新能源儲能波動下的光伏發(fā)電預(yù)測算法改進(jìn)

陸沈雄，范亞偉，屠永輝，戚成健，溫世超

（浙江華云信息科技有限公司，浙江杭州 310008）

目前新能源的發(fā)展已成為當(dāng)今世界的熱點，光伏發(fā)電是全球新能源之一，其年增長率超過35%，成為世界上發(fā)展最迅速的新能源。而光伏發(fā)電與太陽輻射等氣象因素有著緊密聯(lián)系，新能源儲能具有隨機(jī)性、波動性和不確定性。大規(guī)模新能源儲能的波動性將直接關(guān)系到電網(wǎng)的安全穩(wěn)定運(yùn)行。因此，在電力系統(tǒng)中，如何有效地協(xié)調(diào)多方能源，保證電網(wǎng)穩(wěn)定運(yùn)行是必要的。

文獻(xiàn)[1]提出了結(jié)合遙感數(shù)據(jù)的預(yù)測方法，利用高分辨率衛(wèi)星數(shù)據(jù)和深度學(xué)習(xí)技術(shù)，獲得地面光伏發(fā)電，并與真實氣象數(shù)據(jù)相結(jié)合，對光伏發(fā)電進(jìn)行預(yù)測。文獻(xiàn)[2]提出了基于GA-GNNM 的預(yù)測方法，該方法通過采集氣候因素數(shù)據(jù)，對缺失的光伏發(fā)電數(shù)據(jù)進(jìn)行歸一化處理。通過最大相關(guān)冗余算法選擇最佳氣象數(shù)據(jù)組合，構(gòu)建多維數(shù)據(jù)集。將數(shù)據(jù)集輸入到K 均值聚類算法過程中，通過構(gòu)建灰色神經(jīng)網(wǎng)絡(luò)融合模型，實現(xiàn)光伏發(fā)電預(yù)測。采用上述兩種方法既要了解光伏發(fā)電的氣象數(shù)據(jù)，又要對各個數(shù)據(jù)的相關(guān)性進(jìn)行分析，但由于新能源儲能波動具有普遍化特性，使得預(yù)測精度降低。為此，提出了新能源儲能波動下的光伏發(fā)電預(yù)測改進(jìn)算法。

1 新能源儲能波動平抑

光伏發(fā)電以清潔、環(huán)保等優(yōu)點，被廣泛地應(yīng)用于新能源領(lǐng)域。目前，光伏技術(shù)是當(dāng)今世界可再生能源研究的熱點[3]。然而，新能源儲能具有隨機(jī)性、波動性和間歇性，尤其是大規(guī)模的光伏發(fā)電將對電網(wǎng)的安全、穩(wěn)定運(yùn)行產(chǎn)生巨大的影響[4]。采用合適的儲能技術(shù)，可以減少這些負(fù)面效應(yīng)，促進(jìn)光伏數(shù)據(jù)集約化利用。

在光伏系統(tǒng)處于充電狀態(tài)時，選取全過程中新能源儲能的波動最小下限為光伏系統(tǒng)光電輸出，剩余電能用于光伏系統(tǒng)充電，且直到完全充滿為止[5-7]。光伏系統(tǒng)的儲能容量可表示為：

式中，Ps、Pm分別表示光伏系統(tǒng)實際輸出功率和充電過程光伏系統(tǒng)輸出；η表示系統(tǒng)充電效率；Q0為系統(tǒng)的初始能量；t1、t2分別為充電的起始時刻和終止時刻。

在光伏系統(tǒng)處于放電狀態(tài)時，選取全過程中新能源儲能的波動最高上限為光伏系統(tǒng)光電輸出，缺失電能由光伏系統(tǒng)來補(bǔ)充，直至光伏系統(tǒng)放電到達(dá)放電下限為止[8-10]。光伏系統(tǒng)在某放電深度的最低能量可表示為：

式中，t3表示放電結(jié)束時間。通過對光伏系統(tǒng)儲能容量有合理的選擇，起到對新能源儲能波動平抑的作用。

2 光伏發(fā)電預(yù)測算法改進(jìn)

2.1 光伏發(fā)電預(yù)測模型構(gòu)建

為了進(jìn)一步提高預(yù)測結(jié)果的概括性，增加預(yù)測穩(wěn)定性，防止輸出結(jié)果陷入局部最優(yōu)狀態(tài)，優(yōu)化光伏系統(tǒng)結(jié)構(gòu)和參數(shù)[11-12]。基于此，構(gòu)建了光伏發(fā)電預(yù)測模型，如圖1 所示。

