分布式光伏電站功率預(yù)測(cè)與儲(chǔ)能模組設(shè)計(jì)研究

崔 永

（中國(guó)水電建設(shè)集團(tuán)十五工程局有限公司，陜西 西安 710086）

0 引言

預(yù)測(cè)光伏電站的功率可以更好地進(jìn)行電力市場(chǎng)調(diào)度和制定發(fā)電計(jì)劃，降低因天氣等自然因素造成的電力波動(dòng)和浪費(fèi)，提高光伏電站的發(fā)電效率和經(jīng)濟(jì)效益。儲(chǔ)能模組的有效應(yīng)用有助于實(shí)現(xiàn)分布式光伏電站電能的儲(chǔ)存，使光伏電站能夠在低負(fù)荷期間進(jìn)行電能儲(chǔ)存，在高負(fù)荷期間釋放儲(chǔ)存的電能，從而優(yōu)化能源消費(fèi)結(jié)構(gòu)，提高能源利用率，降低能源成本。該文研究了分布式光伏電站功率預(yù)測(cè)與儲(chǔ)能模組，能夠有效降低因能源波動(dòng)，并減少供需不平衡造成的能源浪費(fèi)。對(duì)廣域氣象資源數(shù)據(jù)進(jìn)行網(wǎng)格化處理，采用反距離權(quán)重（IDW）插值法等構(gòu)建光伏功率預(yù)測(cè)模型，根據(jù)預(yù)測(cè)誤差值對(duì)儲(chǔ)能系統(tǒng)充放電功率進(jìn)行控制，并應(yīng)用PID 控制算法實(shí)現(xiàn)了對(duì)基于分布式光伏電站功率預(yù)測(cè)的儲(chǔ)能模組充放電功率進(jìn)行控制。通過分析測(cè)試計(jì)算結(jié)果，證實(shí)了PID 控制算法能夠用于分布式光伏電站功率預(yù)測(cè)儲(chǔ)能模組，有助于對(duì)實(shí)際功率進(jìn)行精細(xì)控制，實(shí)現(xiàn)對(duì)分布式光伏電站充放電功率的精確調(diào)節(jié)。

1 光伏功率預(yù)測(cè)模型

1.1 數(shù)據(jù)收集處理

由于分布式光伏電站裝機(jī)容量相對(duì)較小，基本沒有安裝固定的能源資源監(jiān)測(cè)裝置，測(cè)試光伏功率期間，如果直接根據(jù)距離光伏電站最近的點(diǎn)數(shù)據(jù)對(duì)其進(jìn)行光伏功率預(yù)估，可能存在精度不高的問題。基于上述因素的影響，該文對(duì)廣域氣象資源數(shù)據(jù)進(jìn)行網(wǎng)格化處理，目的在于將分布不規(guī)則的氣象數(shù)據(jù)轉(zhuǎn)換為規(guī)則的網(wǎng)格數(shù)據(jù)，以方便對(duì)光伏電站進(jìn)行地理插值計(jì)算。通過將廣域氣象資源數(shù)據(jù)根據(jù)經(jīng)緯度坐標(biāo)進(jìn)行網(wǎng)格化處理，將數(shù)據(jù)離散化為一定大小的網(wǎng)格，每個(gè)網(wǎng)格對(duì)應(yīng)一個(gè)經(jīng)緯度范圍。對(duì)每個(gè)光伏電站的經(jīng)緯度位置利用網(wǎng)格化后的氣象數(shù)據(jù)進(jìn)行地理插值計(jì)算，獲取該電站所在位置的氣象數(shù)據(jù)，地理插值方法采用反距離權(quán)重（IDW）插值等方法[1]。

反距離權(quán)重（Inverse Distance Weighting，IDW）是一種經(jīng)典的地理插值方法，它基于一種假設(shè)，即距離近的點(diǎn)之間存在較強(qiáng)的相似性。該方法假設(shè)待插值點(diǎn)與已知點(diǎn)之間的距離越近，則它們之間的差異性越小，權(quán)重越大。IDW 方法的計(jì)算公式如公式（1）所示。

式中：Z0為待插值點(diǎn)的值；Zi為已知點(diǎn)的值；wi為已知點(diǎn)與待插值點(diǎn)之間距離的倒數(shù)的權(quán)重值；n為已知點(diǎn)的個(gè)數(shù)[2]。

