一种基于能源云的高速公路沿线太阳能发电预测系统

山东鼎维数字技术有限公司 王吉武 王继超 田燕来

山东师范大学附属中学 许兰博

一种基于能源云的高速公路沿线太阳能发电预测系统

山东鼎维数字技术有限公司 王吉武 王继超 田燕来

山东师范大学附属中学 许兰博

DigitalWay Smart PowerNet高速公路智能分布式供能系统建立了能源云系统对高速公路沿线设备能耗进行分析和管控。为解决光伏发电的使用可靠性和减少对电网的冲击，针对目前光伏发电预测中实用性较低、预测精度不高、气象条件利用不充分和预测跟踪性能较差等现象，设计出利用神经网络建立气象相似度——发电量相似度的过渡模型，用该模型预测可获得预测日发电量的预测结果，最后用五状态的马尔科夫链修正预测结果。

能源云；光伏发电；马尔科夫链；预测

1.概述

高速公路交通监控系统是高速公路交通机电系统的重要组成部分，其中主要功能是借助现代交通流规则、诱导与控制的相关理论，并利用计算机技术、闭路电视监视技术、信息多媒体技术等领域的最新科技发展成果，对高速公路的交通运营状况、车辆行驶情况以及道路环境状况进行全面观测，对沿途车辆的行驶路线、行驶方式进行有效诱导与控制，并在高速公路沿线提供信息化服务。以上种种，对高速公路沿线的电力供应提出了新的要求。为了更好的提供电力供应，各地高速公路运营管理部门纷纷在道路沿线建设了光伏发电系统为沿线设备提供电力供应。为了降低运营成本提高电力使用效率，各运营单位纷纷建立了智能建筑能源管理监测平台，采用通信技术采集等手段，对建筑能耗进行管理监测[1]。

山东鼎维公司的DigitalWay Smart PowerNet高速公路智能分布式供能系统是一项十分契合高速公路信息化应用的电力生产分配技术，它拥有独立的光伏发电系统，能够供应用户在大电网出现故障时的孤岛运行需求，也能在发电盈余时向大电网送电，减轻大电网供电压力。由于光伏发电量随季节和气候的变化而变，因此准确对光伏发电系统的发电能力进行预测，对于降低系统造价和提高供电稳定性有重要意义。

2.技术路线

“智慧能源云”[2]平台是利用云计算和物联网技术，为建筑、工业、交通等各个领域的单栋建筑、建筑群落以及跨区域建筑群落(包括IDC机房)，提供城市区域和建筑群落的能源管控和优化整体解决方案。在大型机电能源管理方面，采用云技术[3]通过远程干预算法和参数，可以实现对能源参数、能源运行状态的管理和智能控制，从而实现智能和节能。云技术整合无线传输技术，通过无线传输技术系统结合云技术网络平台实现完美的非接触式无缝隙对接，从而改变我们的生活，具有跨时代的意义。

影响光伏发电系统发电量主要受当地日射量、温度、太阳能电池板性能以及阴影等多种因素的影响[4]：(1)日射量。日射强度与季节、时间、地理位置、大气质量等因素影响。太阳能电池板受到的日射量越大，理论发电量就会越大。另外，太阳能电池板的安装方位和倾斜角度以及电池板周围的建筑物、树木的阴影等都会对发电量产生影响。(2)不同类型的太阳能电池板发电效率不同。一般来说，单晶硅电池转换效率高但是相应的建设成本也高；多晶硅电池转换效率略低于单晶硅但是性价比更高一些。(3)太阳能电池板的表面反射率和温度对发电量也有影响。表面反射率越高用于发电的能量就越少，表面温度越高，光电转换效率就越低。

