关于影响光伏电站功率预测准确性因素分析

2023-12-21北京京能国际控股有限公司东北分公司姚立阔

电力设备管理 2023年21期

北京京能国际控股有限公司东北分公司严巍姚立阔

1 引言

随着我国新能源快速发展，光伏发电逐渐成为新型能源发电的重要组成部分。由于新能源发电的特殊性，伴随着装机容量的不断扩大，为电网调峰及维持系统稳定性带来了很大的困难。因此，电网对新能源发电企业提出了功率预测准确性和时间的要求，以此缓解对系统稳定的冲击。另一方面，电力营销市场逐步开始形成规模，电量交易形式的不断增多，尤其是电力现货交易的推行，对光伏发电功率预测的准确度提出更高的要求[1]。因此，光伏电站光功率预测准确性对电网的稳定和企业发电收益影响很大。针对目前光伏电站普遍存在的功率预测不准确的问题进行分析，解决存在的问题，进而对电网和发电企业都具有重要的意义。

2 光伏电站光功率系统的组成

2.1 光伏功率预测系统拓扑

光伏功率预测系统如图1所示。

图1 光伏功率预测系统

光功率系统分为光伏电站监控系统、子站预测系统、调度数据网、调度主站预测系统。光伏电站功率预测的数据组由子站预测系统和电站实时数据组成。

2.2 光伏功率预测系统总体结构

光伏电站功率预测系统的数据组成分为量大部分：实时气象数据和天气预报数据。这两部分数据作为功率预测的基础数据。功率预测系统通过分析采集实时气象数据和天气预报数据进行数学模型计算形成短期、超短期的功率预测曲线[2]。光伏功率预测系统总体结构如图2所示。

图2 光伏功率预测系统总体结构

2.3 实时气象采集系统

实时气象采集系统（光控仪）如图3所示。

图3 实时气象采集系统（光控仪）

实时气象采集子系统（光控仪）主要采集量包括：太阳辐射强度、温度、湿度、大气压、风速。其中太阳辐射包含有：直辐射、散辐射。主要是收集光伏电站所在区域的相关气象数据。实时气象采集系统组成（光控仪）如图4所示。

图4 实时气象采集系统组成（光控仪）

实时气象采集系统组成：辐射传感器（直辐射、散辐射）、风向风速仪、温湿度传感器、大气压传感器、传动电机、电源（太阳能板、蓄电池）、通信接口等。

2.4 数值天气预报

光伏功率预测系统采用数值天气预报供应商提供的高精度数值天气预报，为光伏功率预测精度提供了保障。光伏功率预测数值天气预报服务体提供了光伏电站所在区域的未来72h 的辐射强度、温度、风速等光伏功率预测需量测的高精度预报数据[3]。

3 光功率预测准确性的作用

3.1 提高电网稳定性、增加电网消纳光伏发电能力

光伏发电特性具有随着天气变化的不确定性，给电网负荷调度带来较多问题，对电网的安全性形成威胁。随着光伏发电站不断地增多和单个电站发电容量的增加，光功率预测系统的越来越发挥很大的作用，功率预测准确性的提高，会有效的帮助电网调度部门做好平衡地区负荷和维持电力潮流稳定性的调度计划。

3.2 帮助光伏电站增加发电收益和提高检修效率

如果光伏功率预测准确，电站人员根据预测情况合理安排设备检修，避免出现发电较多的时段检修，降低因设备检修而带来的电量损失。功率预测准确性提高也会减少电网对电站的限电和偏差考核，避免因此带来的电量损失，从而提高发电的收益。在电力交易市场也会因预测准确能科学进行电力交易，降低正负电量偏差带来的经济损失。

4 光伏电站功率预测精度影响因素

4.1 光功率预测系统气象数据采集和传输影响因素

数据采集的准确性在光伏电站功率预测系统中对预测精度影响很大，一个准确的数据通过合理的计算模型分析，才能得到精度较高的预测数据，为电网和企业进行调整和分析提供可靠的数据支持。

