【文章內(nèi)容簡介】 鏈預(yù)測方法在灰色預(yù)測的基礎(chǔ)上，應(yīng)用馬爾科夫鏈法預(yù)測誤差的變化趨勢，修正預(yù)測值，提高了精度。 (3) 粗糙集理論 粗糙集理論是由波蘭學(xué)者 、不一致、不完整信息問題的數(shù)學(xué)理論和方法。粗糙集理論可從歷史發(fā)電數(shù)據(jù)中發(fā)現(xiàn)隱含的規(guī)律，挖掘出核心影響因素。 粗糙集把研究對象抽象成一個(gè)信息系統(tǒng)，用決策表 DT = (U,C∪D ,V,f ) 來表示，其中 U為論域； C∪D 稱為條件屬性集， D稱為決策屬性集； V是信息函數(shù) f的值域； f表示決策表的信息函數(shù)?；赑awlak屬性重要度的決策表屬性約簡算法可刪除決策表中的冗余屬性，找出影響發(fā)電量的關(guān)鍵影響因素，完成光伏發(fā)電量預(yù)測。 灰色預(yù)測結(jié)果依賴于原始數(shù)據(jù)的精確程度，由于模型只是利用了歷史資料，一般只適用于短期和中期發(fā)電量預(yù)測，而不適用于長期發(fā)電量預(yù)測。當(dāng)馬爾科夫鏈采用的大量樣本時(shí)，將光伏發(fā)電量細(xì)分為若干等級(jí)，則理論概率與樣本計(jì)算的轉(zhuǎn)移概率間的差異逐漸變小，應(yīng)分別對不同時(shí)期統(tǒng)計(jì)轉(zhuǎn)移概率，預(yù)測時(shí)處于可以采用某時(shí)期的轉(zhuǎn)移概率。當(dāng)轉(zhuǎn)移矩陣的階數(shù)較高時(shí)，轉(zhuǎn)移概率漸漸接近于極限概率，預(yù)測價(jià)值不大，不宜采用。粗糙集模型提出屬性約 簡方法，對光伏發(fā)電影響因素進(jìn)行約簡，選擇出對發(fā)電影響較大的因素，剔除不相關(guān)的或者相關(guān)性較小的屬性降低了無關(guān)屬性淹沒相關(guān)屬性的可能性，可減少輸入影響因素的輸入，減少預(yù)測誤差。 國內(nèi)外光伏發(fā)電量預(yù)測的研究動(dòng)態(tài) 目前，國外光伏發(fā)電量預(yù)報(bào)技術(shù)研究已有一定的發(fā)展，如德國、瑞士、西班牙、日本等國已展開利用氣象預(yù)報(bào)對光伏電站發(fā)電量進(jìn)行杭州電子科技大學(xué)本科畢業(yè)設(shè)計(jì) 9 預(yù)測的研究和應(yīng)用。德國 Oldenburg大學(xué) Lorenz等根據(jù)歐洲中尺度天氣預(yù)報(bào)中心 (ECMWF)提供的未來 3天太陽總輻射預(yù)報(bào)數(shù)據(jù)，結(jié)合德國境內(nèi)11個(gè)光伏電站觀測資料來預(yù)報(bào)光 伏發(fā)電量，經(jīng)校驗(yàn)，在 2021年 4月和 7月，光伏發(fā)電量預(yù)報(bào)的相對均方根誤差分別為 39%和 22%。西班牙 Joen大學(xué) Almonacid等采用神經(jīng)網(wǎng)絡(luò)方法，以實(shí)測的光伏組件板溫、入射太陽總輻射為輸入值，對應(yīng)條件下實(shí)測 I/V曲線為目標(biāo)函數(shù)，利用反向傳播算法 LM優(yōu)化方法，訓(xùn)練多層傳感器 (MLP)，求解出逼近實(shí)際工況的I/V曲線 , 建立了光伏發(fā)電量與太陽總輻射、板溫之間的函數(shù)關(guān)系。以Joen大學(xué) kW的光伏電站為例，經(jīng)校驗(yàn)， 2021年發(fā)電量預(yù)報(bào)值與實(shí)測數(shù)據(jù)的歷史相關(guān)系數(shù)高達(dá) 。