基于BP神经网络的光伏发电功率预测模型研究(2)
50 亿年的使用时间 ， 和地球的寿命几乎差不多 ， 可以说太阳能是一种无限量的能源 ；
③ 无污染 、 无噪声 ： 太阳能是以光波形式传播的能量 ， 因此不会产生重金属或有害气
体等污染物，也不会产生较大的噪声。
大规模光伏并网发电是利用太阳能的一种有效方式 ， 但光伏发电系统受光照强度
和环境温度等气候因素的影响 ， 并网后功率变化具有不确定性 。 大量用户使用光伏发
电系统为其提供电能 ， 使得电网规划人员更加难于准确预测负荷的增长情况 ， 影响系
统的调度和机组出力的计划 。 因此 ， 需要对光伏系统的发电功率预测进行研究 ， 预先
获得其日发电功率曲线 ， 从而协调电力部门 ， 减少光伏发电随机性对电力系统的影响 ，
提高系统的安全稳定性 [1]
现如今 ， 并网光伏发电系统的容量不断增加 ， 研究光伏发电功率短期预测对减轻
光伏系统并网对大电网冲击、提高电网接纳光伏系统的能力有着重要意义。
1.1 1.1 1.1 1.1 光伏发电预报技术的综述 光伏发电预报技术的综述 光伏发电预报技术的综述 光伏发电预报技术的综述
太阳能光伏发电量预报 ， 主要是通过太阳总辐射的准确预报 ， 结合光伏电站历史
发电量数据分析，进而得到光伏发电量预报。
总的说来，国内外光伏发电量预报技术主要可分为如下 3 类：一是基于太阳总辐
射预报和光伏 I/V 特性曲线仿真模型的仿真预报法；二是基于太阳总辐射预报和光电
转换效率模型的原理预报法 ； 三是基于历史气象资料 （ 天气情况或 （ 和 ） 太阳总辐射
资料 ） 和同期光伏发电量资料 ， 采用统计学方法 （ 如多元回归 、 神经网络等相关算法 ）
进行分析建模，再输入数值模式预报结果的动力 - 统计预报法。
动力 - 统计预报法，其模型的建立不考虑光电转换物理意义，通过对历史观测数
据资料进行分析和处理（统计学方法 ） ，可以采用常规的预测方法如指数平滑法对光
本科毕业设计说明书（论文）
伏发电量序列进行时间序列分析 ， 以历史发电量预报未来发电量 ， 该方法最大优点是
简单 ， 但只适应于发电量变化不大的平稳时间序列 ； 或是采用自回归分析方法 、 神经
网络等数学方法 ， 探寻影响光伏发电量的多种气象要素 ， 建立光伏发电系统出力与气
象要素相关性的统计模型后 ， 输入天气预报或 （ 和 ） 太阳总辐射预报值 ， 进行发电量
预测，该类方法可以考虑到各种气象要素对光伏系统发电量的影响，预测精度好 ， 但
是算法相对复杂 [2
。
本文采用神经网络训练出基于逐 日逐时 天气预报信息的光伏发电量预测模型 ， 利
用了光伏历史发电量序列的自相关性 ， 但缺乏详细的气象资料 ， 只考虑日天气类型 （ 类
似电力系统负荷预测）和日最高气温。
1.1.1 国外预报技术的发展状况 [2]
目前，国外光伏发电量预报技术研究已有一定的发展，如德国、瑞士、西班牙 、
日本等国已展开利用气象预报对光伏电站发电量进行预测的研究和应用。德国
Oldenburg 大学 Lorenz 等根据欧洲中尺度天气预报中心（ ECMWF ）提供的未来 3 天
太阳总辐射预报数据 ， 结合德国境内 11 个光伏电站观测资料来预报光伏发电量 ， 经校
验，在 2007 年 4 月和 7 月，光伏发电量预报的相对均方根误差分别为 39% 和 22% 。西
班牙 Joen 大学 Almonacid 等采用神经网络方法 ， 以实测的光伏组件板温 、 入射太阳总