4.1.1 实时气象数据采集仪安装位置的影响

实时气象数据采集的是光伏组件所在区域的气象数据，其准确性对光伏电站实时功率的预测有很大影响。

一般光伏电站的实时气象数据采集仪的安装位置在集控室的屋顶，便于数据传输，降低信号干扰和数据丢包率，增加通信系统的可靠性。但是一般光伏组件的高度、环境与实时气象数据仪的高度、环境、温度和湿度有差异。对于一些光伏电站如山地光伏，安装角度和高度随着山势的走向进行安装，而且距离光伏电站主控室较远，有时可能达到几十千米，所以采集的实时气象数据偏差非常大，造成功率预测数据与实际功率有较大偏差。对于平地光伏电站通常分为多个片区，不能集中在一个较为集中的区域，实时气象数据仪正常情况下一个电站只有一个，所以造成气象数据产生了偏差。

对于实时气象数据采集仪辐照传感器，其周围不能有阳光的遮挡，传感器玻璃外罩要经常保持清洁，否则会产生辐照度数据偏差，影响功率预测准确性。实时数据气象采集仪对阳光的追踪器灵敏性也需要经常检查，要能实时追踪太阳光角度和方向的变化。因此，实时气象数据仪安装位置是否合理，仪器设备的精度和灵敏度都会影响对现场获取的相关气象数据的准确性从而影响光功率预测的精度和偏差。

4.1.2 实时气象数据采集仪数据传输影响

实时气象数据采集仪和功率子站的数据传输的准确率影响子站系统对数据的分析和计算。在传输数据过程中要减少强磁场的干扰，对于传输模式和设备要增强抗干扰能力。通常在控制室屋顶的实时气象数据仪因距离子站距离较短，通常采用了RS485数据线进行数据传输，而控制室常常设在升压站的旁边，大型的变压器产生的强磁场会对其产生较强的磁场干扰，若线路屏蔽线没有按照标准施工会造成数据经常性的丢失，形成部分时间段功率预测数据的不准确。对于传输距离较远，实时气象数据的传输一般采用传输性能较高的光缆来传输，如果采用RS485传输将会大大降低传输的准确性，增大了数据丢失的风险。因此，数据传输方式也将会影响功率预测的准确性。

4.2 局地小环境特殊性带来的影响

光伏电站周边的湖泊、水库、农田、树林、山地等会形成一定的小环境气候。靠近湖泊、水库等的光伏电站，周边由于环境湿度较大，会在一定时间段内形成较大的水雾，经常是在清晨，造成阳光光线对光伏板照射的减弱，形成了功率预测的不准确性。湿度较大地区容易形成地区小范围多云天气的形成，由于光伏电站通常面积较大，云层只遮挡部分光伏组件，此时实时气象采集仪可能没有受到云层的遮挡影响，还有一种情况是只有实时气象数据仪受到了遮挡而光伏组件却没有受到遮挡，这个时间段功率预测偏差是很大的。电站周边的污染程度也会对预测产生影响，如有大型冶炼、高污染企业形成的粉尘较大，将减弱阳光辐射强度，形成预测的不准确性。

4.3 光伏发电及输电设备对预测准确影响的因素

4.3.1 光伏发电设备的可利用率影响

光伏电站的发电量是受到设备可利用率影响的，如果发电及输电设备故障率高，不能保障设备的稳定运行，则发电量会受到一定影响。光伏电站功率预测如果未将故障设备剔除，则预测功率将会高于实际功率，造成预测和实际功率的偏差。

4.3.2 光伏组件的清洁度及遮挡的影响

光伏组件光伏板表面的灰尘厚度大小影响光伏电池板对太阳光辐射的吸收，从而会降低发电功率。如果光伏板前有杂草较高也会形成遮挡，降低发电功率。如果有较多光伏组件存在这些问题，发电功率就会明显降低低于预测功率值。

4.4 光功率预测系统计算模式与方法的影响

光功率预测的计算模式和方法直接影响预测的准确性。在预测模型方面，传统机器学习算法反向传播神经网络（Back Propagation,BP）以其较强的非线性处理能力被广泛应用于预测领域，但该算法缺少对时序数据时间相关性的考虑。为了充分考虑光伏功率序列时序特性，长短期记忆神经网络（Long-Short-Term Memory,LSTM）被广泛用于预测，但该方法缺乏对未来时刻信息的考量。所以对于功率预测的建模在实际的应用中要适应多种数据的变化，才能得出一个准确的预测数据。