基于非線性SRUKF的光伏發(fā)電功率預(yù)測(cè)研究

李世紀(jì) 楊婷 吳巧鑫 呂高宇 盧長易

摘 要：光伏發(fā)電輸出功率具有間歇性和波動(dòng)性的典型特性，現(xiàn)從統(tǒng)計(jì)分布與物理學(xué)方法相結(jié)合的角度，建立了光伏發(fā)電預(yù)測(cè)功率物理模型，提出了適用于動(dòng)態(tài)非線性系統(tǒng)預(yù)測(cè)的SRUKF算法。仿真結(jié)果表明，該方法用于光伏功率預(yù)測(cè)時(shí)均方誤差較小，對(duì)光伏發(fā)電短期功率預(yù)測(cè)的實(shí)時(shí)性較好，準(zhǔn)確性較高。

關(guān)鍵詞：光伏發(fā)電;功率預(yù)測(cè);非線性;SRUKF

0 引言

光伏發(fā)電具有間歇性和波動(dòng)性的典型特征，隨著光伏電站并網(wǎng)滲透率的不斷增加，電網(wǎng)對(duì)其調(diào)度、管理難度也進(jìn)一步加大，對(duì)電力系統(tǒng)的安全穩(wěn)定運(yùn)行將產(chǎn)生不可忽視的影響。因此，準(zhǔn)確預(yù)測(cè)光伏電站的發(fā)電功率，促進(jìn)光伏電站的友好接入，對(duì)高效消納清潔能源、提高光伏電站可調(diào)度性以及保障電力系統(tǒng)的安全穩(wěn)定運(yùn)行，均具有非常積極的意義。

提高光伏發(fā)電功率預(yù)測(cè)的準(zhǔn)確度是解決現(xiàn)有光伏電站并入電網(wǎng)問題的關(guān)鍵。針對(duì)光伏發(fā)電功率預(yù)測(cè)精確性與快速性的技術(shù)需求，文獻(xiàn)[1]基于機(jī)器學(xué)習(xí)算法構(gòu)建了光伏功率預(yù)測(cè)模型，該模型利用長短期記憶機(jī)器學(xué)習(xí)算法對(duì)光伏發(fā)電量進(jìn)行預(yù)測(cè)，可在較少量數(shù)據(jù)下得到比較準(zhǔn)確的模型，但該模型缺乏明確的物理意義，存在適用性較差的缺點(diǎn)。經(jīng)典卡爾曼濾波（KF）算法適用于動(dòng)態(tài)變化狀態(tài)量的預(yù)測(cè)估計(jì)，為了能更好地適應(yīng)非線性應(yīng)用場景，文獻(xiàn)[2-5]針對(duì)非線性KF算法開展了系列研究，文獻(xiàn)[6-8]提出通過KF算法與其他算法構(gòu)成的復(fù)合算法，來解決不同時(shí)間尺度下光伏或風(fēng)電功率實(shí)時(shí)預(yù)測(cè)的相關(guān)問題，但其模型不關(guān)注物理過程，主要依賴歷史數(shù)據(jù)，同樣存在模型適用性較差的缺陷。

梳理現(xiàn)有文獻(xiàn)可總結(jié)得出，研究光伏發(fā)電功率預(yù)測(cè)一般分為統(tǒng)計(jì)分布與物理學(xué)兩種方法。在此基礎(chǔ)上，本文提出了一種適用于動(dòng)態(tài)非線性系統(tǒng)的SRUKF算法，并通過仿真分析驗(yàn)證了所提算法的有效性。

1 光伏發(fā)電功率預(yù)測(cè)模型

選取輻照強(qiáng)度和溫度作為光伏發(fā)電輸出功率的關(guān)鍵因素，建立如式（1）所示的光伏發(fā)電功率預(yù)測(cè)物理模型。

Ph=ηSEth[1-0.005（T-25）]（1）

式中：η為額定轉(zhuǎn)換功率;S為光伏列陣面積;Eth為光伏組件傾斜面上的太陽輻照強(qiáng)度;T為組件溫度。

2 非線性SRUKF算法原理

2.1 ? ?經(jīng)典KF算法基礎(chǔ)理論

運(yùn)用經(jīng)典KF算法可以在含有不確定信息的動(dòng)態(tài)系統(tǒng)中，對(duì)系統(tǒng)下一步變化作出包含先驗(yàn)概率的最優(yōu)預(yù)測(cè)，其對(duì)連續(xù)變化系統(tǒng)有著非常高的適用性。經(jīng)典KF算法本質(zhì)上是基于觀測(cè)值與估計(jì)值二者的數(shù)據(jù)，對(duì)真實(shí)值進(jìn)行估計(jì)的過程，根據(jù)觀測(cè)值與估計(jì)值的相對(duì)時(shí)間關(guān)系，KF算法既可以實(shí)現(xiàn)濾波，又可以實(shí)現(xiàn)預(yù)測(cè)。KF算法模型為標(biāo)準(zhǔn)離散化狀態(tài)方程，如式（2）（3）所示。

