基于气象数据外推法和显著性分析的光伏自适应功率预测模型.pdfVIP

第46卷第2期太阳能学报Vol.46，No.2

2025年2月ACTAENERGIAESOLARISSINICAFeb.，2025

DOI：10.19912/j.0254-0096.tynxb.2024-0132文章编号：0254-0096（2025）02-0317-09

基于气象数据外推法和显著性分析的

光伏自适应功率预测模型

112334

王丽婕，张青山，郝颖，周颖，邱敏，孙冲

（1.北京信息科技大学自动化学院，北京100192；2.北京理工大学唐山研究院，唐山063000；

3.需求侧多能互补优化与供需互动技术北京重点实验室（中国电力科学研究院有限公司），北京100192；

4.国网河北省电力有限公司营销服务中心，石家庄050081）

摘要：分布式光伏电站装机容量较小，一般不进行实时功率统计，难以直接建立功率预测模型。针对分布式光伏电站间光

伏组件安装型号和安装方式多样性的问题，基于气象数据外推法和显著性分析提出一种自适应功率预测模型。首先，利用显

著性分析筛选光伏组件标称参数和气象数据外推法特征参数之间的相关性，确定与特征参数显著相关的标称参数集合；然后，

建立最小二乘支持向量机模型，拟合标称参数集合和特征参数之间的自适应函数关系；最后，建立自适应功率预测模型，基于

光伏组件安装方式将环境温度和辐照度转换为板面温度和辐照度，基于自适应函数选择适合当前光伏组件型号的特征参数，

根据气象数据外推法得到预测功率。利用光伏电站实际数据进行验证，结果显示，自适应功率预测模型能够为不同型号的光

伏组件选择合适的特征参数，通用性更强，相比于目前流行的简化功率预测模型，多云天气下的预测精度提升约2.34%。

关键词：光伏发电；功率预测；外推法；显著性分析；自适应函数

中图分类号：TM615文献标志码：A

光伏功率预测必要的环节。

0引言

基于太阳辐照度的功率预测模型可分为统计模型和物

太阳能作为一种易于获得的可再生清洁能源，具有巨大理模型两大类。统计模型是指采用神经网络等人工智能算

的资源潜力，是当下发展最迅猛，各国扶持力度最大的能源法直接拟合太阳辐照度和光伏功率之间的非线性函数关系；

［1-2］

形式。截至2022年，全球光伏装机容量共计1073.1GW，物理模型是通过剖析光伏发电系统内部各物理模块，基于太

新增装机容量230GW，同比增长35.3%。据英国石油公司阳电池的伏安特性曲线来建立预测模型。文献［5-6］使用回

《2022年世界能源统计回顾》显示，从2017年开始，每年新增归神经网络建立太阳辐照度和光伏功率之间的预测模型，虽

光伏装机容量近100GW，光伏发电正逐渐成为电力供应的然取得不错的精度，但预测效果并不稳定，偶尔会出现偏差

重要方式。较大的预测点。物理模型基于光伏发电原理建立，对发电功

光伏发电的功率存在显著的波动和难以确定的特点，一率的追踪效果较稳定，因而被广泛应用。太阳电池工程用数

旦大规模接入电网，将给电力系统的安全稳定运行带来巨大学模型提出光伏组件实际运行时的电压和电流，可由参考状

挑战。为此，建立高准确度的光伏功率超短期预测系统，并态