IDW 方法中的距離權(quán)重值計(jì)算方法如公式（2）所示。

式中：di為已知點(diǎn)與待插值點(diǎn)之間的距離；p為冪指數(shù)。

當(dāng)p=1 時(shí)，權(quán)重值為距離的倒數(shù)，即線性插值；當(dāng)p>1時(shí)，距離越小，權(quán)重值越大，插值結(jié)果受近處點(diǎn)的影響將更大，即逐漸趨于銳化；當(dāng)p<1 時(shí)，距離越小，權(quán)重值越小，插值結(jié)果受遠(yuǎn)處點(diǎn)的影響將更大，即逐漸趨于平滑。

1.2 特征提取及模型預(yù)測(cè)

利用插值獲取的氣象數(shù)據(jù)可提取出光伏電站所需要的氣象要素。通常預(yù)測(cè)分布式光伏電站功率的氣象要素包括溫度、輻射、風(fēng)速和濕度等。采用LSTM 時(shí)間序列格式，可將氣象數(shù)據(jù)按照時(shí)間順序進(jìn)行排序，并以時(shí)間為索引，將各氣象要素列構(gòu)成一個(gè)二維矩陣，便于模型對(duì)歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)和預(yù)測(cè)。對(duì)基于統(tǒng)計(jì)特征的預(yù)測(cè)模型而言，可采用線性回歸方式，將氣象數(shù)據(jù)按照一定的時(shí)間間隔進(jìn)行平均或聚合，計(jì)算出每個(gè)時(shí)間段內(nèi)的統(tǒng)計(jì)特征值，以減少數(shù)據(jù)噪聲，提高模型精度[3]。

線性回歸的目標(biāo)在于找到一組權(quán)重向量W和偏置項(xiàng)b，使預(yù)測(cè)值y_pred=XW+b與真實(shí)值y之間的誤差最小，y_pred指預(yù)測(cè)的目標(biāo)值向量，通過最小化損失函數(shù)進(jìn)行實(shí)現(xiàn)，常用的損失函數(shù)為均方誤差（MSE），如公式（3）所示。

式中：∑為對(duì)所有樣本求和。

通過最小化損失函數(shù)可計(jì)算出權(quán)重向量W和偏置項(xiàng)b的值。最常用的方法為最小二乘法，即通過求解矩陣方程獲得最優(yōu)解，如公式（4）所示。

式中：XT為X的轉(zhuǎn)置矩陣；（-l）為矩陣的逆；T 為乘方。

通過已經(jīng)得到的權(quán)重向量W和偏置項(xiàng)b，可對(duì)新輸入樣本進(jìn)行預(yù)測(cè)[4]。使用線性回歸進(jìn)行預(yù)測(cè)時(shí)，需要注意特征的選擇和處理、模型的評(píng)估和調(diào)優(yōu)，以確保預(yù)測(cè)結(jié)果的準(zhǔn)確性和可靠性。

2 儲(chǔ)能模組設(shè)計(jì)

2.1 能量管理

儲(chǔ)能模組狀態(tài)估計(jì)對(duì)電池單體SOC、SOH、溫度、電壓和電流等參數(shù)進(jìn)行實(shí)時(shí)估計(jì)，以便于精確地掌握儲(chǔ)能模組狀態(tài)。狀態(tài)估計(jì)的精度會(huì)直接影響儲(chǔ)能模組的能量控制和故障診斷。儲(chǔ)能模組能量控制通過儲(chǔ)能模組的充放電策略控制、能量平衡控制等方式實(shí)現(xiàn)對(duì)儲(chǔ)能模組能量的優(yōu)化控制。能量控制技術(shù)對(duì)儲(chǔ)能模組的運(yùn)行效率、安全性和壽命等方面都有重要影響。儲(chǔ)能模組故障診斷對(duì)儲(chǔ)能模組的故障診斷和分析，及時(shí)發(fā)現(xiàn)和解決儲(chǔ)能模組的故障問題，保障儲(chǔ)能模組的運(yùn)行安全。故障診斷技術(shù)對(duì)保障儲(chǔ)能模組的安全運(yùn)行和延長(zhǎng)儲(chǔ)能模組的壽命具有非常重要的作用。常用的故障診斷技術(shù)包括基于經(jīng)驗(yàn)的故障診斷、基于模型的故障診斷以及基于數(shù)據(jù)挖掘的故障診斷等。

