新能源风光发电预测技术的发展及应用

陈帅帅

摘要：本文总结研究风能和太阳能的出力曲线特征，总结风能和太阳能出力的一般特征，提出风能和太阳能功率预测的相关概述。此外，国际分类标准基于时间尺度、预报目标、预报覆盖范围以及是否使用西北风电。主要风和光预报按方法分类。我们总结了这个分类框架中风和光的主要预测方法。最后，在总结的基础上，提出未来景观预测研究的方向和存在的问题，为未来景观预测研究提供参考数据。

关键词：新能源;风光发电;预测技术;应用

引言

通过准确有效地预测风能和太阳能发电量，可以显着降低电网的旋转备用容量，从而有效降低电网的旋转备用容量。风能和太阳能发电预测进一步结合电网约束分析与控制、近日运维和日内轮换发电规划，在不减少电网安全总体水平的状况之下提升新能源的吸收能力。除此之外，对风能及太阳能发电企业而言，准确测算发电量预测以及及时合理的行业维护规划可以提高企业的经济利益。

一、风光发电预测方法分类

1.短期预测

一个优化良好的创新发电计划可以提高吸风能力。很难预估对微电网中短期太阳能发电的实际坏境。鉴于改良的BPSVM-ELM及原子SOM-LSF，实现了一日滚动太阳投机，为短期太阳布局提供准确指导。

2.中期预测

一个月或几个月的数据被广泛用于制定月度检修计划、操作方法、水库配置等。新能源中期展望基本优化机械检测和机器组合检测，提高机械检测规划和发电规划的安全性和经济性。

3.长期预测

用于预测年度或多年数据。常用于电网规划、年度检修规划、运行方式等。新能源的长久前景适用于低比重可再生资源交直流输电网络平台规划，给出了输电网络平台规划研讨的构架及技术设备电缆的发展方向。

4.预测对象分类

根据预测因子的分类，可分为预测风能和太阳能，先预测风速和光相干，再转化为间接预测电能。切割和斧头预测是基于当前风能、太阳能和气候预测数据以及历史风能和太阳能数据的基本信息。为风能和太阳能系统建立了切割和斧頭预测模型。间接猜测是基于对风速和太阳日照的猜测以及风转换和太阳能转换模型对风力发电系统输出功率的间接计算。

5.预测模型原理分类

依据预估基本原理，可分成统计办法、化学办法及联结预估办法。统计办法用作更新风能及太阳能数据，找到独特的基本规律，而是展开瞻望。此种办法通常应该风能及太阳能发电系统的长久历史运行数据（通常半年）。化学办法考虑地形信息内容、相关化学信息内容及系统输出功率直线。它们使用气象预报数据当作繁杂的输出，使用化学函数来预估。联结预估办法是风能及太阳能发电前景的发展趋向之一。组合通常包括化学办法及统计办法的组合，及尺度间预估分析模型的组合及差异。结合统计方法。对一致性系数的筛选可以让不同的模型充分利用各自的优势。与单一预测方法相比，联合预测方法具有更高的准确度，也可以降低出现大偏差的概率。

6.预测空间尺度分类

根据《风力预测能力规范》的要求：（1）供电部门必须能够估算出管制区域内的风力发电总量。（2）所有并网风电场均能正常运行。一般来说，特定地域的风力发电具备类似的天气要素。风力发电的整体图景可以反映当地天气情况变动的一般基本规律，可以为不同空间尺度的风力预估提供总体思绪及有效的技术设备路径。

二、风光预测技术的发展及主要方法

1.以时间序列法为代表的传统统计法

时间序列方法利用风能和太阳能的基础数据集，形成时间序列的数字化序列，并用语文及统计办法对于其展开妥善处理，以促成对于将来风能及太阳能的预估。随机分组是一种加权平均办法，用作统计分析以消弭偶尔随机性的影响要素。依据滤波器特征的分类，常用的时间二阶有AR.MA、ARMA、ARIMA等等。时间序列方法的原理简单，易于实现。

2.以人工神经网络为代表的现代统计预测法

通过扩散控制和并行信息处理的频率训练，不断调整神经网络节点的相邻模式和权重，最终实现信息内容投影及处理。常见的神经网络分析模型包括前馈神经网络遗传算法Fnn、回归神经网络RNn、多层感知器神经网络ML.PNn分析模型、轴向基方程神经网络RBFnn分析模型，相似于最盛行的前馈神经网络Fnn。咱们给出了一种新的神经网络分析模型。循环神经网络RNN是一种用于时间二阶预估的神经网络分析模型，还常常用于风电功率预估。人工神经网络具备学习及自决能力，其本质是一种非线性优化计算分析模型。因此，在应用非线性优化时，难以避免局部最小化、用户自定义偏差差异、计算量大、收敛速度慢等问题。国内外学者进行了大量研究，提出了许多改进意见。随着人工智能技术的发展，新的人工智能模型不断被提出。其中包括ME、AFSA、PSO和SVM，它们主要基于特定的学习和训练算法，可以在大型动态构建的场景中进行预览。这些要素不会在不同的情况、工作条件、时间和空间条件下进行交流，也不会交流各自的有用性、优点和缺点。

三、风光发电预测技术提出了一些建议和工作思路

（1）基于模糊性、混沌、灰度、概率研究风和方阵的随机性、可变性和不确定性，在现有确定性预测的基础上，兼顾风方阵的特点。（2）着力发展联合预测，进行更深入的研究分析。通过将加权系数的优化与各种预测方法相结合，预测误差非常准确，提高了计算效率。（3）进一步研究大尺度景观预测数据的设计和绘图。数据筛选和预处理、数据优化研究、为各种预测方法选择合适的输入以及数据质量改进。（4）有关电力部门及电网配电专门机构应当进一步研讨构建愈加科学合理、完备的预估评价指标体系，为景观设计预估科学合理评价提供要求及指点。（5）进一步研讨怎样通过化学办法提升数字化气象预报的分辨率及更新频率分析模型以提升数据的可靠性，提供更靠谱的支撑系统。

结束语

在对风电和太阳能发电的出力曲线特性进行研究和总结的基础上，总结出风电和太阳能发电的一般规律。风电和太阳能发电特性的改进和创新，促进了我国电力工业的发展和经济发展。根据国内外分类要求使用时间尺度和预测目标进行预测。

参考文献：

[1]王飞，米增强，甄钊，等.基于天气状态模式识别的光伏电站发电功率分类预测方法[J].中国电机工程学报，2013，（34）.67-74.

[2]林俐，邹兰青，周鹏，等.规模风电并网条件下火电机组深度调峰的多角度经济性分析[J].电力系统自动化，2017，（7）.21-27.

[3]程浩忠，李隽，吴耀武，等.考虑高比例可再生能源的交直流输电网规划挑战与展望[J].电力系统自动化，2017，（9）.19-27.

[4]凌卫家，吴国威，周辉.以“一标三制”为核心的电网企业资产管理体系建设与运行实践[J].浙江电力，2016，（8）.67-71.