基于地基云图的光伏功率超短期预测模型研究

The short-term photovoltaic output power forecasting is of great significance to the adjustment of the power generation plan and the safety and stability of the whole power system. The complex variation of cloud has a major impact on the prediction of photovoltaic power. Meanwhile, a lot examples have proved that the forecasting photovoltaic power methods with the ground-based cloud image have good accuracy and practical effect in a short time. The project takes the total ground-based cloud image obtained by TSI to preprocess and distortion correct, the images were pre-processed for constructing Red-Blue Ratio database for clear sky, and the cloud detection was realized and the retrieved cloud fraction can be obtained. The cloud velocity vector was applied to forecast the future cloud map by using advection method. Finally, a combined algorithm of ground-based cloud image, wavelet transform and artificial neural network is applied to predict PV ultra-short term power output. The model is a lightweight calculation model, it satisfies the calculation precision of engineering requirements, and has a small amount of data and calculation. It provides reference for the actual needs of the project.

光伏电站功率预测研究对于发电计划的调整和整个电力系统的安全稳定具有重要意义。云的变化对光伏功率预测有重要影响。基于地基云图的光伏预测方法在短时内具有良好的精度和实用效果。本项目利用全天空成像仪（Total Sky Imager，TSI）采集的云图数据，对云图进行畸变校正完成图像预处理，建立晴空图像红蓝比数据库，结合太阳参数实现云识别与云量反演，然后计算云运动的速度矢量、使用平流输送法预报云图，得到云量与云位置。最后，基于地基云图进行的云跟踪预报结合小波分解与人工神经网络的组合算法，实现光伏电站输出功率分钟级预报方法研究。本项目研究的预测模型在满足光伏发电工程要求的计算精度下，尽量减少数据量和计算量，属于轻量化的计算模型，可为光伏发电工程的发电管理提供支持。

光伏电站功率预测研究对于发电计划的调整和整个电力系统的安全稳定具有重要意义。云的变化对光伏功率预测有重要影响，基于地基云图和卫星云图的光伏预测方法在短时内具有良好的精度和实用效果。本项目评估了各种晴空模型的适用性，最后选择McClear晴空模型作为晴天（无云）条件下地表太阳辐射的计算模型，分别利用全天空成像仪（Total Sky Imager，TSI）和风云四号卫星采集的云图数据，利用PIV粒子测速算法预报云图，得到云量与云位置。最后，基于云图进行的云跟踪预报结合小波分解与人工神经网络的组合算法，实现光伏电站输出功率分钟级预报方法研究。选择气候学和持续性模式（CP）相结合作为参考预报模型。在我国的西北荒漠地区（敦煌）以及河北平原地区（衡水）对预报模型进行了验证与评估，结果表明：（1）在全天空条件下，我们的预报模型在春季、夏季和秋季是优于参考模型的，而在冬季预报水平与参考模型相当；从全年的角度来看，我们的预报模型都是优于参考模型的。（2）在不同的天气条件下，我们的预报模型在晴天、多云天、阴天和晴转多云条件下优于参考模型，在多云转晴条件下我们的预报模型还需要进一步的改进。本项目研究的预测模型在满足光伏发电工程要求的计算精度下，尽量减少数据量和计算量，属于轻量化的计算模型，成本低，具有实际应用前景，可为光伏发电工程的发电管理提供支持。