学术︱基于不确定理论的光伏出力预测研究

华北电力大学新能源电力系统国家重点实验室的研究人员赵书强、王明雨等，在2015年第16期《电工技术学报》上撰文指出，预测光伏出力对光伏发电系统的并网运行具有重要意义。目前很多预测方法中只能得到单一预测结果，缺乏对影响因素不确定性的分析。考虑到太阳辐射和温度是光伏出力的两个最大的影响因素，本文建立了基于不确定理论的太阳辐射值预测模型。

随着新能源的发展，太阳能受到广泛关注，大规模光伏并网发电成为太阳能发电的发展趋势[1]。光伏发电受到地理位置、物理环境和气象条件等因素的影响，其中，太阳辐射值和温度是最主要的因素[2]。各种因素的波动性使光伏发电的功率也具有不确定性。所以，有必要对光伏出力进行预测，这有助于电力系统调度部门合理制定调度计划，及时调整出力分配[3]。

对光伏出力的预测方式有两种：直接和间接预测。直接预测是直接得到光伏出力；间接预测是通过预测太阳辐射值得到出力。对太阳辐射的预测分为两种：物理法和统计法。物理法是利用现有物理模型，直接将气象数据作为输入，代入公式即得到预测值。

比较完善的有晴天ASHRAE模型[4]、HOTTEL模型[5]、REST模型[6]、有云天气Nielsen模型及云遮系数模型[7]等。统计法是利用某种统计方法，如回归模型、灰色预测、神经网络等，对历史数据进行分析，寻找数据中的内在规律并用于预测。如文献[8,9]采用支持向量机的方法，但输入只有温度，没有充分考虑气象因素的波动性，因此不具有普适性。神经网络一般是按照季节、日类型建立子模型[10-12]，选取部分气象因素作为输入，但只考虑了确定性因素，忽略了随机性因素。

还有一些方法将神经网络与其他智能方法相结合，文献[13]先对数值天气预报的数据进行模糊识别，文献[14]将小波变换与模糊神经网络结合，但模糊系统中模糊推理规则的建立需要大量的历史数据和充足的专家经验。

本文以不确定理论为基础，利用双重随机理论计算不同预测云量对应的云遮系数期望值和关键值，得到不同置信水平下的云遮系数区间。再以无云天气下计算太阳辐射值的REST模型为基础，用云遮系数对其进行修正，得到不同预测云量下的太阳辐射值。然后根据出力模型，最终得到光伏出力的预测值。

图1 直射与散射计算值与实际值的对比

结论

预测光伏出力可以为电力系统调度部门提供重要的参考信息。本文建立了基于不确定理论的太阳辐射值预测模型，是一种新型预测方法。文中分析了云量的随机性和云遮系数双重随机性，并考虑了云量的模糊性，较全面地涵盖了辐射值影响因素的不确定性。

在实现太阳辐射值和光伏电池温度的预测后，通过光伏出力的工程实用模型得到出力的预测值和预测区间，与只能得到单一预测值的传统方法相比，预测结果的信息量更加丰富，更具有参考价值。

会议通知︱2015第二届轨道交通供电系统技术大会将于11月在京举办