實(shí)現(xiàn)的途徑主要有如下2 種：一是基于傳統(tǒng)控制算法的實(shí)現(xiàn)途徑，如PID 控制算法、模糊控制算法等；二是基于人工智能算法的實(shí)現(xiàn)途徑，如神經(jīng)網(wǎng)絡(luò)控制算法、遺傳控制算法等?；趥鹘y(tǒng)控制算法的實(shí)現(xiàn)途徑具有實(shí)現(xiàn)簡(jiǎn)單、易于掌握等優(yōu)點(diǎn)，但對(duì)系統(tǒng)參數(shù)的精確度要求較高，難以滿足高精度控制的需求；基于人工智能算法的實(shí)現(xiàn)途徑具有高精度、適應(yīng)性強(qiáng)等優(yōu)點(diǎn)，但對(duì)算法的要求較高，需要大量的樣本數(shù)據(jù)進(jìn)行訓(xùn)練。

基于上述理論分析，結(jié)合分布式光伏電站建設(shè)的分散性、不均一性和離散化的特點(diǎn)，該文采用性價(jià)比較高的PID控制算法。

建立等效電路模型是儲(chǔ)能系統(tǒng)能量管理的重要步驟之一，該文根據(jù)儲(chǔ)能系統(tǒng)的特性和要求，選擇經(jīng)典R-C 電路模型。將儲(chǔ)能模塊看作一個(gè)電容器，容量為C，電壓為Vc；將儲(chǔ)能模塊的內(nèi)部電阻建模為一個(gè)電阻器，電阻為R；將輸入電流建模為一個(gè)恒定的電流源Iin；將輸出電流建模為一個(gè)與電容器電壓成正比的電流源Iout=k·Vc（k為比例系數(shù)），可成功建立等效電路模型。該模型可對(duì)儲(chǔ)能模塊進(jìn)行建模和仿真，進(jìn)行不同充放電模式下的電壓、電流和能量等參數(shù)計(jì)算分析[5]。

當(dāng)輸入電流Iin大于輸出電流Iout時(shí)，電容器C 開始充電，電容器的電壓Vc會(huì)隨時(shí)間逐漸增加。此時(shí)，可以利用PID控制算法調(diào)整輸入電流Iin，控制充電速率和充電時(shí)間，使電容器充電至指定的電壓水平。當(dāng)電容器電壓達(dá)到設(shè)定值時(shí)，需要停止充電操作。當(dāng)輸出電流Iout大于輸入電流Iin時(shí)，電容器C 開始放電，電容器的電壓Vc會(huì)隨時(shí)間逐漸降低。此時(shí)，可以利用控制算法來調(diào)整輸出電流Iout，控制放電速率和放電時(shí)間，使電容器放電至指定的電壓水平。當(dāng)電容器電壓降至設(shè)定值時(shí)，停止放電操作。在充電和放電過程中，需要實(shí)時(shí)監(jiān)測(cè)輸入電流和輸出電流，并根據(jù)電容器電壓和電阻值計(jì)算出電容器的能量，以保證儲(chǔ)能模塊的能量平衡，即輸入能量等于輸出能量。如果能量計(jì)算結(jié)果與實(shí)際輸入、輸出不平衡，則需要調(diào)整充放電控制算法，保證能量平衡。通過上述方法，可以實(shí)現(xiàn)經(jīng)典R-C 電路模型的能量管理功能，控制儲(chǔ)能模塊的充放電過程，實(shí)現(xiàn)對(duì)能量的高效利用和儲(chǔ)存。

