農(nóng)業(yè)大棚光伏發(fā)電預(yù)測的研究

高華興 李建軍 張 樂 楊宇昕 任永強(qiáng)

(1.塔里木大學(xué)現(xiàn)代農(nóng)業(yè)工程重點(diǎn)實(shí)驗(yàn)室，新疆 阿拉爾 843300；2.塔里木大學(xué)機(jī)械電氣化工程學(xué)院，新疆 阿拉爾 843300)

1 光伏功率的影響因素

1.1 輻照強(qiáng)度

無論是利用半導(dǎo)體p-n結(jié)的光電效應(yīng)太陽能電池，還是光電直接轉(zhuǎn)換的太陽能電池，都是需要光照輻射強(qiáng)度，前者依靠光照在p-n結(jié)上形成空穴-電子對，形成電場，產(chǎn)生電流；后者直接將光照打到光電二極管上，產(chǎn)生電勢差，形成電流。輻照強(qiáng)度對電流影響較大，輻照強(qiáng)度跟電流大小成正比，對電壓幾乎沒有影響，所以輻照強(qiáng)度跟光伏功率成正比[1]。

太陽輻照強(qiáng)度受很多因素的影響，比如天氣狀況，空氣質(zhì)量，光伏設(shè)備上的灰塵，還有光伏電池板擺放的角度等因素。這些因素通過影響光照強(qiáng)度大小，進(jìn)而影響光伏發(fā)電功率的大小，在預(yù)測光伏功率的時(shí)候要考慮到這些因素。光伏上輻照強(qiáng)度受光伏電池板擺放角度的影響，斜面輻照強(qiáng)度公式IA如式(1)所示。

Iθ=IDθ+Iσθ+IRA

(1)

IDθ是傾斜面上太陽直射輻照強(qiáng)度，Iσθ是斜面上太陽散射輻照強(qiáng)度，IRA是傾斜面上所獲得的地面反射輻照強(qiáng)度[2]。光伏電池板擺放的角度會(huì)影響輻照強(qiáng)度，進(jìn)而影響發(fā)電功率。

1.2 溫度

太陽能電池目前主要是硅系太陽能電池，有單晶硅太陽能電池、多晶硅太陽能電池、非晶硅太陽能電池。溫度主要影響太陽能電池的電壓、電流、峰值功率等參數(shù)。光伏電池板的電壓隨溫度的升高而降低，電流是隨溫度升高而升高，太陽能的功率隨著溫度升高而降低。溫度對開路電壓的具體影響，在20～45℃時(shí)候，升高1℃單片光伏的電壓降2mV[3]；而對單片光伏電流的影響是每上升1℃電流增加0.03mA，計(jì)算可得，每升高1℃則功率減少0．35%。為使光伏發(fā)電效率得到提高，要是光伏溫度在20℃左右，保證光伏的高效運(yùn)行[4]。

1.3 陰影

在大棚環(huán)境中，很有必要考慮陰影的影響，若光伏上有陰影則會(huì)引起光伏發(fā)電效率的大大降低。光伏電池板如果有一個(gè)電池單元被遮擋，發(fā)電效率只有之前的25%[5]，由于電池片之間都是串聯(lián)的，每路直流組件的若干組件也是串聯(lián)的，所以遮擋一塊組件，甚至遮擋一塊組件的其中一塊電池片，都會(huì)對整組組串的功率輸出造成很大的影響。在預(yù)測中要考慮可能產(chǎn)生的陰影，像電線桿、鳥糞、落葉都會(huì)造成光伏發(fā)電效率的降低[6]。

1.4 灰塵

光伏電池板的效率受到沉積在表面灰塵的影響，光伏電池板上的灰塵對輻照強(qiáng)度和溫度有直接影響，進(jìn)而影響光伏發(fā)電效率，使電池的效率降低，并能使面板表面受到腐蝕，不同地區(qū)的灰塵影響不同。光伏電池板上的灰塵能擋住太陽輻射，降低太陽的透過率，造成面板接收到的太陽輻射減少，輸出功率也隨之減小，灰塵厚度越大效應(yīng)就越明顯[7]?；覊m所吸收的輻射轉(zhuǎn)換成了熱能使光伏發(fā)電板升溫，灰塵中含有一些腐蝕性的物質(zhì)，會(huì)影響到光伏發(fā)電效率。光伏發(fā)電的影響因素互相耦合，在預(yù)測過程中要考慮到耦合因素的影響。

