強磁場的干擾，對于傳輸模式和設備要增強抗干擾能力。通常在控制室屋頂的實時氣象數據儀因距離子站距離較短，通常采用了RS485數據線進行數據傳輸，而控制室常常設在升壓站的旁邊，大型的變壓器產生的強磁場會對其產生較強的磁場干擾，若線路屏蔽線沒有按照標準施工會造成數據經常性的丟失，形成部分時間段功率預測數據的不準確。對于傳輸距離較遠，實時氣象數據的傳輸一般采用傳輸性能較高的光纜來傳輸，如果采用RS485傳輸將會大大降低傳輸的準確性，增大了數據丟失的風險。因此，數據傳輸方式也將會影響功率預測的準確性。

4.2 局地小環境特殊性帶來的影響

光伏電站周邊的湖泊、水庫、農田、樹林、山地等會形成一定的小環境氣候。靠近湖泊、水庫等的光伏電站，周邊由于環境濕度較大，會在一定時間段內形成較大的水霧，經常是在清晨，造成陽光光線對光伏板照射的減弱，形成了功率預測的不準確性。濕度較大地區容易形成地區小范圍多云天氣的形成，由于光伏電站通常面積較大，云層只遮擋部分光伏組件，此時實時氣象采集儀可能沒有受到云層的遮擋影響，還有一種情況是只有實時氣象數據儀受到了遮擋而光伏組件卻沒有受到遮擋，這個時間段功率預測偏差是很大的。電站周邊的污染程度也會對預測產生影響，如有大型冶煉、高污染企業形成的粉塵較大，將減弱陽光輻射強度，形成預測的不準確性。

4.3 光伏發電及輸電設備對預測準確影響的因素

4.3.1 光伏發電設備的可利用率影響

光伏電站的發電量是受到設備可利用率影響的，如果發電及輸電設備故障率高，不能保障設備的穩定運行，則發電量會受到一定影響。光伏電站功率預測如果未將故障設備剔除，則預測功率將會高于實際功率，造成預測和實際功率的偏差。

4.3.2 光伏組件的清潔度及遮擋的影響

光伏組件光伏板表面的灰塵厚度大小影響光伏電池板對太陽光輻射的吸收，從而會降低發電功率。如果光伏板前有雜草較高也會形成遮擋，降低發電功率。如果有較多光伏組件存在這些問題，發電功率就會明顯降低低于預測功率值。

4.4 光功率預測系統計算模式與方法的影響

光功率預測的計算模式和方法直接影響預測的準確性。在預測模型方面，傳統機器學習算法反向傳播神經網絡（Back Propagation,BP）以其較強的非線性處理能力被廣泛應用于預測領域，但該算法缺少對時序數據時間相關性的考慮。為了充分考慮光伏功率序列時序特性，長短期記憶神經網絡（Long-Short-Term Memory,LSTM）被廣泛用于預測，但該方法缺乏對未來時刻信息的考量。所以對于功率預測的建模在實際的應用中要適應多種數據的變化，才能得出一個準確的預測數據。

5 結語

提高光伏電站功率預測在建模階段對各個影響因素全方位考慮，加強建模的全面性。對歷史數據采取鄰近地區或是電站的歷史數據使用，這樣才會減少功率偏差，增加預測的準確度，更好地為電站調峰和電力交易提供可靠的依據數據。