综合以上因素，不考虑气象条件可以建立一个简单的光伏发电模型：

标准太阳能电池板输出功率Pas计算公式如下：Pas=Pms×n

其中，Pms表示相关技术资料记载的单位太阳能电池板在标准试验环境下的输出功率，n表示太阳能电池板的数量。

设太阳能基本设计系数为Kjb，则Kjb=日射量年变动修正系数×太阳能电池回路修正系数×时间变化修正系数×负载修正系数×逆变器转换效率×……

设温度修正系数为Kwd，折射率修正系数为Kzs，则综合设计系数K为以上各个系数的乘积：K=Kjb×Kwd×Kzs

由此得，太阳能电池板实际输出功率P为mP= Pas×K

目前，国外光伏发电量预报技术研究已有一定的发展，德国Oldenburg大学Lorenz等根据相关数据和校验值，在2007年4月和7月，光伏发电量预报的相对均方根误差分别达到了39%和22%。国内光伏发电量预报技术尚处于研发阶段。对太阳能光伏发电量预报系统的评估(预报误差的校验)可分为对太阳辐射预报误差的检验和直接对光伏发电系统发电量预报的误差校验，可以采用均方根误差、平均绝对误差、平均误差、相对均方根误差、相对平均绝对误差和相对平均误差等分析方法。

光伏发电系统具有较大的随机性和间歇性，极易受环境和气候变化的影响，会造成基于光电转换效率模型和数理统计模型的预测方法出现较大的误差。理论上，建立基于神经网络和日射量的预测模型能获得高精度预测结果，但目前无法或很难获取预测日太阳辐照度，综合考虑以上因素从充分利用气象条件、定义气象相似度与发电量相似度过渡函数和利用五状态马尔科夫链修正预测结果三个角度建立光伏发电预测模型。

假设理论太阳辐照度序列为E=[ e0，…，e8]，紫外线指数序列为U=[ u0，…，u8]，天气类型序列为W=[ w0，…，w8 ]，气温序列为T=[t0，…，t8]。将前后两天同一段的紫外线指数比值、天气类型序列比值、理论太阳辐照度比值和气温比值作为自变量，将前后两天的该时段的发电量比值作为因变量，建立气象相似度与发电量相似度过渡函数。

马尔科夫链能根据某参数当前的状态和发展趋势，预测该参数未来的状态，而且未来的状态只与当前的状态有关。考虑到三状态马尔科夫链在状态转移过程中基本都会落在中间区域，修正精度不高，故本文使用五状态马尔科夫链。

3.结论

虽然太阳能发电的功率是不断变化的，但是太阳辐射强度是太阳能发电功率的决定因素。太阳辐射强度是有规律可循的，因而太阳能发电功率也是有规律的。

太阳能发电功率是主要受太阳辐射强度影响的，而太阳辐射强度又是受天气、时刻、季节、太阳高度角等多种因素影响的，因而太阳能发电功率是一个多维非线性动力系统，在各种因素相互协同，又相互影响的作用下，短期太阳能发电功率预测表现出极其复杂而难以精确预测的演化特征。传统的线性统计模型，只是在简单模型近似下用外在随机因素来解释模型偏差，作出的预测只能是在概率意义下的等可能预测，并且预测结果趋于平滑；

而马尔科夫链能根据某参数当前的状态和发展趋势，预测该参数未来的状态，可以建立一个很小或者几乎没有随机误差的非线性复杂模型，在预测时主要考虑模型本身对时间序列未来值的影响，能预测时间序列微小的起伏波动等一些精细结构。在解决公路沿线光伏发电系统对市电的需求方面，通过使用本算法可以做到光伏发电储能子系统对公路沿线设备365日连续平稳供电，不受季节气候影响。

不足之处：

由于本文使用环境的限制，所用到负荷数据最大不超过10KW，对于大型大功率的太阳能发电站的实用性还需作进一步的验证和探讨。

[1]周林.智能建筑能源管理监测平台解决方案[J].科技视界,2016,14: 317-319.

[2]姜永东.“智慧能源云”——解码城市能源综合管控[J].智能建筑与城市信息,2013,02:30-33.

[3]李志刚.能源云管控平台:助力建筑智慧节能[J].电器,2015,12:41.

[4]杨超，榑沼弘贵.太阳能光伏发电系统发电量的预测方法[J].智能建筑电气技术, 2011, 05(2):29-34.