2.2 控制充放電功率

儲(chǔ)能裝置的充放電功率控制是儲(chǔ)能技術(shù)的核心之一，其關(guān)鍵技術(shù)和實(shí)現(xiàn)途徑的不斷完善和創(chuàng)新，將有助于提高儲(chǔ)能系統(tǒng)的能量轉(zhuǎn)換效率和使用壽命，進(jìn)一步推動(dòng)儲(chǔ)能技術(shù)的發(fā)展和應(yīng)用。在儲(chǔ)能裝置的充放電功率控制中，通過電池充電過程中的電流、電壓、溫度等參數(shù)監(jiān)測(cè)技術(shù)對(duì)電池進(jìn)行實(shí)時(shí)監(jiān)測(cè)，可以保障充電過程中電池的安全性和穩(wěn)定性，同時(shí)還可以提高充電效率并延長(zhǎng)電池壽命。儲(chǔ)能裝置的充放電功率控制需要對(duì)儲(chǔ)能系統(tǒng)進(jìn)行優(yōu)化管理，需要考慮儲(chǔ)能系統(tǒng)的充電與放電策略，并通過優(yōu)化充電和放電策略提高儲(chǔ)能系統(tǒng)的充放電效率。同時(shí)還需要對(duì)儲(chǔ)能系統(tǒng)進(jìn)行安全管理，如過充、過放以及過溫等情況的保護(hù)控制。

通過采用智能充電技術(shù)，可以實(shí)現(xiàn)對(duì)電池的高效充電控制和儲(chǔ)能系統(tǒng)的智能管理。通過應(yīng)用新型電池技術(shù)和充電技術(shù)，可以提高充電效率和儲(chǔ)能系統(tǒng)的安全性能。通過運(yùn)用人工智能等高新技術(shù)，可以對(duì)儲(chǔ)能系統(tǒng)進(jìn)行更精細(xì)的控制和管理。

儲(chǔ)能模組的充放電功率控制可以通過PID 控制算法進(jìn)一步實(shí)現(xiàn)。對(duì)被控制對(duì)象的測(cè)量數(shù)據(jù)進(jìn)行比較，根據(jù)差值調(diào)整輸出控制信號(hào)。PID 控制算法如公式（5）所示。

式中：u（t）為控制器的輸出信號(hào)；e（t）為當(dāng)前誤差，即目標(biāo)值與實(shí)際值之間的差距；Kp、Ki和Kd分別為比例系數(shù)、積分系數(shù)和微分系數(shù)；Kpe（t）為比例部分輸出，用于對(duì)當(dāng)前誤差進(jìn)行比例放大，使控制器對(duì)誤差的反應(yīng)更迅速；

通過比例、積分和微分3 個(gè)部分的組合，PID 控制器可以實(shí)現(xiàn)對(duì)儲(chǔ)能模組充放電功率的精準(zhǔn)控制，并在控制系統(tǒng)出現(xiàn)干擾或變化的情況下做出適應(yīng)性響應(yīng)，以確保系統(tǒng)的穩(wěn)定性和可靠性。

3 集成測(cè)試

3.1 測(cè)試準(zhǔn)備

分布式光伏電站功率預(yù)測(cè)與儲(chǔ)能模組集成測(cè)試需要進(jìn)行全面的硬件和軟件準(zhǔn)備，該文采用了華為Smart Logger 電力計(jì)量?jī)x器、西克1041404 WTF12-3P2431 傳感器等硬件設(shè)備，借助光伏發(fā)電功率預(yù)測(cè)模型及PID 控制算法等軟件工具，運(yùn)用線性回歸功率預(yù)測(cè)算法對(duì)未來一段時(shí)間內(nèi)的分布式光伏電站功率進(jìn)行預(yù)測(cè)，并將預(yù)測(cè)結(jié)果與實(shí)際功率進(jìn)行比較，計(jì)算預(yù)測(cè)誤差。然后根據(jù)預(yù)測(cè)誤差值調(diào)整儲(chǔ)能系統(tǒng)的充放電功率控制，采用PID 控制算法對(duì)充放電功率進(jìn)行控制。再對(duì)實(shí)際光伏電站功率、預(yù)測(cè)功率、控制器輸出以及PID 參數(shù)等數(shù)據(jù)的變化趨勢(shì)和相關(guān)性進(jìn)行分析，獲得分布式光伏電站功率預(yù)測(cè)與儲(chǔ)能模組設(shè)計(jì)測(cè)試結(jié)果。

3.2 測(cè)試結(jié)果

3.2.1 光伏電站實(shí)際功率與預(yù)測(cè)功率誤差分析

在光伏電站實(shí)際功率與預(yù)測(cè)功率的誤差分析中，使用Python 中的scikit-learn 庫進(jìn)行線性回歸模擬，對(duì)實(shí)際功率和預(yù)測(cè)功率之間的線性關(guān)系做進(jìn)一步擬合。通過定義實(shí)際功率和預(yù)測(cè)功率的數(shù)組x和yfit（），將其轉(zhuǎn)換為二維數(shù)組X和Y，然后創(chuàng)建一個(gè)LinearRegression 對(duì)象model。此時(shí)，使用fit（）方法對(duì)模型進(jìn)行訓(xùn)練，使用predict（）方法計(jì)算預(yù)測(cè)值y_pred，并獲取誤差。誤差值見表1。