日本 NTT Facilities公司 Kudo等根據(jù)歷史天氣資料和日本愛知縣世博園區(qū) 330kW光伏系統(tǒng)發(fā)電量數(shù)據(jù)，進(jìn)行多元回歸分析，建立預(yù)報(bào)方程，預(yù)測未來一天 05:0019:00的逐時(shí)發(fā)電量，并利用“預(yù)報(bào)＋實(shí)測＋臨近訂正”的方案，降低天氣預(yù)報(bào)失誤對于發(fā)電量預(yù)報(bào)準(zhǔn)確性的影響。經(jīng)校驗(yàn)， 2021年 3月 25日至 9月 26日，日均發(fā)電量預(yù)報(bào)誤差為 %，時(shí)均預(yù)報(bào)誤差為 %。 國內(nèi)光伏發(fā)電量預(yù)報(bào)技術(shù)尚處于研發(fā)階段。華北電力大學(xué)栗然等結(jié)合光伏組件數(shù)學(xué)模型和保定地區(qū)氣象資料，模擬了 30MW光伏電站發(fā)電量數(shù)據(jù)，利用支持向量機(jī)回歸 分析方法，進(jìn)行發(fā)電量預(yù)測。但該方法無實(shí)際光伏電站的實(shí)況發(fā)電量資料，缺乏實(shí)驗(yàn)驗(yàn)證，對實(shí)際光伏電站發(fā)電量預(yù)報(bào)的指導(dǎo)意義有限。華中科技大學(xué)在全國較早收集并網(wǎng)光伏電站資料，自 2021年起開始對 18 kW太陽能光伏電站記錄的直流輸出功率、交流輸出功率以及發(fā)電量等大量時(shí)間分辨率為 5 min的資料進(jìn)行收集。華中科技大學(xué)陳昌松等結(jié)合這些歷史發(fā)電量數(shù)據(jù)和同期氣象數(shù)據(jù)（日最高氣溫、日天氣類型）分析，利用神經(jīng)網(wǎng)絡(luò)方法，建立了基于逐日天氣預(yù)報(bào)信息的光伏發(fā)電量預(yù)測模型。該方法將天氣情況按日天氣類型晴天 /云天 /雨天劃分，對次日轉(zhuǎn)折天氣 發(fā)電量預(yù)報(bào)誤差有明顯改善，但對一天內(nèi)天氣類型劇烈變化的情況則無法滿足逐時(shí)預(yù)報(bào)的要求 [2]。 2021年 6月 26日 ,由國家電網(wǎng)電力科學(xué)研究院（下稱國網(wǎng)電科院）研發(fā)的光伏發(fā)電功率的預(yù)測系統(tǒng)在國網(wǎng)電科院實(shí)驗(yàn)中心大樓完成了安裝和調(diào)試，并開始實(shí)驗(yàn)運(yùn)行，為今后深入地研究光伏發(fā)電系統(tǒng)預(yù)測技術(shù)及開發(fā)實(shí)用型的產(chǎn)品積累了寶貴的實(shí)踐經(jīng)驗(yàn)。 光伏系統(tǒng)功率預(yù)測技術(shù)在發(fā)達(dá)國家中也處于探索和研究階段，目前，還沒有公認(rèn)成熟的產(chǎn)品和技術(shù)。國網(wǎng)電科院針對多組件的聯(lián)合光伏電站建立了預(yù)測模型，并且具有功能較完備的應(yīng)用軟件平臺(tái)。研制杭州電子科技大學(xué)本科畢業(yè)設(shè)計(jì) 10 出的光伏系統(tǒng)功率預(yù)測系統(tǒng)包括：實(shí)時(shí)氣象數(shù)據(jù)的采集系統(tǒng)，超短期的功率預(yù)測，短期功率的預(yù)測，以及應(yīng)用平臺(tái)等。光伏系統(tǒng)功率預(yù)測采用精細(xì)化的數(shù)值天氣預(yù)報(bào)并結(jié)合實(shí)時(shí)的氣象數(shù)據(jù)，通過自主研發(fā)的功率預(yù)測模型，實(shí)現(xiàn)了光伏電站短期及超短期的功率預(yù)測，為大規(guī)模光伏電站的并網(wǎng)接入、調(diào)度決策提供預(yù)測分析和決策支持 [3]。 本文主要內(nèi)容及章節(jié)安排 本文第一章主要敘述了本課題的研究背景及意義、關(guān)于光伏發(fā)電量預(yù)測的國內(nèi)外動(dòng)態(tài)并簡要介紹了關(guān)于其預(yù)測的不同方法。 