圖1 光伏發(fā)電預(yù)測模型

光伏發(fā)電預(yù)測模型如下所示：

式中，I1、I0、Ig分別表示光生電流、飽和電流和并聯(lián)電流；Rg代表并聯(lián)電阻；U代表輸出電壓；μ代表二極管質(zhì)量系數(shù)；σ代表玻爾茲曼常量；C表示光伏陣列的溫度；q表示電子電荷[13]。通過光伏發(fā)電系統(tǒng)改進(jìn)結(jié)構(gòu)參數(shù)，優(yōu)化連接權(quán)值和閾值。

2.2 改進(jìn)分?jǐn)?shù)階算法的光伏發(fā)電預(yù)測

通過構(gòu)建光伏發(fā)電預(yù)測模型，結(jié)合升壓轉(zhuǎn)換器選擇開關(guān)信號，獲取最大功率跟蹤結(jié)果。通過分析時序相關(guān)性，使用改進(jìn)分?jǐn)?shù)階算法實現(xiàn)對光伏發(fā)電的精準(zhǔn)預(yù)測。

2.2.1 模型預(yù)測控制

模型預(yù)測控制是利用離散時間模型對控制變量的未來變化進(jìn)行預(yù)測的一種閉環(huán)最優(yōu)控制方法[14]。選擇適當(dāng)?shù)那袚Q控制信號是基于所設(shè)置最優(yōu)判據(jù)，為了方便開關(guān)控制信號的選取，采用升壓轉(zhuǎn)換器，其結(jié)構(gòu)如圖2 所示。

圖2 升壓轉(zhuǎn)換器結(jié)構(gòu)

采用升壓轉(zhuǎn)換器，開關(guān)狀態(tài)定義為k1-k6，根據(jù)開關(guān)控制信號使光伏系統(tǒng)的變量盡可能接近參考變量[15]。如果光伏系統(tǒng)中存在n種信號，則在t+1 時刻所有預(yù)測結(jié)果可表示為：

式中，P(t)表示光伏發(fā)電預(yù)測量；f表示預(yù)測函數(shù)；ki表示第i個開關(guān)。

設(shè)定取樣時段控制信號，并基于以上所述的預(yù)測結(jié)果來建立代價函數(shù)，可表示為：

式中，P*(t)表示跟蹤參考信號。在n種信號控制下，以代價函數(shù)最小的控制信號為最佳，并將其作為時間的控制信號，使得控制量與基準(zhǔn)值更接近，也就是獲取光伏發(fā)電最大功率點追蹤結(jié)果。

2.2.2 光伏發(fā)電預(yù)測量計算

對光伏發(fā)電的預(yù)測模型進(jìn)行了分析，可以將λj看作是在一定時期內(nèi)，各個時段的光伏發(fā)電量與未來光伏預(yù)測加權(quán)系數(shù)之間的關(guān)系，并將其與光伏系統(tǒng)的實時發(fā)電量之間的相關(guān)性進(jìn)行了分析，可表示為：

式中，t表示發(fā)電時間。在分?jǐn)?shù)階體系中，采用當(dāng)前和過去時間的狀態(tài)信息對模型進(jìn)行改進(jìn)，可以較好地表達(dá)歷史數(shù)據(jù)。在前15 個時序上，對光伏發(fā)電系統(tǒng)的實時發(fā)電功率與時間序列的關(guān)系進(jìn)行了研究。在新能源儲能波動平抑情況下，采用了一種改進(jìn)分?jǐn)?shù)階法，將在當(dāng)前時刻前選取的時序區(qū)間限定在一定的采樣點數(shù)目之內(nèi)，從而可以保證預(yù)測精確度和提高運(yùn)算速度[16-19]。在此基礎(chǔ)上，將分?jǐn)?shù)階理論引入到光伏發(fā)電預(yù)測中，為其提供了充分理論依據(jù)。但是，由于光伏發(fā)電的特點和綜合因素的影響，使得光伏發(fā)電的特點更加復(fù)雜，其運(yùn)算速度也比常規(guī)方法要大。在此基礎(chǔ)上，提出了一種基于小數(shù)階法的新方法，并對其進(jìn)行了動態(tài)跟蹤，為其預(yù)測提供了更為精確的信息。

根據(jù)上述分析可將模型中的預(yù)測結(jié)果，光伏發(fā)電輸出功率預(yù)測量表示為：

式中，m表示樣本數(shù)據(jù)量；τ、?分別表示改進(jìn)水平、傾斜分量；ψm、ζm分別表示改進(jìn)水平、傾斜系數(shù)。從以上公式可以看出，在未來一段時期，通過改進(jìn)水平分量和改進(jìn)傾斜分量，可以得到兩組參數(shù)權(quán)重的計算公式：

