基于光伏功率预测的多能源互补系统的设计研究

杨如意

（国电内蒙古东胜热电有限公司，内蒙古自治区 鄂尔多斯 017000）

0 引言

核能、太阳能、火电均为重要能源类型，在发电形式上具有互补性，进而构成互补能源系统。光伏发电对燃料无依赖性，具有环境友好的特殊优势[1]。但光伏发电的输出功率与太阳辐照度、温度、湿度等气象因素条件相关，以致其具有较强的随机性，这成为制约其发展的重要因素之一[2]。核电运行功率稳定，适合提供能源系统中的基本负荷。火电可采用凝结水节流、改变一次风量等手段调节负荷，具有变负荷响应速度快的优势，在多种能源互补调节的过程中能够弥补光伏带来的较大波动性的缺点。

在互补能源系统中，核电提供平稳的基本负荷，如果光伏发电的功率可以得到及时准确的预测，将给火电站提供准确的负荷调动信息，使其能提前做好变负荷准备，更加充分地利用清洁能源，提高核电站运行的安全性。

1 光伏功率预测研究

1.1 基于时间序列与相似日方法的光伏功率预测

光伏发电输出功率与辐照度、温度等气象条件因素有关，主要起作用的是辐照度。气象条件越相近的时段，光伏发电输出功率的数值和趋势也就越相近，所以气象条件相似日可被用来进行光伏功率的预测。光伏功率预测的方法，主要包括统计方法、物理方法和综合方法。其中，统计方法侧重从气象与光伏发电功率的数据关系中，对光伏功率进行预测。物理方法通过建立光伏发电过程的数学模型，进而对光伏发电功率进行预测。综合方法是以上两种方法的结合。在现有研究中，上述3种方法分别约占72%、11%、17%，统计方法是最常见的方法[3]。

本文选用时间序列方法和相似日方法相结合的方法进行光伏功率预测，其预测流程如图1所示。先利用时间序列方法得到目标日的辐照度等气象参数的预测值，采用主观权重及熵权法得到各采样时间点的权重，再以此为标准选取与目标日情况相近的数个相似日，进而得到预测目标日各时间点的光伏输出功率预测值。在相似日判定过程中，需要用到预测目标日的辐照度等气象条件信息，这本身是需要预测的。本研究的思路是：以预测目标日的气象信息的预测值，代替预测目标日的真实值。但这种方法忽略了气象信息预测过程的误差，这也就是本文先采用时间序列方法进行目标日气象信息的预测，再使用相似日方法进行目标日光伏输出功率预测的原因。

图1 时间序列方法与相似日结合流程图Fig.1 Flow chart of similar day method with time series analysis

1.2 时间序列方法

时间序列方法是多种方法的总称，具体可分为一次、二次、三次滑动平均法等方法。其中，一次滑动平均法适用于没有总趋势的序列，二次滑动平均法在其中加入了趋势信息，三次滑动平均法加入了趋势因素。其又可分为累乘、累加两种形式。针对预测光伏输出功率具体问题的具体特征，本文采用三次滑动平均法。

对某一时间序列x1，x2，x3...xn...，用S表示滑动平均值，第t期一次滑动平均值、二次滑动平均值、三次滑动平均值分别记为则有，式中，Xt是第t期指标实际值，a是平滑系数（0＜a＜1）。建立三次滑动平均法的数学模型：Yt+T=at+btT+ctT2。式中，T表示预测周期，Yt+T表示基年为t，预测周期为T年的指标预测值；at，bt，ct为平滑系数。计算公式如公式（1）所示。

1.3 相似日方法

如前文所述，辐照度及温度的数值和变化趋势相似的两天，其光伏发电的功率的数值和变化趋势就越相似。根据此原理，可构成相似日判别向量，即将每一天固定时间间隔的辐照度排列成向量。然后，按照他们与之前由时间序列方法得到的目标日辐照度预测值进行比较，取偏差大小，决定每一点的权重，再进行相似日选取。最后，加权平均可得到对某天的光伏功率的预测值。上述过程中，影响最后得到的预测值的一个关键过程是权重的选取。选取方法包括主观权重法和熵权法。

