基于波动特性的光伏电站出力时间序列建模方法研究

米夏, 徐晓红， 刘小恺

(内蒙古电力科学研究院，内蒙古，呼和浩特 010020)

0 引言

随着我国现有能源结构的调整，以太阳能为代表的清洁能源发电量在整个电网电量中的比值日益增加[1-3]。因为太阳能是不受人为控制的具有较大随机性的能源结构，因此光伏发电给既有的稳定运行的电网系统增加了不确定风险，对电网的安全运行带来了一定隐患。为了准确分析光伏发电的出力特性，评估光伏电站接入对电网运行的安全影响[4-6]，对光伏电站出力大规模数据进行分析以建立时间序列模型，并分析其出力分布规律显得十分必要。本文采用三分量混合高斯概率分布拟合的方法建立出力时间序列模型，并利用自相关函数对模型准确性进行了验证。

1 光伏发电随机性分析

光伏发电的发电量与自身和环境有密切关系[7]。首先光伏发电会因为自身传播的因素在过程中出现一定衰减，实际过程中用衰减系数αi表示光伏电站自身衰减，因此在考虑自身衰减因素下用式(1)表示理论计算出力与实际出力之间关系。

(1)

式中，αi为光伏电站第i天衰减系数，yi(u)为监测第i天光伏电站第u个监测点处的理论出力值，fi(u)为监测第i天光伏电站第u个监测点处的实际出力值。

由式(1)计算的衰减系数αi是一个不断迭代计算的过程，直至等式右边平方差最小为止。

除了理论出力值和实际出力值存在自身因素不可消除的差值外，温度、云层等环境因素也是影响其实际出力值大小的关键。外界环境因素具有一定的不确定性和随机性，因此电站的实测出力值与衰减值的差值即为由于环境的随机性产生的出力值[8-10]。利用MATLAB，结合某电站的实际观测绘制图1所示的光电站出力曲线，曲线中出力衰减系数αi值取0.742 8。从图1可以发现，利用简单数学计算的方法可得衰减值和理论值之间的差值,其为图中由于环境因素产生的随机分量值。

图1 光电站出力曲线

2 光伏电站出力时间序列建模

建模的第一步是利用时间函数将出力不稳定的序列变化为出力相对稳定的时间序列[11]。式(2)为其净空出力计算式:

P(i,t)=PDCI(i,t)·[PS(i)+ΔPN(i,t)]

(2)

式中,PDCI(i,t)为光伏电站第i天时刻t的净空出力值，PS(i)为计算当日的功率基准值，ΔPN(i,t)为时刻t天气变化影响的出力值。

由式(2)可知，天气变化影响的出力值在净空出力值中占有一定比重，必须根据天气特点建立天气变化出力曲线。根据相关研究可知，天气变化包含晴天、阴天、多云及中间天气等4类，其中中间天气是2种天气变化之间的天气状况。因为在同一天气类型条件下不同的云层含量等环境因素影响较多，因此本文只针对以上天气的类型划分，不考虑所有的影响因素。利用特征提取法，对光伏电站一天当中每20 min产生的共计72组数据进行特征分析。式(3)～式(5)为选取的大量出力数据的3个特征值:

(3)

(4)

(5)

式中,c1为出力平均值，c2为不同日期下2个出力差值的平均，c3为出力标准差。

图2 阴天出力曲线

按照以上步骤分析可知，以上4类天气状况下天气变化影响的出力值ΔPN(i,t)的曲线都是中部高两侧低，与正态分布函数曲线类似，因此用三分量混合高斯概率分布拟合，其表达式如式(6):

(6)

式中,α为分项系数。

由以上计算式可知，在光伏电站第i天时刻t的净空出力值已知，计算当日功率基准值已知，天气变化影响出力值已知后可计算出其净空出力值。净空出力值已知后可利用随机抽样方法计算得到其各项参数，之后根据出力曲线得到任意时刻的光伏电站出力值，最后利用出力曲线反算其出力时间序列。

3 模型应用

利用数据分析软件MATLAB根据某光伏电站2020年全年出力数据绘制了图3所示的三维曲线。从图3可以发现，电站的出力值与时间关系密切，夜间出力值为0，从日出后逐渐升高，直至中午达到最大值，之后随着光照强度的降低出力值也随之降低，直至夜间为0。一年当中出力值总和由高到低为春季、秋季、夏季、冬季。

图3 光伏电站出力-时间三维模型

太阳辐射强度是影响电站出力值的主要因素，图4为太阳辐射强度和时间的曲面关系。从图4可以发现，太阳辐射强度随着季节的变化而变化，从整体上看春季和秋季辐射强度最高，夏季及冬季相对较低。

图4 太阳辐射强度三维曲面

由以上MATLAB模型得到该光伏电站混合高斯概率分布的各项参数，其结果如表1所示。

表1 概率分布参数

图5为连续5天模拟得到的出力时间序列，从图中可以发现在这5天里经历了从晴天—多云—阴天—晴天的变化过程，从出力时间分析，在这连续的5天里，电站的总出力时间较为接近，这是因为这5天内日出日落时间接近，因此光照时长接近，多云天气下由于空中云层运动不规律，导致电站接收太阳辐射强度不规律，因此电站输出功率波动性较大，阴天情况下云层对太阳辐射的遮挡相对固定，因此其波动性小，但正是由于云层的遮挡使得光照强度相对较弱，电站出力值较低。

图5 出力时间序列

生成的时间序列建模方法是利用统计特性建立的电站出力与时间的二维曲线，因此建模方法得到的曲线应与光伏电站的历史时间序列一致。图6为光伏电站历史时间序列和本文基于波动特性建立的时间序列自相关函数对比曲线。从图6可以发现，历史序列与本文方法得到的自相关函数基本一致，只有在曲线波峰和波谷位置存在微小差别，表明本文方法基本符合电站的真实值。

图6 电站出力自相关函数对比

4 总结

太阳能发电在将光能转变为电能过程中受到天气等环境影响因素较大，因此具有较大的波动性，影响电网稳定性和运行安全。本文利用统计的方法对光伏发电出力进行了拆分，得到了其随机出力值，选取出力值的3个特征值组成出力特征向量并利用三分量混合高斯概率分布拟合方法对出力曲线进行拟合分析，通过统计的方法得到了拟合曲线的各项参数，出力自相关函数曲线对比表明该出力时间序列建模方法与真实值较为接近。