2 光伏發(fā)電預(yù)測方法

2.1 直接預(yù)測法

直接預(yù)測法的建模相對間接預(yù)測法建模難度要大一些，在不同時(shí)間內(nèi)和不同運(yùn)行條件下，對應(yīng)關(guān)系可能發(fā)生改變，這種改變可能使預(yù)測結(jié)果不準(zhǔn)或者嚴(yán)重偏離正常值。光伏直接預(yù)測就是通過歷史的光照強(qiáng)度，天氣溫度來預(yù)測今后的光伏發(fā)電量，神經(jīng)網(wǎng)絡(luò)就是直接預(yù)測，通過對歷史天氣狀況的訓(xùn)練來預(yù)測今后光伏發(fā)電量。

2.1.1 統(tǒng)計(jì)預(yù)測法

數(shù)據(jù)統(tǒng)計(jì)預(yù)測法首先要進(jìn)行大量光伏發(fā)電歷史數(shù)據(jù)的統(tǒng)計(jì)，找出各時(shí)段光伏發(fā)電的規(guī)律，根據(jù)規(guī)律做出相應(yīng)光伏發(fā)電預(yù)測，目前常見的數(shù)據(jù)統(tǒng)計(jì)預(yù)測模型有：灰色理論預(yù)測模型、多元線性回歸預(yù)測模型、時(shí)間序列預(yù)測模型等?；疑碚擃A(yù)測模型不需要完整的信息，具體的影響因素不需要明確，因素之間的互相的影響不需要明確，系統(tǒng)的作用原理不需要完全明白，灰色理論預(yù)測模型提供了一種不需要太多信息的預(yù)測方法。多元回歸預(yù)測模型，是把影響光伏發(fā)電量的多個(gè)因素及之間的相互作用同時(shí)考慮，來預(yù)測未來發(fā)電量，上文中第一章提到的所有影響因素都可以被多元回歸方程所用，作為回歸方程的輸入，短期預(yù)測效果較好。時(shí)間序列預(yù)測模型通過歷史數(shù)據(jù)對未來做出判斷的數(shù)學(xué)模型，在光伏發(fā)電預(yù)測中將一段時(shí)間的發(fā)電量作為一個(gè)隨機(jī)變量，最后通過數(shù)據(jù)處理擬合曲線，建立預(yù)測模型。

2.1.2 人工智能預(yù)測法

人工智能算法快速發(fā)展，在光伏發(fā)電預(yù)測中的應(yīng)用成為主流，人工智能算法主要包括人工神經(jīng)網(wǎng)絡(luò)、深度信念神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)、邏輯學(xué)習(xí)機(jī)、多分類決策森林等方法。人工智能預(yù)測方法，模仿神經(jīng)元的工作原理，將大量神經(jīng)元聯(lián)結(jié)進(jìn)行運(yùn)算，通過不斷地學(xué)習(xí)，訓(xùn)練，找到無限逼近基于歷史數(shù)據(jù)的函數(shù)，在光伏發(fā)電領(lǐng)域中，使用神經(jīng)網(wǎng)絡(luò)可以得到很好的預(yù)測結(jié)果。人工神經(jīng)網(wǎng)絡(luò)有前饋神經(jīng)網(wǎng)絡(luò)和反饋神經(jīng)網(wǎng)絡(luò)，前饋神經(jīng)網(wǎng)絡(luò)是將數(shù)據(jù)一層一層傳遞，沒有反饋，反饋神經(jīng)網(wǎng)路與前饋神經(jīng)網(wǎng)絡(luò)最大的不同就是反饋神經(jīng)網(wǎng)絡(luò)各個(gè)神經(jīng)元之間互相聯(lián)系，都可以作為輸入輸出。

文獻(xiàn)介紹了一種基于大數(shù)據(jù)的預(yù)測方法，通過理清各種不同因素的重要程度，建立多層神經(jīng)網(wǎng)絡(luò)來預(yù)測未來光伏發(fā)電量。文獻(xiàn)介紹了支持向量機(jī)，是一種自學(xué)習(xí)的模型，原則是使結(jié)構(gòu)風(fēng)險(xiǎn)最小化，具有很好的適應(yīng)性。文獻(xiàn)介紹了光伏數(shù)據(jù)中有高頻和低頻信號(hào)，利用小波分解技術(shù)把高低頻信號(hào)分開計(jì)算，使預(yù)測值更精確。