第二章 開始將介紹 光伏發(fā)電系統(tǒng)的原理和組成以及光伏電池的特性，討論了光伏系統(tǒng)發(fā) 電功率的特性。 第三章 將介紹 BP（反向傳播）神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，詳細(xì)闡述 BP神經(jīng)網(wǎng)絡(luò)算法的概念，介紹在 MATLAB中建立 BP網(wǎng)絡(luò)的步驟，對預(yù)測模型進(jìn)行網(wǎng)絡(luò)訓(xùn)練和測試的方法。 第四章將介紹運(yùn)用 BP算法對光伏發(fā)電量預(yù)測的詳細(xì)步驟，包括分析影響光伏發(fā)電量的因素及相關(guān)氣象因子的選取，網(wǎng)絡(luò)輸入層節(jié)點(diǎn)、隱含層節(jié)點(diǎn)及輸出層節(jié)點(diǎn)點(diǎn)的確定，建立模型的步驟并設(shè)計(jì)模型。將建立的網(wǎng)絡(luò)在在 MATLAB中的實(shí)現(xiàn)并對預(yù)測模型的預(yù)測結(jié)果進(jìn)行分析，結(jié)合杭州電子科技大學(xué)校園平面圖，預(yù)測當(dāng)樓頂面積均安裝上光伏發(fā)電系統(tǒng)后總發(fā)電量。 第五章為本文的總結(jié)，對所 建立模型進(jìn)行最終評價(jià)，提出所選方案的不足之處以及現(xiàn)階段對本設(shè)計(jì)的優(yōu)化方法，強(qiáng)調(diào)光伏發(fā)電功率預(yù)測的重要性。 杭州電子科技大學(xué)本科畢業(yè)設(shè)計(jì) 11 光伏發(fā)電系統(tǒng) 是利用太陽能電池直接將太陽能轉(zhuǎn)換成電能的發(fā)電系統(tǒng)。其特點(diǎn)是可靠性高、使用壽命長、不污染環(huán)境、能獨(dú)立發(fā)電又能并網(wǎng)運(yùn)行，受到各國企業(yè)組織的青睞，具有廣闊的發(fā)展前景 ，支持其實(shí)現(xiàn)“光能轉(zhuǎn)換成電能”功能的主要部件為太陽能電池 。 太陽能電池發(fā)電原理 光伏電池是以半導(dǎo)體 PN結(jié)上接受光照產(chǎn)生光生伏特效應(yīng)為基礎(chǔ) , 直接將光能轉(zhuǎn)換成電能的能量轉(zhuǎn)換器 。光伏電池的表面被一層半導(dǎo)體薄片覆蓋，以硅半導(dǎo)體為例，當(dāng) P型硅與 N型硅結(jié)合時(shí)， N型區(qū)電子將擴(kuò)散到 P型區(qū)， P型區(qū)空穴會(huì)擴(kuò)散到 N型區(qū)， P型將帶負(fù)電， N型將帶正電，于是硅半導(dǎo)體內(nèi)部就產(chǎn)生了電場（建立內(nèi)電場）。當(dāng)光照射到半導(dǎo)體光伏器件上時(shí) ,在器件內(nèi)產(chǎn)生電子 空穴對 , 在半導(dǎo)體內(nèi)部 PN結(jié)附近生成的載流子沒有被復(fù)合而能夠到達(dá)空間電荷區(qū) , 受內(nèi)建電場吸引 , 電子流入 N區(qū) , 空穴流入 P區(qū) , 結(jié)果使 N區(qū)儲(chǔ)存了過剩的電子 , P區(qū)有過剩的空穴。它們在 PN 結(jié)附近形成與內(nèi)建電場方向相反的光生電場。光生電場除了部分抵消勢壘電場的 作用外 , 還使 P區(qū)帶正電 , N區(qū)帶負(fù)電 , 在 N區(qū)和 P區(qū)之間的薄層就產(chǎn)生電動(dòng)勢 , 這就是光生伏特效應(yīng) [4]。