基于小波神經(jīng)網(wǎng)絡(luò)的分布式光伏發(fā)電出力預(yù)測研究

李浩銘

摘 ?要：對于分布式光伏發(fā)電出力情況進(jìn)行預(yù)測是設(shè)計(jì)光伏電站的必須參考數(shù)據(jù)，為光伏電源的接入和電力系統(tǒng)的優(yōu)化提供可靠的依據(jù)。本文分析了分布式光伏發(fā)電出力的特性和預(yù)測方法，簡述了小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和預(yù)測原理，并在最后以厚田沙漠光伏生態(tài)園5MWp光伏電站的發(fā)電出力數(shù)據(jù)為主要研究對象，研究了小波神經(jīng)網(wǎng)絡(luò)對分布式光伏發(fā)電出力的預(yù)測情況。

關(guān)鍵詞：小波神經(jīng)網(wǎng)絡(luò);分布式光伏;發(fā)電出力預(yù)測

前言：

我國是太陽能資源較豐富的國家，非常適合光伏發(fā)電的發(fā)展，國家也對此實(shí)施大力的扶持政策，光伏發(fā)電也因此迎來高速發(fā)展時(shí)期。但是要想有效地實(shí)現(xiàn)光伏并網(wǎng)，對于電站的出力情況進(jìn)行準(zhǔn)確的預(yù)測是十分必要的，然而目前針對這一方向的研究較少，也因此在一定程度上阻礙了光伏發(fā)電的發(fā)展。

一、分布式光伏發(fā)電出力特性

分布式光伏發(fā)電出力會(huì)受到氣候、光照等外界客觀因素的影響較大，具有一定的隨機(jī)性和間歇性，并且具有概率分布的典型特點(diǎn)，除了易受自然因素的影響，還會(huì)受到鄰近的電力負(fù)荷和光伏的制約影響。根據(jù)分布式光伏發(fā)電出力的間歇性和隨機(jī)性的特性，國內(nèi)外產(chǎn)生不少研究，通過不同氣候光伏出力分布的實(shí)驗(yàn)，去除夜間光伏未發(fā)電出力的時(shí)間，分別對在晴天、多云、雨天、雨轉(zhuǎn)陰幾種氣候下的特性進(jìn)行研究，表明分布式光伏發(fā)電出力會(huì)受到光照等氣候因素影響，同時(shí)還會(huì)受到時(shí)間、地理等因素的影響。間接法的特性是通過利用氣象、光照等數(shù)據(jù)條件對光伏發(fā)電出力建造模型，根據(jù)光伏發(fā)電出力原理，得到分布式的間接特性[1]。

二、分布式光伏發(fā)電出力預(yù)測方法

對于分布式光伏發(fā)電出力的預(yù)測方法一般分為直接預(yù)測法和間接預(yù)測法，直接預(yù)測法通常都是根據(jù)數(shù)據(jù)的規(guī)律進(jìn)行預(yù)測，也稱為數(shù)據(jù)統(tǒng)計(jì)預(yù)測法，在這一預(yù)測方法中，通常先找出光伏發(fā)電出力的歷史數(shù)據(jù)，在其中尋找規(guī)律，通過規(guī)律確定理論再建立模型，在建模環(huán)節(jié)中主要使用的方法有時(shí)間序列預(yù)測法、灰色理論預(yù)測法等，數(shù)據(jù)統(tǒng)計(jì)預(yù)測法也在實(shí)驗(yàn)中得到了很好的證明。隨著人工智能的發(fā)展，人工智能預(yù)測方法在分布式發(fā)電出力預(yù)測的方法中也較為常見，由于在統(tǒng)計(jì)發(fā)電出力的過程中需要用到大量的數(shù)據(jù)，數(shù)據(jù)范圍較廣，并且需要準(zhǔn)確獲取，存在一定難度，但使用人工智能預(yù)測方法可以通過人工神經(jīng)網(wǎng)絡(luò)、多層感知器神經(jīng)網(wǎng)絡(luò)等進(jìn)行預(yù)測，以這種人工智能方法算出的數(shù)據(jù)會(huì)更加精確，提高了整體預(yù)測的準(zhǔn)確度。間接預(yù)測法主要是指在預(yù)測過程中不需要?dú)v史數(shù)據(jù)的統(tǒng)計(jì)，而是直接根據(jù)天氣預(yù)報(bào)的數(shù)據(jù)就可以進(jìn)行預(yù)測的方法，可以減少數(shù)據(jù)的統(tǒng)計(jì)難度，在間接預(yù)測法中常用數(shù)值天氣預(yù)報(bào)和基地云圖法，對于數(shù)值運(yùn)算能力有很大的要求，通過設(shè)置邊界條件和初值，計(jì)算天氣演變的過程，進(jìn)而預(yù)測未來的天氣狀況，從而實(shí)現(xiàn)預(yù)測分布式發(fā)電出力的目的。

