基于GRA-BiLSTM模型的中國太陽能光伏產業(yè)裝機容量預測

陳勇昊

摘要：隨著我國能源轉型進程的加速和可再生能源市場需求的快速增長，光伏行業(yè)創(chuàng)造了更多的就業(yè)機會，有效緩解了勞動力市場的就業(yè)壓力。本文為了準確預測我國太陽能光伏裝機容量，提出了一種基于雙向長短期記憶的多因素裝機容量預測模型。該模型預測了2020—2035年中國的太陽能光伏裝機容量。準確預測太陽能光伏裝機容量，可以為太陽能光伏產業(yè)規(guī)劃電力發(fā)展戰(zhàn)略提供有效的決策支持。

關鍵詞：光伏裝機容量；就業(yè)效應；雙向長短期網(wǎng)絡模型

中圖分類號：F2文獻標識碼：Adoi：10.19311/j.cnki.16723198.2024.11.006

0引言

全球氣候變化促進了世界上可再生能源的快速發(fā)展和廣泛應用，可再生能源行業(yè)逐漸成為各國關注的焦點。太陽能作為一種應用廣泛的可再生能源，具有分布廣泛、技術應用成熟、可靠性高、建設成本低等特點，它將成為未來能源發(fā)展的重要增長極。合理的裝機容量對于太陽能光伏行業(yè)進入規(guī)模經(jīng)濟階段非常重要，因此，要準確預測我國太陽能光伏裝機容量，有必要充分考慮我國太陽能光伏裝機容量的影響因素，篩選出與裝機容量相關性較強的指標。深度神經(jīng)網(wǎng)絡具有良好的非線性映射、自學習和自適應、聯(lián)想記憶和并行信息處理能力。它在不同場景下的時間序列數(shù)據(jù)處理中具有良好的適用性，在處理非線性時間序列預測問題時，深度神經(jīng)網(wǎng)絡通過多層非線性變換有效地提取數(shù)據(jù)特征，以實現(xiàn)對輸出變量的準確預測。在此基礎上，建立了基于灰色關聯(lián)度－雙向長短期網(wǎng)絡的太陽能光伏裝機容量的多因素預測模型。準確的預測結果可以有效地調度和進行能源系統(tǒng)的規(guī)劃，提高能源系統(tǒng)的穩(wěn)定性，降低整體運行成本。

1研究設計

1.1研究方法

傳統(tǒng)的長短期記憶網(wǎng)絡在處理數(shù)據(jù)時僅向后傳播，用于在歷史變量中獲得先驗信息。而雙向長短期網(wǎng)絡模型神經(jīng)網(wǎng)絡與長短期網(wǎng)絡模型之間的主要區(qū)別在于，它采用多個門來執(zhí)行存儲單元，以控制網(wǎng)絡內部的輸入和輸出流，并且充分考慮輸入數(shù)據(jù)在時間序列中的雙向關系。這種雙向處理通過門機制獲得了更多的結構性信息，增強了信息智能的方式。雙向長短期網(wǎng)絡模型對信息進行順序編碼，以獲取前后數(shù)據(jù)的信息特征，從而提高其泛化能力。長短期網(wǎng)絡模型單元從輸入序列開始，輸入序列的反向形式已經(jīng)集成到長短期網(wǎng)絡模型網(wǎng)絡中。由前ht和后層h′t生成的雙向長短期網(wǎng)絡模型，模型如圖1所示。

計算正向層中從時間1到時間t，得到并保存每次正向輸出。在向后層中反向計算時間t到時間1，每次得到并保存向后層的輸出。最后，通過結合前向層和向后層相應時刻的輸出結果，可以得到每個時刻的最終輸出。

1.2指標選取

本文充分考慮宏觀經(jīng)濟指標對電力市場的影響，通過查閱相關文獻，確定影響太陽能光伏發(fā)電裝機容量的因素如下。

國內生產總值和住宅消費支出：經(jīng)濟增長是累計裝機容量的主要驅動力。電力消費的發(fā)展依賴于工業(yè)化、商業(yè)化、信息化的持續(xù)發(fā)展。此外，裝機容量的增加取決于國家和私人的投資，而這取決于經(jīng)濟的快速發(fā)展。人口：人口是社會經(jīng)濟的一個基本方面。它將直接影響一個地區(qū)的電力需求，從而影響裝機容量。工業(yè)增加值：在一個高度工業(yè)化的社會中，材料和產品是以機械化的方式生產的，工業(yè)部門使用大量的電力，這增加了對裝機容量的需求。本文選擇工業(yè)增加值作為代表工業(yè)化發(fā)展的指標。太陽能發(fā)電和太陽能消耗：這些能源生產指標與太陽能裝機容量最為相關。對電力市場的需求直接推動了電力設備市場的發(fā)展。電力進出口：電力的進出口反映了一個國家對電力的依賴性。對能源進口的依賴鼓勵各國采取激勵措施，發(fā)展國內電力市場，并增加政府和私人對發(fā)電市場的投資。

