光伏发电超短期功率预测技术的发展趋势

光伏发电功率超短期预测与风力发电功率超短期预测有较多类似的方法，例如ARMA模型、ANN、支持向量机等。但由于风能和太阳能资源变化特征和物理背景不同，对于同样的模型，在因子选取和模型结构设计方面还是有较大区别。目前，光伏发电功率超短期预测研究可分为两类：一类是基于智能算法的预测方法；另一类是基于云图处理的预测方法。

基于智能算法的预测方法主要有ANN、支持向量机、马尔科夫链、灰色预测等。有学者基于辐照度影响因子分析、相似日选取等提取预测因子然后结合人工神经网络和支持向量机等智能预测方法进行光伏发电功率预测；也有学者不直接进行地面太阳辐射预测，而是基于天气类型分类和支持向量机模型，直接根据气象因子与光伏组件发电原理建立预测模型；马尔科夫链方法用于超短期预测时，样本集足够大的情况下可以得出与实际相当接近的预测值，但与其他方法相比，马尔科夫链预测效果更依赖于原始数据的准确性，而且当转移矩阵的秩很大时，对发电功率的预测将变得无意义；灰色预测模型适用于信息不完整、不确定的情况，其优点是可以用较少的数据对未知系统做出判断，简化预测过程。(www.xing528.com)

云是影响地表辐射衰减的主要因素之一，因此，在光伏发电功率超短期预测中需要对云图进行采集、分析和预测。基于云图处理的超短期预测方法是利用数字图像处理技术对云图进行识别和运动预测，最终结合统计方法建立功率预测模型。近年来，有学者通过对云量的统计来分析云对地表辐射的影响，但云量对辐射衰减的建模能力有限；也有学者进行面向辐射预测的云团运动研究，结合云量覆盖实现地表辐射的预测，该方法是光伏发电功率超短期预测的主要方法，其中云团识别技术以及云运动模型还需要深入研究。从最近几年国内外研究趋势来看，云图信息结合统计学习方法将成为光伏发电功率超短期预测研究的主要方法之一。