基于最小二乘算法，結(jié)合采集數(shù)據(jù)對(duì)光伏發(fā)電功率進(jìn)行預(yù)測(cè)并計(jì)算其準(zhǔn)確率，將其與SRUKF算法得到的準(zhǔn)確率進(jìn)行匯總，結(jié)果如表1所示。由表1數(shù)據(jù)可知，基于SRUKF算法的光伏發(fā)電功率預(yù)測(cè)模型的準(zhǔn)確率明顯高于最小二乘算法的準(zhǔn)確率。

繪制RMSE的變化曲線圖，如圖2所示，隨著采樣次數(shù)的增加，預(yù)測(cè)均方根誤差隨之減小，表明預(yù)測(cè)值逐漸趨近真實(shí)值，該模型在預(yù)測(cè)過程中后期表現(xiàn)越來越好。

4 結(jié)語

本文從統(tǒng)計(jì)分布與物理學(xué)相結(jié)合角度，選取輻照強(qiáng)度和溫度作為影響光伏發(fā)電功率預(yù)測(cè)的關(guān)鍵環(huán)境因素，建立光伏發(fā)電功率預(yù)測(cè)物理模型。通過對(duì)經(jīng)典KF算法優(yōu)缺點(diǎn)的分析，提出一種基于非線性SRUKF算法的光伏發(fā)電功率預(yù)測(cè)模型，并給出具體實(shí)現(xiàn)流程?；贛ATLAB建立仿真模型，以江蘇省宜興市某地戶用光伏發(fā)電設(shè)備真實(shí)數(shù)據(jù)為算例，首先指出數(shù)據(jù)采樣時(shí)間間隔將直接影響所提算法預(yù)測(cè)過程的快速性;然后對(duì)所提算法預(yù)測(cè)結(jié)果的準(zhǔn)確性進(jìn)行分析，結(jié)果證明了所提算法的預(yù)測(cè)結(jié)果具有較好的準(zhǔn)確性。

[參考文獻(xiàn)]

[1] MAITANOVA N，TELLE J S，HANKE B，et al.A Machine Learning Approach to Low-Cost Photovoltaic Power Prediction Based on Publicly Available Weather Reports[J].Energies，2020，13（3）：735.

[2] 張玉峰，周奇勛，周勇，等.非線性自適應(yīng)平方根無跡卡爾曼濾波方法研究[J].計(jì)算機(jī)工程與應(yīng)用，2016，52（16）：36-40.

[3] 衛(wèi)志農(nóng)，孫國強(qiáng)，龐博.無跡卡爾曼濾波及其平方根形式在電力系統(tǒng)動(dòng)態(tài)狀態(tài)估計(jì)中的應(yīng)用[J].中國電機(jī)工程學(xué)報(bào)，2011，31（16）：74-80.

[4] BHAUMIK S，SWATI.Cubature quadrature Kalman filter[J].IET Signal Processing，2013，7（7）：533-541.

[5] PEKSA J.Prediction Framework with Kalman Filter Algorithm[J].Information（Switzerland），2020，11（7）：358.

[6] 周志兵.基于改進(jìn)分?jǐn)?shù)階卡爾曼濾波的光伏發(fā)電功率預(yù)測(cè)算法[J].電器與能效管理技術(shù)，2017（4）：41-45.

[7] 楊茂，黃賓陽，江博，等.基于卡爾曼濾波和支持向量機(jī)的風(fēng)電功率實(shí)時(shí)預(yù)測(cè)研究[J].東北電力大學(xué)學(xué)報(bào)，2017，37（2）：45-51.

[8] 李春來，張海寧，楊立濱，等.基于無跡卡爾曼濾波神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測(cè)[J].重慶大學(xué)學(xué)報(bào)，2017，40（4）：54-61.

收稿日期：2020-11-17

作者簡介：李世紀(jì)（2000—），男，河南駐馬店人，研究方向：電氣工程與智能控制。