摘 要：首先，分析了影响光伏电站输出功率的各类气象因素，再根据物理原理建立了气象因素与光伏电池板 电气特性之间的关系，最后，通过光伏电池的二极管模型及逆变器损耗模型实现了对光伏电站输出功率的预测，并根据某光伏电站的实测数据对功率方法进行验证。预测结果表明，该方法有较高的预测精度，能够满足工程应用的要求，且不受历史数据的限制，可用于新建光伏电站的功率预测。 光伏发电具有波动性和间歇性，大规模光伏电站并网运行会对电力系统的安全稳定经济运行 将造成影响。预测光伏电站的输出功率可以有效降低大规模光伏接入对电网的影响，提高电网接纳光伏的能力，以充分利用太阳能资源，获得更大的经济效益和社会效益。 光伏发电具有与风力发电不同的两个特性：风电场通常在偏远地区，远离城市，而光伏发电可以屋顶光伏的形式在城市开发建设，风电场的出力通常具有反调峰特性，而光伏电站通常在10：00～15：00出力较大，与城市的用电负荷有较好的一致性。如果能实现对光伏电站输出功率的有效预测， 可以与城市的分散储能相结合，起到有效的调峰作用，从而降低备用容量。 光伏发电功率预测的研究起步较晚，国外的研究工作主要集中在以太阳能资源监控系统的研 究。如文献［2］建立了光伏发电功率预测的净空模型，通过对一个区域内21个观测点的太阳能资 源数据监测，得出了采用数值天气预报和不采用数值天气预报的优化模型， 并分析了这两种模型的适应范围。美国在光伏发电功率预测方面也开始了前期研究，除了短期预测，中长期功率预测也 是主要研究内容［3］ 。法国和加拿大也开展了并网光伏电站性能预测方面的研究，主要通过卫星 云图预测出地面太阳辐照强度， 再根据预测模型预测光伏电站的发电情况 ［2，4］ 。以上研究目前仍处于试验阶段，尚未出现投入工程应用的光伏发 电功率预测系统。 我国在光伏发电功率预测领域开展了大量研究工作，其中，由中国电力科学研究院开发的光伏发电功率预测系统已在上海、宁夏、青海等电网调 度机构投运。目前单个光伏电站的预测均方根误差为11%～13%，平均绝对误差5%～8%，预测出力曲线和实际出力曲线的相关系数在0．85以上，达到国内领先、国际先进水平。 类似于风电功率预测，光伏发电功率预测方法也主要分为统计方法、物理方法以及两者相结合的混合方法。其中统计方法的基本思路与风电功率预测统计方法近似，即根据历史统计数据找出天气状况与光伏电站出力的关系，然后，根据实测数据和数值天气预报数据对光伏电站输出功率 进行预测，常用的预测方法有时间序列法、 BP神经网络方法［5］ 、径向基函数神经网络和支持向量机［6］ 等。统计方法对于历史数据比较完备的光 伏电站，预测精度相对较高，而对于缺乏历史数据的新建光伏电站，统计方法存在先天不足，此时只能借助物理方法进行预测。 目前，我国的光伏发电事业处于快速发展初期，每年将有大量新建光伏电站建成投产，为确 保大规模光伏电站安全、 可靠、高效的并网运行，开发出满足工程应用的物理预测方法非常 关键。 本文对光伏电站功率预测的物理方法进行研究，并针对某实际光伏电站的运行数据对物理预测方法进行了验证，肯定了方法的有效性。 1 光伏电站输出功率影响因素分析 光伏电池工作环境的多种外部因素，如辐照 强度、环境温度、风速等都会对电池的性能指标带来影响，且温度的影响和辐照强度的影响常常同时存在。这里重点分析光伏电池的辐照强度特性和温度特性。
图1为光伏电池在不同辐照强度和不同温度下的伏安特性曲线。 在温度不变的情况下，随着光照强度的升高，开路电压UOC呈现对数比例增加，短路电流Isc和输出功率均与光照强度成正比。 在光照强度不变的情况下，随着温度的升高，改善了载流子的扩散长度，以及长波的光谱响应，使得短路电流Isc呈现正的温度系数，但它随温度的变化很小；开路电压Uoc和温度之间近似线性的关系，且Uoc呈负温度系数。总的来说，由于Uoc的影响要远远大于Isc的影响，所以光电转换效率呈随温度升高而降低的趋势。 |
