近年來頻繁出現(xiàn)的污染天氣使光伏發(fā)電中太陽輻照度隨空氣質(zhì)量出現(xiàn)較大變化,對光伏發(fā)電功率預(yù)測產(chǎn)生較大影響。對此,本文基于空氣質(zhì)量監(jiān)測數(shù)據(jù)與氣象數(shù)據(jù),建立了氣溶膠光學(xué)厚度（AOT）的光伏發(fā)電功率預(yù)測軟測量模型,采用雙波段大氣輻射傳輸模型計算太陽輻照度,以日前與日內(nèi)的空氣質(zhì)量預(yù)報信息為驅(qū)動數(shù)據(jù),提出了一種多時間尺度的光伏發(fā)電功率預(yù)測方法,并基于此開發(fā)了光伏發(fā)電功率預(yù)測軟件進(jìn)行試驗驗證。結(jié)果表明,本文方法能夠有效反映污染天氣對輻照度的影響,實現(xiàn)對光伏發(fā)電功率的準(zhǔn)確預(yù)測,該光伏發(fā)電功率預(yù)測軟件具有較好的工程應(yīng)用價值。 

【文章來源】：熱力發(fā)電. 2020,49(06)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

輻照度及光伏發(fā)電功率對比Fig.1Thecomparisonofsolarradiationintensityand

0.6710.728氣溫0.2290.255空氣相對濕度0.3860.302氣溶膠標(biāo)高0.2060.232風(fēng)速–0.126–0.158風(fēng)向0.0650.080云量0.0140.016時間0.0620.0892.3AOT軟測量模型利用MATLAB軟件的LibSVM工具箱，分別建立SVR-1與SVR-2的AOT軟測量模型，圖2為AOT軟測量模型結(jié)構(gòu)。圖2中，C0為PM10質(zhì)量濃度，C1為PM2.5質(zhì)量濃度，R為空氣相對濕度，H為氣溶膠標(biāo)高，T為氣溫，440與1020分別為波段1與波段2的AOT。圖2AOT軟測量模型結(jié)構(gòu)Fig.2ThestructureoftheAOTsoftsensingmodel隨機抽取2132組訓(xùn)練樣本中的1964組作為訓(xùn)練樣本，其余168組作為檢驗樣本，對2個AOT軟測量模型進(jìn)行學(xué)習(xí)訓(xùn)練。2個AOT軟測量模型均選用徑向基核函數(shù)，結(jié)合試探法與網(wǎng)格搜索法，對訓(xùn)練參數(shù)損失系數(shù)ε、懲罰因子C以及核函數(shù)參數(shù)σ2進(jìn)行優(yōu)選，最終得出的訓(xùn)練參數(shù)見表2。表2AOT軟測量模型訓(xùn)練參數(shù)Tab.2TrainingparametersoftheAOTsoftsensingmodel訓(xùn)練參數(shù)εCσ2SVR-10.02610SVR-20.01710

72熱力發(fā)電2020年http://www.rlfd.com.cn完成AOT軟測量模型學(xué)習(xí)后，分別在訓(xùn)練樣本與檢驗樣本上測試其計算精度，結(jié)果如圖3和圖4所示。圖3AOT軟測量模型在訓(xùn)練樣本上的計算結(jié)果Fig.3CalculationresultsoftheAOTsoftsensingmodelontrainingsamples圖4AOT軟測量模型在檢驗樣本上的絕對誤差Fig.4AbsoluteerrorsoftheAOTsoftsensingmodelontestsamples由圖3和圖4可見，在訓(xùn)練樣本上，2個AOT軟測量模型的計算結(jié)果與AOT實際值均具有高度的一致性；在檢驗樣本上，2個AOT軟測量模型的絕對誤差平均值分別為0.149與0.063，說明它們具有較高的預(yù)測精度。3基于大氣輻射傳輸模型的輻照度預(yù)測C.A.Gueymard的研究工作表明，與Bird、CPCR2、Ineichen等大氣輻射傳輸模型相比，REST2模型具有更高的精度，適合計算晴空條件下的輻照度[18]。REST2模型通過分別計算0.29~0.70μm波段與0.70~4.00μm波段的太陽直射輻照度和散射輻照度，進(jìn)而可得出任一平面的總輻照度。REST2模型的直射輻照度計算公式為bnbn1bn2bniaiwiRiginioi0niEEEETTTTTTE(4)式中，Ebn為總直射輻照度，Ebni為波段i直射輻照度，E0ni為波段i大氣層外直射輻照度。Tai為波段i氣溶膠透射系數(shù)，計算公式為aaaexp()iiTm(5)式中τai為波段i的AOT。Twi為波段i可降水量透射系數(shù)，計算公式為：w11w2wT(1hm)(1hm)(6)22w21w2w3w4wT(1cmcm)(1cmcm)(7)TRi為波段i雷利系數(shù)，計算公式為：""2RRR1""2RR(11.81690.033454)(12.0630.31978)mmTmm(8

【參考文獻(xiàn)】：
期刊論文
[1]基于數(shù)值天氣預(yù)報的光伏功率短期預(yù)測分類組合算法[J]. 張俊,賀旭,陸春良,王波.  廣東電力. 2019(06)
[2]計及霧霾影響因素的光伏發(fā)電超短期功率預(yù)測[J]. 劉衛(wèi)亮,劉長良,林永君,李靜,李金拓,熊峰,陳晨.  中國電機工程學(xué)報. 2018(14)
[3]一種短期光伏出力的區(qū)間預(yù)測方法[J]. 陳云龍,殷豪,孟安波,歐曉峰,劉哲.  廣東電力. 2018(02)
[4]基于ARIMA和SVR的光伏電站超短期功率預(yù)測[J]. 赫衛(wèi)國,郝向軍,郭雅娟,曹瀟,陳錦銘,梅飛,劉皓明.  廣東電力. 2017(08)
[5]光伏發(fā)電短期預(yù)測研究進(jìn)展綜述[J]. 荊博,譚倫農(nóng),錢政,裴巖,王婧怡.  電測與儀表. 2017(12)
[6]光伏功率預(yù)測技術(shù)[J]. 龔鶯飛,魯宗相,喬穎,王強.  電力系統(tǒng)自動化. 2016(04)
[7]河北省氣溶膠標(biāo)高時空變化及其成因[J]. 成賀璽,王衛(wèi),杜瑋璐,邸蘭杰,牛子寧,王京濤.  環(huán)境科學(xué)研究. 2015(02)
[8]地基云圖結(jié)合徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的光伏功率超短期預(yù)測模型[J]. 陳志寶,丁杰,周海,程序,朱想.  中國電機工程學(xué)報. 2015(03)
[9]風(fēng)力和光伏發(fā)電短期功率預(yù)測研究進(jìn)展與展望[J]. 陳深,毛曉明,房敏.  廣東電力. 2014(01)
[10]基于ARMA模型的光伏電站出力預(yù)測[J]. 蘭華,廖志民,趙陽.  電測與儀表. 2011(02)

博士論文
[1]并網(wǎng)型光伏電站發(fā)電功率預(yù)測方法與系統(tǒng)[D]. 王飛.華北電力大學(xué) 2013



本文編號：3547425