新能源風光發電預測技術的發展及應用

李志強

摘要：新能源風力發電以及光伏發電的特征較為顯著，例如隨機性，不確定性以及湍流性等諸多方面，在電網正常運作階段，可以對新能源風能發電以及光伏發電的總發電量做好明確的預判。對風電以及光伏發電輸出曲線特征，做出相應的研究以及分析，并進行相關的總結，從而提出風電以及光伏發電預測提綱。除此以外，時間尺度、預測范圍、對象以及風力發電方向來源等諸多因素，都會對國際以及國內的分類標準產生相應的影響。針對風力發電以及光伏發電方式做出相應的分類，并在此分類基礎之上探究了主要的預測方式。在最后做出總結，規劃出未來風光發電預測技術的發展方向以及主要問題，從而為后期應用以及發展提供參考價值。

關鍵詞：新能源;風光發電技術;實際應用

一、風光發電預測方法分類

1.1短期預測

對發電措施做出優化以及完善，以此來增強對于風電的能量吸收能力。在微電網之中預測短期光伏時難度較高，從而對BPSVM-ELM和粒子SOM-LSF進行了優化以及完善，從而在此基礎之上，將滾動光伏預測變成了現實，從而也為后期短期光伏布局做好了指導鋪墊。

1.2中期預測

進行為期一個月或是幾個月的數據檢查運行方式，以及水庫配置等方面的工作。新能源計劃中期主要任務就是進行機械檢查工做的優化，以及機械組合工作的升級，以此來增強相關計劃的可靠性，安全性以及經濟性。

1.3長期預測

長期預測主要作用在年度預測以及多年數據預測等。并在電網規劃、運行模式以及年度維護規劃等方面運用普遍。在高比例可再生能源交直流輸出電網絡規劃工作中，科學合理的運用新能源長期預測技術，從而被輸電網絡規劃的整體框架做出了明確的參考，并為未來技術發展方向指明了前進的道路。

1.4預測對象分類

預測物可分為風能以及太陽能。首先對風能以及功能進行預測，接著進行間接電能的預測。該預測將風能以及光能的發電狀況、氣候數據預測以及風光發電歷史記錄等方面的基本數據作為基礎，從而搭建出風光發電系統預測模型。所謂的間接預測，就是針對風速以及日照強度和風電轉換模型，來對風力發電系統輸出功率做出間接性的預測。

1.5預測模型原理分類

依據預測原則進行分類，共計有統計方式、組合預測方式以及物理方式。依據統計方式來優化并完善風能以及太陽能發電數據，尋求其內部規律，從而對預測模型進行發展預判。這種研究工作會用到風能發電以及太陽能發電系統較長時間的運行數據記錄。物理方式會受到地形信息，物理信息以及系統功率曲線等方面的影響。同時參考氣象數據預報，然后借助物理公式來進行預測。聯合預測方式主要運用于風能發電以及太陽能發電前景分析參考。這種組合模式多數是物理方式以及統計方式的結合，同時進行規模間模型預測的組合以及差異。統計方式能夠篩選出重合系數不同模型，也能夠體現出自身優勢。組合預測方式相對于單一預測方式，精度水平更高，出現較大偏差的幾率也得到了顯著降低。

1.6預測空間尺度分類

由《風電預測功能規范》可以看出，相關要求如下：（1）電力調度部門要能夠針對相關區域內部風電總量，做好靈活及時的調節。（2）與電網對接的風電場都要確?？梢哉＿\作。通常情況下，某一部分地域的風力發電氣象因素相同，同時，風力發電的具體狀況還能夠真切體現出相關地區氣象變化情況，從而就為不同空間以及不同地域風力預測工作做出了總體思路上的延伸，以及技術方面的引導。

二、風光預測技術的發展及主要方法

2.1以時間序列法為代表的傳統統計法

時間序列法將風能以及太陽能發電數據作為基礎，依據時間順序進行數字排列，并借助數學以及統計學方式做好處理過程，從而以此來對后期風能以及太陽能發電量做出提前性的預測。隨機分組方式就是將加權平均法運用到統計分析工作之中，從而以此來避免偶然隨機性而產生的干擾。時間序列方式原理簡單，且操作方便，借助馬爾可夫鏈來模擬風力發電的隨機過程，同時也在序列建模當中，運用到了風力的時域特點，與此同時，再借助持續性以及波動性，對預測性能實現深入優化。

2.2以人工神經網絡為代表的現代統計預測法

近幾年，在勘探領域之中，人工神經網絡得到大范圍普及。本質上看就是借助數學圖解來構建數學模型，從而實現神經網絡的特征。同時對擴散并行信息進行頻率方面的控制練習，加強針對神經網絡節點連接方式以及權值的持續性調整，從而將信息前景做好明確的處理以及規劃?；貧w神經網絡屬于一項時間序列預測，在風力發電預測工作中，應用普遍。人工神經網絡性能顯著，本質上就是非線性優化計算模型。由此可見，在運用非線性優化時，局部過小、計算量過大，收斂速度過慢等情況較為顯著。諸多學者進行了大量實驗，得出大量改進要點，同時加以人工智能技術的協助，從而得到新的人工智能模型。

三、風、光發電預測技術的一些建議和工作思路

（1）依據已有的預測技術，在針對風場以及光場特點進行參考，對風場以及光場的波動性以及隨機性進行模糊性、灰色性、混沌性和概率性研究。

（2）重點進行組合預測技術的前景發展，做好進一步的研究以及分析。實現不同預測方式之間的有機融合，如此就可以增強預測結果的精確性以及計算工作的最終效率。

（3）進行景觀預測數據規劃，并對地域進行深入研究。做好數據篩選以及預處理工作，并增強數據質量。

（4）有關電力部門以及電網調度部門要進行深入研究，從而制定出更為科學高效的預測評估體制，以為后期的科學預測工作提供參考以及指導。

四、結束語

在對以往風力發電以及光伏發電輸出曲線進行綜合性研究之后，總結出一般規律，同時以此為基礎，依據特點進行針對性的創新以及完善，從而促進我國電力領域的進步，并推動經濟的發展。

參考文獻：

[1]李輝，任洲洋，胡博，王強鋼，李文沅.基于時序生成對抗網絡的月度風光發電功率場景分析方法[J/OL].中國電機工程學報：1-11[2021-07-06].

[2]孟德越，劉偉，崔茂齊.風光互補發電系統協調控制策略與并網研究[J].河北水利電力學院學報，2021（02）：51-55+66.

[3]張巨莉.風光儲聯合發電系統與控制分析[J].電力設備管理，2021（05）：136-138.

[4]曾輝，樊銳鋒，李亞康，韋椿力，張大春.高風光發電背景下火電超深度調峰分析[J].河北電力技術，2021（02）：19-21+51.