基于修正晴空模型的超短期光伏功率预测方法

马原; 张雪敏; 甄钊; 梅生伟

doi:10.7500/AEPS20200227003

您当前的位置：

首页 >

文章列表页 >

基于修正晴空模型的超短期光伏功率预测方法

学术研究 | 更新时间：2025-06-16

- 基于修正晴空模型的超短期光伏功率预测方法
- Ultra-short-term Photovoltaic Power Prediction Method Based on Modified Clear-sky Model
- 电力系统自动化-方正平台 2021年45卷第11期页码：44-51
- 作者机构：
  
  1.清华大学电机工程与应用电子技术系，北京市 100084
  2.电力系统及大型发电设备安全控制和仿真国家重点实验室，清华大学，北京市 100084
- 作者简介：
  
  马原(1998—)，男，硕士研究生，主要研究方向：光伏功率预测。E-mail：ma-y18@mails.tsinghua.edu.cn
  张雪敏(1979—)，女，博士，副教授，主要研究方向：电力系统分析与控制、新能源预测。E-mail：zhangxuemin@mail.tsinghua.edu.cn
  甄钊（1989—），男，通信作者，博士，讲师，主要研究方向：新能源发电功率预测。E-mail：zhenzhao@mail.tsinghua.edu.cn
- 基金信息：
  
  国家重点研发计划资助项目(2018YFB0904200);国家电网公司科技项目(SGLNDKOOKJJS1800266)
- DOI：10.7500/AEPS20200227003
  中图分类号：
- 收稿日期：2020-02-27，
  
  修回日期：2020-10-18，
  
  网络出版日期：2021-01-08，
  
  纸质出版日期：2021-06-10
- 稿件说明：
移动端阅览
马原,张雪敏,甄钊等.基于修正晴空模型的超短期光伏功率预测方法[J].电力系统自动化,2021,45(11):44-51.

MA Yuan,ZHANG Xuemin,ZHEN Zhao,et al.Ultra-short-term Photovoltaic Power Prediction Method Based on Modified Clear-sky Model[J].Automation of Electric Power Systems,2021,45(11):44-51.
马原,张雪敏,甄钊等.基于修正晴空模型的超短期光伏功率预测方法[J].电力系统自动化,2021,45(11):44-51. DOI： 10.7500/AEPS20200227003.

MA Yuan,ZHANG Xuemin,ZHEN Zhao,et al.Ultra-short-term Photovoltaic Power Prediction Method Based on Modified Clear-sky Model[J].Automation of Electric Power Systems,2021,45(11):44-51. DOI： 10.7500/AEPS20200227003.

摘要

文中旨在提高晴空或有薄云这类小波动场景下的光伏功率超短期预测精度。虽然，太阳辐射的日周期性和年周期性使光伏功率序列具有确定性分量，但是电站和当地气象的详细参数随时间变化且难以获取。为此，提出一个仅依赖少量参数的改进晴空功率计算模型，并在此基础上构建了在线更新参数的预测算法，预测小波动天气下光伏电站未来4 h的功率。采用中国吉林省某电站的数据进行了测试，结果表明：所提模型得到的晴空功率曲线可以较准确地拟合小波动天气下的电站出力，而基于在线更新参数的光伏预测结果可以使小波动天气第4个小时的预测误差降低到约3.78%，弥补了相邻晴天方法在一些场景下误差超过5%甚至达到10%的不足。文中所提方法不仅可以提高小波动天气下光伏功率超短期预测精度，也为复杂天气条件下的预测提供了更准确的基准值。

Abstract

This paper aims to improve the accuracy of ultra-short-term photovoltaic power prediction in small fluctuation scenarios such as the clear sky or thin cloud. Although

the diurnal and annual periodicity of solar radiation makes the photovoltaic power series have deterministic components

the detailed parameters of power stations and local weather change with time and are difficult to obtain. To this end

this paper proposes a modified clear-sky power calculation model that only depends on a few parameters. On this basis

a prediction algorithm with online parameter updating is constructed to predict the power of a photovoltaic power station in the next four hours under the small fluctuation weather condition. The test is performed by using data from a power station in Jilin province. The results show that the clear-sky power curve obtained by the proposed model can accurately fit the power station output under the small fluctuation weather condition. The photovoltaic prediction results based on the online parameter updating can reduce the prediction error to about 3.78% in the fourth hour under the small fluctuation weather condition

which makes up for the deficiency that the error of adjacent sunny method is more than 5% or even 10% in some scenarios. The proposed method not only improves the accuracy of ultra-short-term prediction of photovoltaic power under the small fluctuation weather online

but also provides a more accurate benchmark for power prediction under complex weather conditions.

关键词

Keywords

references

International Renewable Energy Agency . Renewable capacity statistics 2020 ［R］. 2020 .

龚莺飞，鲁宗相，乔颖，等 . 光伏功率预测技术［J］. 电力系统自动化， 2016 ， 40 （ 4 ）： 140 - 151 .

GONG Yingfei ， LU Zongxiang ， QIAO Ying ， et al . An overview of photovoltaic energy system output forecasting technology ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 4 ）： 140 - 151 .

AGOUA X G ， GIRARD R ， KARINIOTAKIS G . Short-term spatio-temporal forecasting of photovoltaic power production ［J］. IEEE Transactions on Sustainable Energy ， 2018 ， 9 （ 2 ）： 538 - 546 .

CHOWDHURY B H ， RAHMAN S . Forecasting sub-hourly solar irradiance for prediction of photovoltaic output ［C］// 19th IEEE Photovoltaic Specialists Conference ， September 26 - 30 ， 1987 ， New Orleans ， USA .

