太阳能光伏发电预测方法

《太阳能光伏发电预测方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、太阳能光伏发电预测方法　　摘要太阳能光伏发电作为一种取之不尽，用之不竭的清洁环保能源，已成为未来能源发展的重点，本文对太阳能光伏发电的预测方法进行了分析与总结，根据太阳能光伏发电的应用及需求，归纳了各类太阳能光伏发电预测方法的优点及不足，希望对我国太阳能光伏发电预测方法的发展起到一定的促进和推动作用。关键词光伏发电；预测方法；太阳辐射中图分类号：TM615文献标识码：A文章编号：1671-7597（2013）14-0157-02在石油开采量日益见底和生态环境急速恶化的严峻形势下，太阳能作为一种自然能源，以其储量丰富且清洁无污染性显示了其独特的优势，已被国际公

2、认为未来最具竞争性的能源之一。太阳能光伏发电成为太阳能利用的主要方式之一。8光伏发电分为离网和并网两种形式，随着光伏并网技术的成熟与发展，并网光伏发电已成为主流趋势。由于大规模集中并网光伏发电系统容量的急速增加，并网光伏发电系统输出功率固有的间歇性和不可控等缺点对电网的冲击成为制约并网光伏发电的重要元素。太阳能光伏发电系统发电量受当地太阳辐射量、温度、太阳能电池板性能等方面因素的影响。其中太阳辐射强度的大小直接影响发电量的多少，辐射强度越大，发电量越大，功率越大。太阳辐射受季节和地理等因素的影响，具有明显的不连续性和不确定性特点，有着显著的年度变化、季节变化

3、和日变化周期，且大气的物理化学状况如云量、湿度、大气透明度、气溶胶浓度也影响着太阳辐射的强弱。美国、欧洲、日本等发达国家对太阳能光伏发电预测方法的较早的进行了研究与实验。我国太阳能光伏发电预测技术起步较晚，少数几个知名大学相继开展了以建模、仿真为主的技术研究。本文对对太阳能光伏发电的预测方法进行了分析与总结，归纳了各种预测方法的优点及不足，为国内太阳能光伏发电行业的发展提供重要依据。1太阳能光伏发电预测原理当前，对太阳能光伏发电预测的研究主要集中在太阳能辐射强度的预测上。太阳辐射的逐日或逐时观测数据构成了随机性很强的时间序列，但太阳辐射序列的内部仍有某种确定

4、性的规律，只有充分了解掌握太阳能光伏发电的特点、变化规律，才能建立符合实际情况的预测模型及方法。8太阳辐射分为直接太阳辐射和散射太阳辐射。直接太阳辐射为太阳光通过大气到达地面的辐射；散射太阳辐射为被大气中的微尘、分子、水汽等吸收、反射和散射后，到达地面的辐射。散射太阳辐射和直接太阳辐射之和称为总辐射。太阳总辐射强度的影响因素包括：太阳高度角、大气质量、大气透明度、海拔、纬度、坡度坡向、云层。太阳能光伏发电预测是根据太阳辐射原理，通过历史气象资料、光伏发电量资料、卫星云图资料等，运用回归模型、人工神经网络、卫星遥感技术、数值模拟等方法获得预测信息，包括太阳高度

5、角、大气质量、大气透明度、海拔、纬度、坡度坡向、云层等要素，根据这些要素建立太阳辐射预报模型。2太阳能光伏发电预测方法分析太阳能变化趋势主要受到当地地理条件和气象条件的影响。地理条件的影响有明显规律，可以根据当地经纬度计算出全年太阳的运行轨迹，并结合光伏电池阵列自身的参数计算出太阳能变化的一个总体变化趋势。但该趋势并不能反映出几小时内，甚至不能反映出几天内的太阳能变化的大致情况。气象条件对于太阳辐射的影响是最直接的。要实现几小时内的太阳能趋势预报，就必须找到根据气象条件推算出太阳能趋势的计算方法。近年来，随着太阳能产业的飞速发展，对太阳能光伏发电预测要求的不

6、断增加，发达国家对太阳能光伏发电预测的研究较早、发展较快。目前，我国对太阳能光伏发电预测技术的研究还处于起步阶段，需进一步深入研究与实验。太阳能辐射的预测方法主要有三大类：8第一类：基于历史气象数据和光伏发电量数据的研究，采用统计学方法进行分析建模；第二类：基于卫星云图资料数据和地面监测资料数据，通过卫星、雷达图象处理，计算出实时太阳能辐射的预报方法；第三类：基于数值天气预报的预测方法。2.1第一类预测方法第一类预测方法，其模型的建立不考虑太阳辐射变化的物理过程，通过对历史观测数据资料进行分析和处理，以历史发电量预报未来发电量。一般采用回归模型预测、神经网络

7、等数学方法，建立光伏发电系统与气象要素相关性的统计模型，进行发电量预测。该方法模型构造及运算方法较为简单，但只适应于发电量变化不大的平稳时间序列，对于发电量变化较大的时间序列，误差较大。2.1.1回归模型预测回归模型预测根据历史资料，，找出天气变化与太阳辐射的关系及其变化规律，建立可以进行数学分析的数学模型，对未来的太阳辐射进行预测。该方法其特点是将预测目标的因素作为变量，将预测目标作为常量。利8用给定的多组变量和常量资料，研究各种变量之间的关系。利用得到的回归方程式来表示变量与常量之间的相对关系，从而达到预测太阳辐射的目的。在大量的实验与实践中得出，变量误

8、差较大，尤为正午时误差明显。回归模型预测对于非线时间