三、小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和預(yù)測原理

小波神經(jīng)網(wǎng)絡(luò)是小波變換和神經(jīng)網(wǎng)絡(luò)的結(jié)合，通常稱之為松散型結(jié)合，由小波變換和神經(jīng)網(wǎng)絡(luò)構(gòu)成整個(gè)系統(tǒng)，主要結(jié)構(gòu)為：在某一特定時(shí)域輸入信號，通過小波分解到小波域進(jìn)行信號處理，再在小波域進(jìn)行小波重構(gòu)，經(jīng)過特定時(shí)域進(jìn)入神經(jīng)網(wǎng)絡(luò)，最后輸出信號，整個(gè)結(jié)構(gòu)中小波變換和神經(jīng)網(wǎng)絡(luò)是相對獨(dú)立但又緊密相連的。小波變換和神經(jīng)網(wǎng)絡(luò)的融合也被稱之為緊致型結(jié)合，在結(jié)構(gòu)中緊致型小波神經(jīng)網(wǎng)絡(luò)組合模型是由小波函數(shù)構(gòu)構(gòu)造神經(jīng)網(wǎng)絡(luò)多形成的小波網(wǎng)絡(luò)，在這一結(jié)構(gòu)中，可以自行調(diào)整小波函數(shù)的形狀以適應(yīng)實(shí)際，可以實(shí)現(xiàn)小波變換。在小波神經(jīng)網(wǎng)絡(luò)光伏出力預(yù)測中，以小波變換原理為基礎(chǔ)，將小波分解和重構(gòu)的方法作為前置的手段，根據(jù)預(yù)測時(shí)的天氣等自然情況，選擇合適的樣本，構(gòu)建小波神經(jīng)網(wǎng)絡(luò)光伏出力預(yù)測模型，根據(jù)實(shí)驗(yàn)得出的數(shù)據(jù)求得預(yù)測的情況。以晴天為例，在晴天條件下對模型進(jìn)行預(yù)測研究，先輸入歷史數(shù)據(jù)，在晴天下降小波變換得到的樣本進(jìn)行分解，再進(jìn)行小波重構(gòu)，通過不同的處理方式得到不同的小波神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果，將得到的結(jié)構(gòu)序列進(jìn)行疊加，得到最終結(jié)果，以此得到預(yù)測情況[2]。

四、基于小波神經(jīng)網(wǎng)絡(luò)在分布式光伏發(fā)電出力預(yù)測的應(yīng)用

分布式光伏發(fā)電出力具有較強(qiáng)的隨機(jī)性和波動(dòng)性，在對其進(jìn)行預(yù)測時(shí)難度較大，如果沒有選擇正確的預(yù)測方法，預(yù)測結(jié)果會(huì)大打折扣。小波神經(jīng)網(wǎng)絡(luò)是將小波變換和神經(jīng)網(wǎng)絡(luò)兩種特點(diǎn)相結(jié)合形成的，在使用其預(yù)測時(shí)會(huì)更加的靈活，具有更強(qiáng)的容錯(cuò)能力，所以小波神經(jīng)網(wǎng)絡(luò)更適用于分布式光伏發(fā)電出力的預(yù)測。但在小波神經(jīng)網(wǎng)使用的過程中較為復(fù)雜，由于復(fù)雜的情況下得到的結(jié)果也具有一定不準(zhǔn)確性，所以為了更好地達(dá)到預(yù)測效果，可以使用簡化模型的辦法，根據(jù)不同的季節(jié)、月份甚至日期建立不同的預(yù)測模型，簡化操作的同時(shí)，提高預(yù)測的準(zhǔn)確度。

在此以厚田沙漠光伏生態(tài)園為主要研究地點(diǎn)，5MWp光伏電站的發(fā)電出力數(shù)據(jù)為主要研究對象，對于進(jìn)行預(yù)測研究，在此光伏電站中采用的光伏組件有2WMp的多晶硅和3WMp的薄膜，多晶硅組件的功率峰值為180Wp，開路電壓為44.9V，短路電流為5.46A，工作電壓為36.2V，工作電流為4.98A;薄膜電池組件的功率峰值為484Wp，開路電壓為291V，短路電流為2.56A，工作電壓為222V，工作電流為2.18A。整個(gè)的布置中，薄膜固定系統(tǒng)為3049.2kWp，多晶硅固定系統(tǒng)1695.24kWp，將組件的安裝方向固定位正南方向，安裝的傾斜角按照當(dāng)?shù)氐?5度最佳的傾斜角設(shè)置，使薄膜光伏組件的單列組件按照前后間隔2米放置，多晶硅的組件按照前后間隔2.5米放置單列組件，確保在9點(diǎn)至15點(diǎn)這一時(shí)間段內(nèi)組件可以全年不被遮擋。

