光伏发电功率预测技术优化方案

国际上最早进行太阳辐射预测的是美国科学家Jensenius和Cotton，他们在1981年提出了利用模式输出统计（Model Output Statistics，MOS）来建立辐射测量值和预测值之间的回归模型，预测未来6～30h的太阳短波辐射。

欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）和美国全球预报系统（Global Forecasting System，GFS）在对次日水平面总辐射的预测中，均值误差控制在19%左右，且1～3日的预测误差水平基本保持稳定，这一结论说明NWP的水平面总辐射趋势预测达到了一个较为可信的水平。

随后，科学家们尝试将气溶胶因子、太阳天顶角、晴空指数等物理量引入模式，采用MOS法建立误差纠正函数，显著降低了未来24h的预测误差。而针对气候差异对预测准确率的影响，国际能源署太阳能供热制冷委员会（International Energy AgencySolar Heating and Cooling Programme，IEA SHC）在2005年启动了一项由美国、德国、法国、加拿大、西班牙、奥地利、瑞典以及欧盟委员会共同参与的五年项目（SHC Task 36：Solar Resource Knowledge Management）。该项目涉及欧洲、北美的不同地区，研究表明预测技术方案应与实际地理、气候区域特点相适应。

光伏发电功率预测还包含对太阳辐射预测的校正以及光电转化模型，针对太阳辐射预测数据的校正，国外较常用的方法有自回归模型、人工神经网络模型、自适应神经模糊推理系统模型等。而针对光电转化模型，国外的研究结果大致可分为物理模型和统计模型，物理模型主要针对辐射、温度、电流、电压、组件转化效率等建立光电转化模型，统计模型主要有ANN模型、多元回归模型等，即基于辐射、功率数据，通过统计方法建立光电转化模型。(www.xing528.com)

我国对太阳辐射预测的研究从20世纪80年代中后期开始，至今已取得较大进展。与国际上对太阳辐射的预测方法相似，国内的很多研究机构也采用了欧洲GFS初始场数据，利用WRF模式，进行太阳辐射短期预报，另外，很多学者将国内气象观测站和卫星数据作为同化资料输入模式，以提高辐射预测精度。而针对模式输出数据误差的纠正，除了采用常用的MOS方法，还引入了卡尔曼滤波方法、偏最小二乘法等。

在太阳辐射准确预测基础上，需要进行太阳能转化效率的预测。目前，国内较为常见的光电转化模型大多考虑太阳总辐照度、组件温度、风速、湿度的影响关系，采用因子分析法结合多元回归或神经网络进行预测模型建模。但对于沙尘和降雪等组件表面附着物对光伏发电功率影响的研究还不多见。目前，国内最早实现光伏发电短期功率预测是中国电力科学研究院所开发的光伏发电预测系统，其中的短期功率预测主要采用数值天气预报方法和天气型预报方法来对太阳总辐射进行预报，后将辐射预报值输入光电转化模型中，得到短期功率预测结果，系统已在甘肃、宁夏、新疆、西藏、青海等地投入运行。