BACHER P ， MADSEN H ， NIELSEN H A . Online short-term solar power forecasting ［J］. Solar Energy ， 2009 ， 83 （ 10 ）： 1772 - 1783 .

BLANC P ， GSCHWIND B ， LEFÈVRE M ， et al . The HelioClim project： surface solar irradiance data for climate applications ［J］. Remote Sensing ， 2011 ， 3 （ 2 ）： 343 - 361 .

TOMMY A ， MARIEJOSEPH I ， PRIMEROSE A ， et al . Optimizing the Heliosat-Ⅱ method for surface solar irradiation estimation with GOES images ［J］. Canadian Journal of Remote Sensing ， 2015 ， 41 （ 2 ）： 86 - 100 .

MOUHAMET D ， TOMMY A ， PRIMEROSE A ， et al . Improving the Heliosat-2 method for surface solar irradiation estimation under cloudy sky areas ［J］. Solar Energy ， 2018 ， 169 ： 565 - 576 .

QU Z ， GSCHWIND B ， LEFÈVRE M ， et al . Improving HelioClim-3 estimates of surface solar irradiance using the McClear clear-sky model and recent advances in atmosphere composition ［J］. Atmospheric Measurement Techniques ， 2014 ， 7 ： 3927 - 3933 .

QU Z ， OUMBE A ， BLANC P ， et al . Fast radiative transfer parameterisation for assessing the surface solar irradiance： the Heliosat-4 method ［J］. Meteorologische Zeitschrift ， 2015 ， 26 （ 1 ）： 33 - 57 .

GUEYMARD C A . REST2： high-performance solar radiation model for cloudless-sky irradiance，illuminance，and photosynthetically active radiation-validation with a benchmark dataset ［J］. Solar Energy ， 2008 ， 82 （ 3 ）： 272 - 285 .

ENGERER N A ， MILLS F P . KPV： a clear-sky index for photovoltaics ［J］. Solar Energy ， 2014 ， 105 ： 679 - 693 .

BESSA R J ， TRINDADE A ， MIRANDA V . Spatial-temporal solar power forecasting for smart grids ［J］. IEEE Transactions on Industrial Informatics ， 2015 ， 11 （ 1 ）： 232 - 241 .

叶林，陈政，赵永宁，等 . 基于遗传算法-模糊径向基神经网络的光伏发电功率预测模型［J］. 电力系统自动化， 2015 ， 39 （ 16 ）： 16 - 22 .

YE Lin ， CHEN Zheng ， ZHAO Yongning ， et al . Photovoltaic power forecasting model based on genetic algorithm and fuzzy radial basis function neural network ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 16 ）： 16 - 22 .

王晓兰，葛鹏江 . 基于相似日和径向基函数神经网络的光伏阵列输出功率预测［J］. 电力自动化设备， 2013 ， 33 （ 1 ）： 100 - 103 .

WANG Xiaolan ， GE Pengjiang . PV array output power forecasting based on similar day and RBFNN ［J］. Electric Power Automation Equipment ， 2013 ， 33 （ 1 ）： 100 - 103 .

丁明，王磊，毕锐 . 基于改进BP神经网络的光伏发电系统输出功率短期预测模型［J］. 电力系统保护与控制， 2012 ， 40 （ 11 ）： 93 - 99 .

DING Ming ， WANG Lei ， BI Rui . Short term prediction model of output power of photovoltaic power generation system based on improved BP neural network ［J］. Power System Protection and Control ， 2012 ， 40 （ 11 ）： 93 - 99 .

KREITH F ， KREIDER J F . Principles of solar engineering ［M］. Washington DC， USA ： Hemisphere Publishing Co. ， Ltd. ， 1978 .

ENGERER N A ， MILLS F P . Validating nine clear sky radiation models in Australia ［J］. Solar Energy ， 2015 ， 120 ： 9 - 24 .

YONA A ， SENJYU T ， FUNABASHI T . Application of recurrent neural network to short-term-ahead generating power forecasting for photovoltaic system ［C］// IEEE Power Engineering Society General Meeting ， June 24 - 28 ， 2007 ， Tampa ， USA .

LORENZ E ， HEINEMANN D . Prediction of solar irradiance and photovoltaic power ［J］. Comprehensive Renewable Energy ， 2012 ， 1 ： 239 - 292 .

BARBIERI F ， RAJAKARUNA S ， GHOSH A . Very short-term photovoltaic power forecasting with cloud modeling： a review ［J］. Renewable and Sustainable Energy Reviews ， 2017 ， 75 ： 242 - 263 .

PERSSON C ， BACHER P ， SHIGA T ， et al . Multi-site solar power forecasting using gradient boosted regression trees ［J］. Solar Energy ， 2017 ， 150 ： 423 - 436 .

黄磊，舒杰，姜桂秀，等 . 基于多维时间序列局部支持向量回归的微网光伏发电预测［J］. 电力系统自动化， 2014 ， 38 （ 5 ）： 19 - 24 .

HUANG Lei ， SHU Jie ， JIANG Guixiu ， et al . Photovoltaic generation forecast based on multidimensional time-series and local support vector regression in microgrids ［J］. Automation of Electric Power Systems ， 2014 ， 38 （ 5 ）： 19 - 24 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

热浪和寒潮事件下源荷中长期变化及置信区间模拟与分析

基于图像矫正与重构的光伏出力损失预测

基于混合电解槽制氢系统的功率分配技术

考虑配电网电压约束的光伏功率升维仿射控制