在進(jìn)行預(yù)測的過程中，采用簡化模型的方式，主要采取2012年第一季度一、二月份的數(shù)據(jù)，將其分成晴天、陰天、多云轉(zhuǎn)陰和雨這四種典型的 天氣進(jìn)行分別建立模型操作，根據(jù)不同的天氣情況，對應(yīng)不同的發(fā)電出力數(shù)據(jù)，采用上面介紹過的小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以厚田沙漠光伏生態(tài)園的5MWp光伏電站的歷史數(shù)據(jù)為基礎(chǔ)，先將歷史數(shù)據(jù)進(jìn)行分解，提取出光伏發(fā)電出力的系數(shù)，并且在分解的過程中注意做好消噪處理，并將分解后的單支信號進(jìn)行重構(gòu)，再將重構(gòu)后的數(shù)據(jù)通過模型預(yù)測出發(fā)電出力值，結(jié)合不同的天氣情況和實(shí)際情況，采取合適的預(yù)測模型，爭取將預(yù)測結(jié)果最優(yōu)化。由于分布式光伏發(fā)電出力的特性，其受氣候條件的影響最為明顯，所以在實(shí)驗(yàn)過程中要注意光照的不同影響，特別是采取的實(shí)驗(yàn)對象厚田沙漠光伏生態(tài)園5MWp光伏電站處在四季分明的位置，光照情況好太陽的輻射角度都會(huì)隨著時(shí)間的變化而變化，各個(gè)月份的光照情況和光照時(shí)間不同，所以在樣本選擇中通常要選取8點(diǎn)到17點(diǎn)的10個(gè)光伏發(fā)電出力的數(shù)據(jù)，在模型中要輸入13個(gè)數(shù)據(jù)，包括日期、最高溫度、最低溫度和選取的10個(gè)發(fā)電出力值，以此得到準(zhǔn)確完整的預(yù)測結(jié)果[3]。

通過預(yù)測結(jié)果對小波神經(jīng)網(wǎng)絡(luò)在分布式光伏發(fā)電出力預(yù)測中的應(yīng)用進(jìn)行總結(jié)，在晴天氣候條件下，由于傍晚的氣候變化較大、溫度較低，對于預(yù)測的精準(zhǔn)度較低，使用小波神經(jīng)網(wǎng)絡(luò)預(yù)測時(shí)可以將局部特性較好的擬合，得到的預(yù)測結(jié)果精確度也較高，誤差也相對較小。在相同情況下的陰天樣本中，采用小波神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測的誤差就較高，在8點(diǎn)和17點(diǎn)這兩個(gè)時(shí)間點(diǎn)的誤差尤為高，所以在陰天條件下小波神經(jīng)網(wǎng)絡(luò)在進(jìn)行分布式光伏發(fā)電出力預(yù)測中發(fā)揮的作用就不是很大了。對于多云轉(zhuǎn)陰天氣下的樣本預(yù)測結(jié)果與在陰天下結(jié)果相似，由于在8點(diǎn)和17點(diǎn)數(shù)據(jù)較差過大，并且在高頻部分也存在較大誤差，造成整體預(yù)測結(jié)果不是很準(zhǔn)確，在發(fā)電出力的預(yù)測中的參考意義不大。在中雨情況下產(chǎn)生的預(yù)測結(jié)果與多云轉(zhuǎn)陰是相近的，所以，根據(jù)整體實(shí)驗(yàn)情況分析，在晴天情況下的小波神經(jīng)網(wǎng)絡(luò)對于分布式發(fā)電出力的預(yù)測準(zhǔn)確度較高，在陰天、多云轉(zhuǎn)陰以及中雨情況下預(yù)測結(jié)果準(zhǔn)確度較低，但能基本滿足發(fā)電系統(tǒng)規(guī)劃，具有一定參考價(jià)值。

結(jié)論：綜上所述，對于分布式光伏發(fā)電出力預(yù)測具有很重要的作用，既能夠有效降低光伏并網(wǎng)對電力系統(tǒng)造成的不良影響，又可以通過有效地預(yù)測提高電力系統(tǒng)的可靠性，為整個(gè)電力系統(tǒng)的發(fā)展和優(yōu)化提供科學(xué)、可靠的依據(jù)，并且通過對太陽能的使用，有效地達(dá)到可持續(xù)發(fā)展、節(jié)能環(huán)保的效果，促進(jìn)整個(gè)社會(huì)的發(fā)展。

參考文獻(xiàn)：

[1]張浩，李樹金.分布式光伏發(fā)電的特性分析與預(yù)測方法綜述[J].科技風(fēng)，2020（03）：182-183.

[2]丁明，劉志，畢銳，朱衛(wèi)平.基于灰色系統(tǒng)校正-小波神經(jīng)網(wǎng)絡(luò)的光伏功率預(yù)測[J].電網(wǎng)技術(shù)，2015，39（09）：2438-2443.

[3]姜強(qiáng)鑫.基于小波神經(jīng)網(wǎng)絡(luò)的分布式光伏發(fā)電出力預(yù)測[D].南昌大學(xué)，2012.