表1 光伏電站實(shí)際功率與預(yù)測(cè)功率的誤差分析值

表1 列出了光伏電站在不同時(shí)間下的實(shí)際功率、預(yù)測(cè)功率以及它們之間產(chǎn)生的誤差。由表1 記錄值可知，在多數(shù)情況下，分布式光伏電站預(yù)測(cè)功率與實(shí)際功率非常接近，誤差小于0.5kW。

3.2.2 儲(chǔ)能模組PID 控制器輸出結(jié)果分析

設(shè)定PID 參數(shù)Kp=0.5、Ki=0.1、Kd=0.2，參考功率為10kW。根據(jù)PID 控制算法公式計(jì)算控制器輸出功率、比例部分輸出、積分部分輸出和微分部分輸出等誤差。設(shè)定當(dāng)前時(shí)間為t，當(dāng)前功率為P，誤差為e，則誤差的計(jì)算如公式（6）所示。

式中：Pref為參考功率；t為時(shí)間；P（t）為當(dāng)前功率。

設(shè)定時(shí)間t的取值為1~6，當(dāng)前功率P（t）所得值見表2。

表2 當(dāng)前控制器輸出功率值

根據(jù)公式（5）可以計(jì)算出每個(gè)時(shí)間點(diǎn)的誤差、比例部分輸出、積分部分輸出、微分部分輸出和控制器輸出，見表3。

表3 PID 控制器輸出結(jié)果記錄

分析表3 可知，目標(biāo)功率Pref為10kW 時(shí)，實(shí)際功率P（t）在前3 個(gè)時(shí)刻均低于目標(biāo)功率，后3 個(gè)時(shí)刻高于目標(biāo)功率；誤差e（t）隨時(shí)間的推移發(fā)生波動(dòng)，有正有負(fù)，但總體趨勢(shì)是向目標(biāo)功率靠近；比例部分輸出Kpe（t）隨誤差的增大而增大，但未出現(xiàn)過沖的現(xiàn)象；積分部分輸出隨誤差的積累而增大，但增長(zhǎng)速度較慢；微分部分輸出在波動(dòng)較大情況下較為顯著，對(duì)誤差的變化速率有響應(yīng)；控制器輸出u（t）受比例、積分和微分部分輸出的綜合作用，逐步調(diào)整實(shí)際功率，最終趨向于目標(biāo)功率。由此可得，PID控制器通過比例、積分和微分3 個(gè)部分的綜合作用，可對(duì)基于分布式光伏電站功率預(yù)測(cè)與儲(chǔ)能模組系統(tǒng)的實(shí)際功率進(jìn)行精細(xì)控制，并將其維持在目標(biāo)功率附近，能實(shí)現(xiàn)充放電功率的精確調(diào)節(jié)。

4 結(jié)語

該文對(duì)基于分布式光伏電站功率預(yù)測(cè)與儲(chǔ)能模組進(jìn)行了設(shè)計(jì)。對(duì)廣域氣象資源數(shù)據(jù)進(jìn)行網(wǎng)格化處理，利用線性回歸計(jì)算方式對(duì)地理差值氣象數(shù)據(jù)進(jìn)行模擬計(jì)算和分析，有效測(cè)算出光伏電站實(shí)際功率與預(yù)測(cè)功率的誤差。并通過分析PID控制器輸出功率得知預(yù)測(cè)誤差在測(cè)試過程中雖呈現(xiàn)一定的波動(dòng)性，但總體趨勢(shì)為逐漸下降，能夠滿足分布式光伏電站功率預(yù)測(cè)儲(chǔ)能需求，可以對(duì)分布式光伏電站的實(shí)際功率進(jìn)行精細(xì)控制，實(shí)現(xiàn)了儲(chǔ)能模組充放電功率的精確調(diào)節(jié)，有助于提高光伏發(fā)電系統(tǒng)的效率和經(jīng)濟(jì)效益，并推動(dòng)可再生能源技術(shù)的可持續(xù)發(fā)展。