-M优化方法,训练多层传感器(MLP),求解出逼近实际工况的I/V曲线, 建立了光伏发电量与太阳总辐射、板温之间的函数关系。以Joen大学19.08 kW的光伏电站为例,经校验,2003年发电量预报值与实测数据的历史相关系数高达0.998。日本NTT Facilities公司Kudo等根据历史天气资料和日本爱知县世博园区330kW光伏系统发电量数据,进行多元回归分析,建立预报方程,预测未来一天05:00-19:00的逐时发电量,并利用“预报+实测+临近订正”的方案,降低天气预报失误对于发电量预报准确性的影响。经校验,2005年3月25日至9月26日,日均发电量预报误差为25.6%,时均预报误差为30.53%。Р 国内光伏发电量预报技术尚处于研发阶段。华北电力大学栗然等结合光伏组件数学模型和保定地区气象资料,模拟了30MW光伏电站发电量数据,利用支持向量机回归分析方法,进行发电量预测。但该方法无实际光伏电站的实况发电量资料,缺乏实验验证,对实际光伏电站发电量预报的指导意义有限。华中科技大学在全国较早收集并网光伏电站资料,自2005年起开始对18 kW太阳能光伏电站记录的直流输出功率、交流输出功率以及发电量等大量时间分辨率为5 min的资料进行收集。华中科技大学陈昌松等结合这些历史发电量数据和同期气象数据(日最高气温、日天气类型)分析,利用神经网络方法,建立了基于逐日天气预报信息的光伏发电量预测模型。该方法将天气情况按日天气类型晴天/云天/雨天划分,对次日转折天气发电量预报误差有明显改善,但对一天内天气类型剧烈变化的情况则无法满足逐时预报的要求[2]。Р 2010年6月26日,由国家电网电力科学研究院(下称国网电科院)研发的光伏发电功率的预测系统在国网电科院实验中心大楼完成了安装和调试,并开始实验运行,为今后深入地研究光伏发电系统预测技术及开发实用型的产品积累了宝贵的实践经验。
全文预览
