光伏功率預(yù)測對于電網(wǎng)調(diào)度具有重要意義，中國科學(xué)院計算機網(wǎng)絡(luò)信息中心、中國科學(xué)院大學(xué)、華東交通大學(xué)的研究人員劉曉艷、王玨、姚鐵錘、張沛、遲學(xué)斌，在2022年第7期《電工技術(shù)學(xué)報》上撰文，針對缺少輻照度測量裝置的分布式光伏電站，提出一種基于衛(wèi)星遙感的超短期分布式光伏功率預(yù)測方法。在真實光伏電站上的功率實驗表明，與以數(shù)值天氣預(yù)報輻照度為輸入的光伏功率預(yù)測方法相比，以Res-UNet+插值預(yù)測的輻照度為輸入的光伏功率預(yù)測方法實現(xiàn)了更高精度的超短期光伏功率預(yù)測。
他們采用Res-UNet模型對SWR網(wǎng)格進行時空預(yù)測，得到分布式站點的未來輻照度，然后在預(yù)測的輻照度基礎(chǔ)上使用LSTM模型進行功率預(yù)測。SWR產(chǎn)品是在日本地球同步衛(wèi)星“葵花8”號（Himawari-8）探測的遙感數(shù)據(jù)基礎(chǔ)上計算得到的，可近實時獲取。
隨著“碳達峰”“碳中和”目標的落實，光伏的裝機容量和占比會持續(xù)上漲。光伏電站包含集中式和分布式兩類，其中分布式光伏的裝機容量占比逐年上升，發(fā)展迅速。分布式光伏往往安裝在行政單位、工商業(yè)和住宅屋頂?shù)容d體之上，與集中式光伏相比，其綠色環(huán)保、成本適宜、隨發(fā)隨用的特點得到更好體現(xiàn)，在自發(fā)自用的同時，還可以做到余電并網(wǎng)。
但由于分布式光伏安裝地點較為分散，裝機容量小，缺少氣象量測裝置，無法獲得當(dāng)?shù)氐妮椪斩鹊葰庀髷?shù)據(jù)，因此面臨無氣象數(shù)據(jù)的功率預(yù)測挑戰(zhàn)。精準的超短期光伏發(fā)電功率預(yù)測對于光伏電站的優(yōu)化運行、光伏電力系統(tǒng)的調(diào)度安排以及電網(wǎng)的安全穩(wěn)定與經(jīng)濟運行發(fā)揮著重要作用。
隨著人工智能技術(shù)的發(fā)展，許多學(xué)者采用機器學(xué)習(xí)、深度學(xué)習(xí)方法對光伏出力進行預(yù)測。影響光伏出力的主要因素是太陽輻照度，對于集中式光伏，往往以歷史光伏功率和輻照度等氣象數(shù)據(jù)構(gòu)建輸入特征進行預(yù)測。
但是，針對分布式光伏電站的功率預(yù)測方法與集中式不完全相同。由于分布式站點小而分散，往往沒有氣象測量裝置，因此部分站點采用數(shù)值天氣預(yù)報的結(jié)果，但數(shù)值天氣預(yù)報每12h更新一次的輻照度預(yù)測結(jié)果，與實地量測的誤差較大，無法有效支撐分布式光伏的超短期預(yù)測；還有部分分布式站點出于成本考慮沒有付費購買數(shù)值天氣預(yù)報數(shù)據(jù)，因此分布式光伏的歷史序列往往缺失輻照度這一主要特征，造成預(yù)測精度的損失。
除上述方法外，有學(xué)者提出的超短期分布式功率預(yù)測方法考慮了站點間的空間相關(guān)性，但絕大多數(shù)分布式光伏電站周圍無法找到具有氣象信息的相關(guān)光伏站點，該方法適用性還存在一些問題。
研究太陽輻照度的預(yù)測對于預(yù)測分布式光伏發(fā)電功率具有重要意義。衛(wèi)星遙感數(shù)據(jù)的獲取依賴衛(wèi)星，覆蓋范圍大且有公開數(shù)據(jù)集支持，適合于無輻照度測量值的分布式光伏站點。有關(guān)學(xué)者對此開展了研究，但是所提方法只考慮了時間相關(guān)性而沒有考慮空間相關(guān)性，且均需要對圖像進行處理，增加了算法復(fù)雜度，另外也沒有考慮衛(wèi)星數(shù)據(jù)的獲取延遲。
云層厚度及太陽高度角是影響太陽輻照度大小的主要因素，相近位置上的太陽輻照度在相近的太陽高度角和相近的云層厚度作用下，具有空間相關(guān)性。為提高無輻照度測量裝置的分布式站點的超短期功率預(yù)測準確度，中國科學(xué)院計算機網(wǎng)絡(luò)信息中心、中國科學(xué)院大學(xué)、華東交通大學(xué)的研究人員應(yīng)用深度學(xué)習(xí)的方法，引入衛(wèi)星產(chǎn)品短波輻照（Short Wave Radiation, SWR）網(wǎng)格來彌補分布式站點無實測輻照度的不足，提出了基于衛(wèi)星遙感的超短期分布式光伏功率預(yù)測方法。
圖1 所提的光伏發(fā)電功率預(yù)測框架
圖2 所提的光伏功率預(yù)測流程
他們采用Res-UNet模型對SWR網(wǎng)格進行時空預(yù)測，得到分布式站點的未來輻照度，然后在預(yù)測的輻照度基礎(chǔ)上使用LSTM模型進行功率預(yù)測。SWR產(chǎn)品是在日本地球同步衛(wèi)星“葵花8”號（Himawari-8）探測的遙感數(shù)據(jù)基礎(chǔ)上計算得到的，可近實時獲取。
Himawari-8每隔10min獲取一次數(shù)據(jù)，探測范圍為東經(jīng)80°~西經(jīng)160°，南緯60°~北緯60°，經(jīng)緯度步長均為0.05°，對應(yīng)到地面上約為5km，探測的數(shù)據(jù)均為2401×2401的矩陣，SWR網(wǎng)格同樣是2401×2401的矩陣，對應(yīng)每個經(jīng)緯度位置上的太陽輻照度。
研究人員指出，Res-UNet可以充分學(xué)習(xí)SWR網(wǎng)格的時空相關(guān)性，LSTM通過引入日編碼和時間編碼可以更好地學(xué)習(xí)輻照度的年周期性和日周期性。案例分析表明本方法相比以NWP輻照度為輸入的功率預(yù)測模型有著更高的精度。他們表示，未來將考慮結(jié)合衛(wèi)星遙感數(shù)據(jù)與地面觀測數(shù)據(jù)，進一步提高輻照度預(yù)測精度，從而提升光伏功率預(yù)測精度。
本文編自2022年第7期《電工技術(shù)學(xué)報》，論文標題為“基于衛(wèi)星遙感的超短期分布式光伏功率預(yù)測”。論文第一作者為劉曉艷，1996年生，碩士研究生，研究方向為人工智能、光伏發(fā)電功率預(yù)測。通訊作者為王玨，1981年生，博士，副研究員，研究方向為人工智能算法與應(yīng)用軟件、高性能計算。本課題得到了中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項（A類）資助項目的支持。