2.2 間接預(yù)測法

間接預(yù)測方法相對于直接預(yù)測法，預(yù)測方法較為復(fù)雜，是指不需要大量的光伏歷史數(shù)據(jù)，根據(jù)天氣預(yù)報(bào)數(shù)據(jù)進(jìn)行預(yù)測的方法，在預(yù)測精確度方面，間接預(yù)測要好于直接預(yù)測，并減少了大量光伏數(shù)據(jù)的統(tǒng)計(jì)。間接預(yù)測可以根據(jù)當(dāng)?shù)貙?shí)時(shí)天氣預(yù)報(bào)信息，衛(wèi)星云圖、歷史數(shù)據(jù)進(jìn)行預(yù)測下個(gè)時(shí)間段的光伏量，達(dá)到預(yù)測的目的。文獻(xiàn)介紹了基于數(shù)值天氣預(yù)報(bào)預(yù)測的方法，能有效地根據(jù)季節(jié)進(jìn)行預(yù)測。文獻(xiàn)介紹了在數(shù)據(jù)不準(zhǔn)確、不全面時(shí)，提出了將數(shù)據(jù)分為陰晴2類，然后找到相似的數(shù)據(jù)，進(jìn)行分析預(yù)測。

2.3 組合預(yù)測法

組合預(yù)測法是把多種預(yù)測方法結(jié)合在一起，文獻(xiàn)介紹了基于自適應(yīng)Kmeans和 LSTM的光伏預(yù)測，根據(jù)短期發(fā)電的特點(diǎn)，選取相適應(yīng)的預(yù)測方法，然后再在LSTM上進(jìn)行光伏發(fā)電預(yù)測，文獻(xiàn)介紹了基于特征挖掘的 indRNN的光伏預(yù)測，首先根據(jù)環(huán)境特征與光伏發(fā)電量的關(guān)系，找出相應(yīng)的特征，再進(jìn)行神經(jīng)網(wǎng)絡(luò)的預(yù)測。各種預(yù)測方法的組合，取長補(bǔ)短，預(yù)測精度大幅提升，但是計(jì)算的復(fù)雜度也將會(huì)提升。在這里規(guī)定超短期預(yù)測時(shí)長4h以內(nèi)，短期預(yù)測時(shí)長在72h之內(nèi)，中期時(shí)長為1月～1年。以上各種預(yù)測方法的總結(jié)如表1所示。

3 未來研究展望

隨著對環(huán)境的重視，將會(huì)加快尋找綠色能源的腳步，太陽能具有綠色、環(huán)保的特點(diǎn)，無疑將會(huì)受到越來越重視。在大棚中應(yīng)用光伏，符合生態(tài)農(nóng)業(yè)觀念，是一種發(fā)展趨勢。光伏只能白天發(fā)電，如何使白天所產(chǎn)生的電能持續(xù)、高效地轉(zhuǎn)化為大棚用電，就要進(jìn)行光伏的預(yù)測。在預(yù)測過程中，常常面臨預(yù)測難度與精度不能統(tǒng)一的矛盾，根據(jù)大棚的環(huán)境選擇出最優(yōu)的預(yù)測方法，就會(huì)是未來研究的重點(diǎn)。

表1 光伏發(fā)電預(yù)測方法分析

(1)近年來，大數(shù)據(jù)、人工智能、機(jī)器學(xué)習(xí)的蓬勃發(fā)展，光伏預(yù)測技術(shù)的預(yù)測精度一步步提高，但是預(yù)測過程中運(yùn)算復(fù)雜度和運(yùn)算量大幅提升。大棚環(huán)境中，未來隨著計(jì)算機(jī)運(yùn)算速度的提升，大棚中運(yùn)用人工智能預(yù)測的方法將會(huì)越來越普及。未來根據(jù)大棚實(shí)際情況建立不同復(fù)雜度預(yù)測模型將會(huì)是一個(gè)重要研究方向。

(2)組合式預(yù)測的優(yōu)越性逐漸凸顯，能進(jìn)行靈活地組合，達(dá)到靈活預(yù)測的結(jié)果。組合式預(yù)測能根據(jù)光伏預(yù)測環(huán)境進(jìn)行組合，在大棚環(huán)境中，將會(huì)根據(jù)不同地區(qū)的不同情況進(jìn)行預(yù)測，組合預(yù)測在大棚環(huán)境中滿足了預(yù)測精度的需要，但也存在運(yùn)算量的問題。未來預(yù)測模型的優(yōu)化和簡化將成為一個(gè)研究重點(diǎn)。

(3)超短期預(yù)測在大棚光伏預(yù)測中會(huì)普及，這是由大棚特點(diǎn)和大棚用電策略所決定的，如何減少儲(chǔ)蓄電池的充放電次數(shù)，在陰天霧霾天等光照不足的情況下，快速預(yù)測將會(huì)減少非必須用電，超短期預(yù)測將會(huì)使大棚用電快速反應(yīng)，未來在大棚中超短期預(yù)測將會(huì)重點(diǎn)研究。