將上述計算結(jié)果引入模型中，隨著光伏發(fā)電系統(tǒng)的不斷擴(kuò)大，相應(yīng)的光伏發(fā)電預(yù)測量也會隨之增加，并用如下公式表示：

通過上述公式可得到光伏發(fā)電精準(zhǔn)預(yù)測結(jié)果。

3 實驗

3.1 光伏電站模擬

光伏發(fā)電的隨機(jī)性和不穩(wěn)定性，使得其抗干擾能力差，運(yùn)行風(fēng)險增大。因此，光伏發(fā)電系統(tǒng)的能源管理問題是其核心問題。光伏發(fā)電的能源管理目標(biāo)是對光伏發(fā)電的光伏板、基本負(fù)荷、蓄能系統(tǒng)進(jìn)行合理的調(diào)度，以確保光伏發(fā)電的安全、穩(wěn)定運(yùn)行，達(dá)到最大的經(jīng)濟(jì)效益。光伏電站結(jié)構(gòu)如圖3 所示。

圖3 光伏電站結(jié)構(gòu)示意圖

分布式電源主要由光伏電池和能量存儲兩部分組成，其中既有電能負(fù)載，也有家用電能。母線由DC/AC 變換器連接，而蓄電系統(tǒng)則由DC/AC 變換器連接至母線。光伏發(fā)電系統(tǒng)一般都是以并網(wǎng)的形式運(yùn)行的，它是由一個公用的連接點PCC 與大電網(wǎng)相連的。當(dāng)連接點PCC 被切斷時，大型電力系統(tǒng)和光伏電站之間的連接被切斷，使得光伏發(fā)電處于孤島狀態(tài)。

3.2 實驗指標(biāo)及模擬數(shù)據(jù)分析

將待預(yù)測的數(shù)據(jù)放入預(yù)測模型中進(jìn)行訓(xùn)練，可以獲取各個時刻預(yù)測結(jié)果，并將這些結(jié)果與實際結(jié)果進(jìn)行比較，得到預(yù)測精度。采用兩種誤差對所研究方法進(jìn)行評價，即均方誤差和平均相對誤差，評價公式為：

式中，a表示預(yù)測時間點數(shù)；rs、分別表示s個實際值和預(yù)測值。

設(shè)置晴天和陰天兩種天氣，在這兩種天氣下光伏發(fā)電實際輸出功率如表1 所示。

表1 不同天氣下光伏發(fā)電實際輸出功率

由表1 可知，晴天的實際輸出功率大于陰天的實際輸出功率。

3.3 實驗結(jié)果與分析

根據(jù)上述模擬數(shù)據(jù)，分別使用文獻(xiàn)[1]方法、文獻(xiàn)[2]方法和所提方法對比分析預(yù)測結(jié)果，如圖4所示。

圖4 不同方法預(yù)測結(jié)果對比分析

由圖4（a）可知，三種方法的預(yù)測結(jié)果相差較大，其中使用所提方法與實際值一致，其余兩種方法與該算法最大誤差為40 kW。由圖4（b）可知，使用所提方法與實際值在預(yù)測時間為18:00 時，與實際值存在0.2 kW 的誤差，其余時間均一致。使用文獻(xiàn)[1]方法、文獻(xiàn)[2]方法與實際值存在最大誤差為0.5 kW和0.8 kW。通過對比結(jié)果可知，使用所提方法預(yù)測結(jié)果更精準(zhǔn)。

4 結(jié)束語

為精準(zhǔn)預(yù)測光伏發(fā)電量，提出一種新能源儲能波動下的光伏發(fā)電預(yù)測改進(jìn)算法。利用能量存儲技術(shù)對新能源儲能波動進(jìn)行抑制，降低對光伏發(fā)電預(yù)測的影響。建立了光伏發(fā)電預(yù)測模型，利用升壓變換器，選擇適當(dāng)?shù)那袚Q控制信號，獲得最大功率點跟蹤的結(jié)果。通過對光伏發(fā)電系統(tǒng)的時序相關(guān)性分析，結(jié)合改進(jìn)分?jǐn)?shù)階算法，預(yù)測光伏發(fā)電，并通過對該算法的實際應(yīng)用進(jìn)行了實驗?zāi)M。經(jīng)實驗驗證了該方法是切實可行的，且結(jié)果顯示該方法能較好地對光伏發(fā)電進(jìn)行精準(zhǔn)預(yù)測。