2實驗結果與討論

2.1預測結果分析

充分考慮到選定影響因素未來的變化情況，本研究將其作為雙向長短期網(wǎng)絡模型預測的輸入數(shù)據(jù)，通過模型學習得到2020—2035年中國太陽能光伏裝機量，結果如圖2所示。

如圖2所示，由于2010年以前中國太陽能光伏累計裝機容量相對較小，因此本研究將2010—2035年太陽能光伏新增裝機容量的變化分為三個階段進行分析：

第一階段為2010—2019年。中國太陽能光伏裝機容量呈幾何增長，2010年累計裝機容量為102吉瓦，2017年達到13082吉瓦。然而，2017—2019年，新增的太陽能光伏裝機容量逐年下降。造成這一現(xiàn)象的原因是，在光伏市場發(fā)展初期，政府對光伏產業(yè)的生產、安裝和發(fā)電進行了大力補貼。

第二個階段為2020—2025年。根據(jù)雙向長短期網(wǎng)絡模型的預測，中國新型太陽能光伏裝機容量將迅速增長，從2020年的5037吉瓦增長到2025年的14676吉瓦。

第三個階段為2025—2035年。根據(jù)模型預測結果，中國太陽能光伏產業(yè)的整體發(fā)展將呈現(xiàn)穩(wěn)定增長。到2035年，中國累計太陽能光伏裝機容量將達到2833吉瓦。隨著材料技術和工藝技術的不斷進步，太陽能光伏產業(yè)的驅動力從原來的補貼向內生的科技研發(fā)驅動力轉變，太陽能光伏市場進入“平價上網(wǎng)”時代。

2.2實驗結論

本研究預測并分析了中國太陽能光伏產業(yè)在能源轉型時期的發(fā)展前景。

（1）提出了一種基于灰色關聯(lián)度—雙向長短期網(wǎng)絡模型的中國太陽能光伏裝機容量預測模型。通過對模型參數(shù)的優(yōu)化和調整，評價了模型的預測性能。灰色關聯(lián)度—雙向長短期網(wǎng)絡模型的誤差值為5995，說明灰色關聯(lián)度－雙向長短期網(wǎng)絡模型方法比基準模型長短期網(wǎng)絡模型方法更適合于多因素太陽能光伏裝機容量預測。太陽能消耗和太陽能發(fā)電的影響最大，平均貢獻率分別為2642%和2720%。

（2）雙向長短期網(wǎng)絡模型用于預測2020—2035年中國太陽能光伏裝機容量。預測結果顯示，中國未來太陽能光伏裝機容量將繼續(xù)增長，2035年中國太陽能光伏裝機容量將達到2833吉瓦。同時，結合裝機容量的歷史數(shù)據(jù)，探討了我國裝機容量的階段特點和原因。結果表明，太陽能光伏裝機容量在早期呈指數(shù)增長趨勢，主要是因為太陽能光伏補貼政策在太陽能光伏市場的早期發(fā)展中起著至關重要的作用，但隨著光伏行業(yè)的規(guī)模擴大和集約化，補貼的下降，太陽能光伏裝機容量的增長率將逐漸放緩。

參考文獻

[1]董華展.太陽能光伏發(fā)電發(fā)展趨勢探析[J].現(xiàn)代工業(yè)經(jīng)濟和信息化，2023，13（4）：282284.

[2]姚亞軍.太陽能光伏發(fā)電技術的應用研究[J].科技創(chuàng)新與應用，2022，12（36）：181184.

[3]任遠.太陽能光電建筑發(fā)電量預測方法研究[D].北京建筑大學，2014.

[4]邊博偉.太陽能光伏發(fā)電儲能控制研究[J].產品可靠性報告，2023，（8）：4344.

[5]繆宇峰.分布式電源光伏發(fā)電對低壓電網(wǎng)的影響及對策[J].電氣技術與經(jīng)濟，2023，（06）：109111.

[6]徐海龍.全過程項目管理在光伏發(fā)電工程中的應用[J].光源與照明，2022，（8）：7274.

[7]李超.太陽能光熱發(fā)電裝置及發(fā)電量預測方法[D].寧夏大學，2019.

[8]叢建鷗.太陽能光伏并網(wǎng)系統(tǒng)發(fā)電量預測方法研究[J].科技與企業(yè)，2015，（20）：89.

[9]路小娟，郭琦，董海鷹.基于L-SVM的太陽能短期上網(wǎng)發(fā)電量預測方法研究[J].蘭州交通大學學報，2014，33（4）：3639.

[10]王少義，李英姿，王澤峰.太陽能光伏并網(wǎng)系統(tǒng)發(fā)電量預測方法[J].北京建筑工程學院學報，2013，29（1）：6469.