1.3.1 主观权重法

基于主观权重法的光伏功率预测，是指在预测过程中直接给定每个时间点的辐照度或气象信息的权重值。该权重由专家研究赋予，或从多次预测的实践工作中获得。该方法适用于对预测精度要求不太高，或历史数据库中数据量不充足的情况。同时，具有过程简单、计算快的优点。

1.3.2 熵权法

熵权法是一种客观的权重计算方法。熵权法利用了熵表达信息量的特点，即一个指标在各评估对象之间的水平差异越大，则该指标计算出的权重就越大，对评估结果的影响也就越大[5]。

具体的计算过程是：先按每个观测日的n个参考数据作为矩阵的一行，行数即等于参与选取相似日的总天数m，并将得到矩阵标准化。第i个指标的熵值Hi为：

由此得到第i个指标的熵权ωi为：

熵权法确定权重，进而进行功率预测的整体流程，与前文所述的主观权重法相比，只在各辐照度点的权重计算上有区别。

1.4 光伏输出功率预测

本文在选取相似日的过程中，全天24h内每10min取一个采样点，共144个采样点。每个采样点辐照度的权重采取主观权重法和熵权法两种方式分别计算，确定各采样点的权重后，以历史数据库中辐照度与前文所述时间序列方法得到的辐照度的差值平方乘以权重，得到每天的总体偏差。偏差最小的5天记为相似日，其偏差的总和记为e1，e2，e3，e4，e5。由公式（4）求得每个采样点的功率权重 ，再对功率进行加权平均，即得到最终功率预测值P，如公式（5）所示。

式（5）中，P表示某时刻的功率预测值；P1，P2，P3，P4，P5表示各相似日在该时刻的光伏输出功率预测值。

1.5 评价指标

评价预测准确性的指标有很多种数学手段，可以采用均方根误差（RMSE）描述预测的准确性。RMSE是指预测值与真实值的偏差的平方与观测次数n的比值的平方根。均方根误差能够较好地衡量出观察值与真实值之间的偏差。

RMSE的定义如公式（6）中所示：

2 火电光伏互补系统的构建

由于系统中的光伏发电部分装机容量较大，不适合配置储能蓄电池，因而下面对系统能量调度中暂不考虑蓄电池等储能元件。互补系统的能量调度应本着3个基本原则：①尽量避免核电负荷指令的突然大幅度变化；②在前一点的基础上，尽可能充分地利用光伏资源；③在前两点的基础上，减少火电负荷变化的次数。

如果互补能源系统对外输出的功率需要满足该地区的用电负荷需求，应先对该对象的负荷需求特性进行分析，并可利用类似上文的相似日方法对其负荷需求进行预测。由于预测方法类似，本文不再赘述。

调度过程应满足以下几个基本原则[6,7]，即能量平衡原则。如式（7），损失最小原则，如式（8），火电机组爬坡速率约束，如式（9）等。

式中，L(t)表示负荷随时间变化的预测值；PN(t)、PV(t)、PT(t)分别表示核电、光伏、火电实际的输出功率；COST表示该运行策略的总损失值；CN、CC、CCO2和CA分别表示核电成本、火电燃料成本、CO2释放折合的环境成本、弃光带来的光资源损失；Pi(t-1)为t-1时段火电机组i的有功功率；Ri up为火电机组i单个时段的最大上升功率；Ridown为火电机组i单个时段的最大下降功率。

3 结论

由火电、光伏、核电共同组成的互补能源系统能够较为充分地利用光伏资源，同时发挥核电提供稳定的基本负荷的能力。该互补能源系统随负荷调节的能力主要来源于火电的快速变负荷技术，而火电的负荷指令的准确性依靠光伏输出功率以及用户负荷变化的预测。更及时、更准确的光伏输出功率和用户负荷预测，能够降低火电负荷随动的难度。本文通过时间序列与相似日方法相结合的策略进行光伏功率预测，结合火电变负荷技术，同时由核电提供基本负荷，进行互补能源系统的分析，对现有能源系统的优化具有重要的参考意义。