其發(fā)電原理見圖 (ac)[5]: (a) 太陽能半導(dǎo)體晶片 杭州電子科技大學(xué)本科畢業(yè)設(shè)計(jì) 12 (b) 晶片受光后空穴和電子移動(dòng) (c) 晶片受光后電流輸出方向 光伏發(fā)電系統(tǒng)的組成 太陽能光伏發(fā)電系統(tǒng)如圖 所示 ,由太陽能電池組、太陽能控制器、蓄電池（組）和太陽跟蹤控制系統(tǒng)組成。如輸出電源為交流 220V或 110V，還需要配置逆變器。 太陽能電池板 太陽能電池板是太陽能發(fā)電系統(tǒng)的核心 部分， 也是太陽能發(fā)電系統(tǒng)中價(jià)值最高的部分。 其作用是將太陽輻射能量轉(zhuǎn)換為電能，或推動(dòng)負(fù)載工作，或送往蓄電池組中存儲(chǔ)起來。 太陽能控制器 太陽能控制器 的作用是控制整個(gè)系統(tǒng)的工作狀態(tài)，并對蓄電池起到過充電保護(hù)、過放電保護(hù)的作用。在溫差較大的地方，合格的控制器還應(yīng)具備溫度補(bǔ)償?shù)墓δ?。其他附加功能如光控開關(guān)、時(shí)控開關(guān)都應(yīng)當(dāng)是控制器的可選項(xiàng)。 圖 光伏發(fā)電原理過程 杭州電子科技大學(xué)本科畢業(yè)設(shè)計(jì) 13 蓄電池（組） 蓄電池用于存儲(chǔ)光伏電池組 件所產(chǎn)生的電能 ,當(dāng)光照不足或者負(fù)載大于光伏組件所發(fā)電量的時(shí)候 ,釋放存儲(chǔ)的電能來滿足負(fù)載需求 ,是太陽能系統(tǒng)的儲(chǔ)能部件。太陽能發(fā)電系統(tǒng)對蓄電池組的基本要求為 :使用壽命長 。自放電率低 。充電效率高 。深放電能力強(qiáng) 。工作溫度范圍寬 。少維護(hù)或免維護(hù) 。低廉的價(jià)格。 逆變器 逆變器是將直流電轉(zhuǎn)化為交流電的設(shè)備。光伏電池和蓄電池發(fā)出的都是直流電 ,當(dāng)負(fù)載需要交流電時(shí) ,逆變器就是必不可少的。 圖 光伏發(fā)電系統(tǒng)結(jié)構(gòu)圖 太陽能供電系統(tǒng)的基本原理就是 :在太陽光照射下 ,將光伏電池組件所產(chǎn)生的電能由控制器控制 ,給蓄電池充電 ,或者在滿足負(fù)載需求時(shí)直接供電給負(fù)載；若日照不足時(shí) ,則控制器控制蓄電池供電給直流負(fù)載；對于包含交流負(fù)載的太陽能發(fā)電系統(tǒng) ,還需要逆變器 ,用于將直流電轉(zhuǎn)化為交流電 [3]。 太陽能電池隨環(huán)境變化的輸出特性 由于光伏電池的輸出受外界環(huán)境如溫度和光照強(qiáng)度的影響 ,光伏輸出具有明顯的非線性，圖 是在光照強(qiáng)度為 l000W/m2條件 ,不同環(huán)境溫度光伏電池的伏安特性和伏瓦特性曲線。圖 為電池溫度為25℃ ,不同光照強(qiáng)度下的光伏電池的伏安特性和伏瓦特性曲線 [5]。 杭州電子科技大學(xué)本科畢業(yè)設(shè)計(jì) 14 圖 光照強(qiáng)度相同時(shí)，不同環(huán)境溫 度光伏電池的伏安特性和伏瓦特性曲線 圖 (a)隨著溫度的升高，開路電壓逐漸降低，短路電流逐漸增加。圖 (b)隨著溫度的升高，最大功率點(diǎn)逐漸降低。 圖 相同環(huán)境溫度下，不同光照強(qiáng)度對光伏電池伏安特性和伏瓦特性曲線 圖 (a)為在一定的溫度條件下，光照強(qiáng)度越大，光伏電池板的輸出電流越大，其伏安特性曲線向外偏移。圖 (b)為在一定的溫度條件下，光照強(qiáng)度越高，系統(tǒng)的最大功率點(diǎn)也越大。 