新能源风光发电预测技术的发展及应用研究

霍云龙

摘要： 新能源中的风力发电和光伏电力发电不仅具有能源随机性、湍流性和能源性别确定性等决定性的基本特点，在现代电网建设运行管理过程中也同样具有一定的惯性特点。因此应特别注意准确性地预测新一代能源的风力和光伏电力发电。通过研究总结和分析研究关于风力发电和光伏电力发电的一般输出能源曲线基本特征，总结了关于风力发电和光伏电力发电的一般能源输出曲线特征，提出了关于风力发电和光伏电力发电能源预测的一个基本思路。首先考虑一般的能源预测工作过程。

关键词：新能源;风光发电技术;应用

引言

为了充分满足并网时间平衡性和运行平稳特性的基本要求，有必要重新配置完全不相匹配的纵向旋转率和备用发电容量，以有效解决风能和大型太阳能的运行不稳定性。特别是在水力发电和大型太阳能联合并网协同运行的运营过程中，增加旋转备用发电容量很容易大大增加其运营成本。通过对大型风力发电和大型太阳能并网发电趋势进行准确有效的趋势预测，可以有效大大降低风力电网的纵向旋转率和备用发电容量，从而有效率地降低风力电网的横向旋转率和备用发电容量，提高新能源吸收能力。

一、风电功率预测现状

风电风能功率模型预测一般可以包括间接风速模型预测、功率模型曲线导入计算和数据模型导入输出数据统计，其中最重要的一种是间接风速功率预测。由于风速受各地温差、压差、空气密度和自然地形的因素影响，风速已逐渐成为最难准确预测的一种气象历史参数。根据风速预测适用时间段的范围，风电功率预测一般可以细分为3～10天的长期时间预测、6～72小时的中期时间预测和0～6小时的短期时间预测。在这些风能功率预测中，最重要的气象信息因素是这些气象历史参数和整个风力发电场的历史数据。这些气象历史参数主要来自整个风电场周围的气象测量处理设备，如电子气象预测传感器和其他气象部门的实时天气预报。在此之前，所有的的风电功率预测都在模型中都可以细分为间接自动预测和直接自动预测。

组合整体预测数据模型分析是一种特殊的综合统计分析模型。它将多种不同综合预测分析技术的综合预测分析结果有机结合应用起来，得到最佳的综合预测分析结果。从许多研究者的结果分析来看，使用一套合适的整体预测数据生成响应技术用来进行多方综合数据预测往往远远优于使用任何一方的综合预测数据生成应用技术。

二、光伏发电预测现状

光伏发电技术是一种利用位于半导体电子界面的光伏发电效应将大量太阳能直接转化成为电能的一种技术。与成熟的风力发电性能预测系统技术研究相比，光伏电站发电性能预测的技术研究还只是处于一个起步初的阶段，文献中已经提出的研究项目相对较少。一些预测专家提出如何利用双向和针对正交小波分解人工神经网络的预测系统结构设计，将双向小波回归太阳辐射分解定义为一个小整数波长的双向空间递归压缩辐射信号。他们提出利用不断改进的小波递归压缩机器自动学习性能预测系统算法，利用针对小波回归压缩后的空间辐射信号进行幅度计算系数系统结构重新定义的方法和用来准确预测人工神经网络的自动可调性适应小波回归信号幅度计算系数系统结构，提出了一种可以用于不断提高非线性自动可适应小波回归人工神经网络技术性能以及预测处理系统技术性能的预测技术研究方法。一些科学研究所的工作人员先后两次提出了直接和间接的性能预测系统方法并可以用来准确性地预测第二天的整个光伏电站性能发电量级。

三、风光发电预测技术的发展及方法

1、以时间序列法为代表的传统统计法

时间序列法是利用风力发电的一组基础数据，按时间顺序形成一个数值序列，并用数理统计方法对其进行处理，实现对未来风力发电的预测。其基本原则是：首先，通过对历史数据的分析，确定事物的发展是连续的，可以推断未来的发展趋势;其次，采用统计分析中的加权平均法消除随机因素的影响。根据滤波器的特点，常用的时间序列有ar、Ma、ARMA和ARIMA。时间序列法原理简单，但扩展精度较低。一般来说，它只适用于超短期和超短期负荷预测。利用马尔可夫链模拟风力发电的随机过程。采用连续波动蒙特卡罗方法对风力发电的时域特性进行了建模，并对其性能进行了分析。

2、以人工神经网络为代表的现代统计预测法

近年来，人工神经网络在预测领域得到了广泛的应用。人工神经网络的一个重要本质特性问题也就是如何可以利用数学分析系统方法用来建立一个数学分析系统模型并可以用来准确预测模拟各种野生动物人工神经网络的各种物理化学特性。通过分布式的对并行功率信息处理的网络反复综合训练，不断优化调整人工神经网络中各处理节点的信息连接处理方式和网络权值，达到实时预测和分析处理功率信息的主要目的。常用的人工神经网络处理模型主要种类包括四种FNN前馈算法。BP回归神经网络处理模型（又例如BLRNN、MPLNN和FNRBFNN）主要用于对通风电站的功率信息预测。通过各种算例研究分析了不同高度和输入口处的风速对于通风功率信息预测处理结果的直接影响。与目前应用最广泛的两种FNN算法前馈回归神经网络模型相比，FNN前馈回归人工神经网络模型作为一种特别适用于不同时间长度序列信息预测的人工神经网络处理模型。

3、组合预测法

组合预测方法是考虑两种或两种以上单一预测方法的组合预测方法。实践表明，多种预测方法的结合是提高景观预测精度的重要途径。组合的类型有：（1）物理预测方法和统计预测方法的组合。首先，从数值天气预报中获取天气预报信息，然后进行处理和选择。通过对历史数据的训练和学习，将所需数据发送到统计预测模型中进行景观产量预测。

結束语

通过研究和总结风电和光伏输出曲线的特点，总结了风电和光伏输出的一般规律。基于这些特点，提出了风电和光伏发电预测的相关概念和一般过程，并根据时间尺度、预测对象和预测方法对景观预测的主要方法进行了分类。为了进一步提高精度，应根据实际情况采用统计方法等技术确定风速与功率输出的精确关系。

参考文献

[1]何黎娟.新能源风光发电预测技术的发展及应用[J].建筑工程技术与设计，2018，（31）：3176.

[2]张怡.新能源风光发电预测技术的发展及应用[J].浙江水利水电学院学报，2018，30（1）：68-74.

[3]张怡.新能源风光发电预测技术的发展及应用[J].浙江水利水电学院学报，2018，030 （001）：P.68-74.

[4]沈月.新能源——太阳能光伏发电并网及其相关技术发展现状与展望[J].中国战略新兴产业，2018，（48）：24.

[5]王宗瑞，李昔真，苏则立.中国风光互补联合发电技术的现状与展望[J].节能，2017，36（8）：4-7.