杭州電子科技大學(xué)本科畢業(yè)設(shè)計(jì) 15 杭州電子科技大學(xué)本科畢業(yè)設(shè)計(jì) 16 神經(jīng)網(wǎng)絡(luò)基本原理 BP(Back Propagation Neural Network)神經(jīng)網(wǎng)絡(luò)是指基于誤差反向傳播算法的多層前向神經(jīng)網(wǎng)絡(luò)，其主要思想是將網(wǎng)絡(luò)學(xué)習(xí)分為正向傳播輸出和反向傳播調(diào)整的過程，即信號(hào)是前向傳播的，誤差是反向傳播的。反向傳播是指誤差的調(diào)整過程是從最后的輸出層依次向之前各層逐漸進(jìn)行的，網(wǎng)絡(luò)權(quán)值沿著性能函數(shù)的梯度反向調(diào)整 [6]。 BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最為廣泛和成功的神經(jīng)網(wǎng)絡(luò)之一。據(jù)統(tǒng)計(jì)， 80%~90%的神經(jīng)網(wǎng)絡(luò)模型采用 BP網(wǎng)絡(luò)或者它的變化形式。它也是前向網(wǎng)絡(luò)的核心部分，體現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)的精華。 BP網(wǎng)絡(luò)是 Rumellhart等在 1986年提出來的，是一種多層網(wǎng)絡(luò)的“逆推”學(xué)習(xí)算法。 BP網(wǎng)絡(luò)的神經(jīng)元采用的傳遞函數(shù)通常是 Sigmoid型可微函數(shù)，所以可以實(shí)現(xiàn)輸入和輸出間的任意非線性映射，這使得它在諸如信號(hào)處理、計(jì)算機(jī)網(wǎng)絡(luò)、過程控制、語音識(shí)別、函數(shù)逼近、模式識(shí)別及數(shù)據(jù)壓縮等領(lǐng)域均取得了成功的應(yīng)用 [7]。 BP網(wǎng)絡(luò)的學(xué)習(xí)由 4個(gè)過程組成，即輸入模式由輸入層經(jīng)中間層向輸出層的“模式順傳播”過程；網(wǎng)絡(luò)的希望輸出與網(wǎng)絡(luò)實(shí)際輸出之差的誤差信號(hào)由輸出層經(jīng)中間層向輸入層逐層修正連接權(quán)的“誤差逆?zhèn)鞑ァ边^程；由“模式順傳播”與“誤差逆?zhèn)鞑ァ钡姆磸?fù)交替進(jìn) 行的網(wǎng)絡(luò)“記憶訓(xùn)練”過程；網(wǎng)絡(luò)趨向收斂即網(wǎng)絡(luò)的全局誤差趨向極小值的“學(xué)習(xí)收斂”過程。簡言之，就是由“模式順傳播”→“誤差逆?zhèn)鞑ァ薄坝洃浻?xùn)練”→“學(xué)習(xí)收斂”的過程。 BP網(wǎng)絡(luò)學(xué)習(xí)規(guī)則有時(shí)也稱為廣義 δ規(guī)則。 BP神經(jīng)網(wǎng)絡(luò)具有以下特點(diǎn) [6]： 1） 能夠以任意精度逼近任何非線性映射，實(shí)現(xiàn)對復(fù)雜系統(tǒng)建模。 2） 可以學(xué)習(xí)和自適應(yīng)未知信息，如果系統(tǒng)發(fā)生了變化可以通過修改網(wǎng)絡(luò)的聯(lián)接值而改變預(yù)測效果。 3） 分布式信息存儲(chǔ)與處理結(jié)構(gòu)，具有一定的容錯(cuò)性，因此構(gòu)造出來的系統(tǒng)具有較好的魯棒性（神經(jīng)網(wǎng)絡(luò)的抗干擾能力）。 4） 多輸入、多輸出的模型結(jié)構(gòu)， 適合處理復(fù)雜問題。 BP網(wǎng)絡(luò)主要用于以下四個(gè)方面 [8]： 1） 函數(shù)逼近：用輸入向量和相應(yīng)的輸出向量訓(xùn)練一個(gè)網(wǎng)絡(luò)逼近一個(gè)函數(shù)； 杭州電子科技大學(xué)本科畢業(yè)設(shè)計(jì) 17 2） 模式識(shí)別：用一個(gè)待定的輸出向量