光伏發(fā)電預(yù)測.doc

太陽能發(fā)電預(yù)測綜述在煤礦，石油開采量日益見底和生態(tài)環(huán)境急速惡化的嚴(yán)峻形勢下 ，太陽能作為一種自然能源 ，以其儲量豐富且清潔無污染性顯示了其獨特的優(yōu)勢 ，已被國際公認(rèn)為未來最具競爭性的能源之一。從太陽能獲得電力，需通過太陽電池將光能轉(zhuǎn)化為電能。它同以往其他電源發(fā)電原理完全不同。要使太陽能發(fā)電真正達到實用水平，一是要提高太陽能光電變換效率并降低其成本，二是要實現(xiàn)太陽能發(fā)電同的電網(wǎng)聯(lián)網(wǎng)。1.太陽能發(fā)電的分類目前太陽能發(fā)電主要有以下兩種形式：1. 太陽能光發(fā)電太陽能光發(fā)電是指無需通過熱過程直接將光能轉(zhuǎn)變?yōu)殡娔艿陌l(fā)電方式。 它包括光伏發(fā)電、光化學(xué)發(fā)電、光感應(yīng)發(fā)電和光生物發(fā)電。 光伏發(fā)電是利用太陽能級半導(dǎo)體電子器件有效地吸收太陽光輻射能，并使之轉(zhuǎn)變成電能的直接發(fā)電方式，是當(dāng)今太陽光發(fā)電的主流。在光化學(xué)發(fā)電中有電化學(xué)光伏電池、光電解電池和光催化電池，目前得到實際應(yīng)用的是光伏電池。12. 太陽能熱發(fā)電通過水或其他工質(zhì)和裝置將太陽輻射能轉(zhuǎn)換為電能的發(fā)電方式,稱為太陽能熱發(fā)電。先將太陽能轉(zhuǎn)化為熱能，再將熱能轉(zhuǎn)化成電能，它有兩種轉(zhuǎn)化方式：一種是將太陽熱能直接轉(zhuǎn)化成電能，如半導(dǎo)體或金屬材料的溫差發(fā)電，真空器件中的熱電子和熱電離子發(fā)電，堿金屬熱電轉(zhuǎn)換，以及磁流體發(fā)電等；另一種方式是將太陽熱能通過熱機（如汽輪機）帶動發(fā)電機發(fā)電，與常規(guī)熱力發(fā)電類似，只不過是其熱能不是來自燃料，而是來自太陽能。太陽能熱發(fā)電有多種類型，主要有以下五種：塔式系統(tǒng)、槽式系統(tǒng)、盤式系統(tǒng)、太陽池和太陽能塔熱氣流發(fā)電。 前三種是聚光型太陽能熱發(fā)電系統(tǒng)，后兩種是非聚光型。 一些發(fā)達國家將太陽能熱發(fā)電技術(shù)作為國家研發(fā)重點，制造了數(shù)十臺各種類型的太陽能熱發(fā)電示范電站，已達到并網(wǎng)發(fā)電的實際應(yīng)用水平。22.太陽能光伏發(fā)電影響因素太陽能光伏發(fā)電成為目前太陽能利用的主要方式之一。光伏發(fā)電分為離網(wǎng)和并網(wǎng)兩種形式 ，隨著光伏并網(wǎng)技術(shù)的成熟與發(fā)展 ，并網(wǎng)光伏發(fā)電已成為主流趨勢。由于大規(guī)模集中并網(wǎng)光伏發(fā)電系統(tǒng)容量的急速增加 ，并網(wǎng)光伏發(fā)電系統(tǒng)輸出功率固有的間歇性和不可控等缺點對電網(wǎng)的沖擊成為制約并網(wǎng)光伏發(fā)電的重要元素。太陽能光伏發(fā)電系統(tǒng)發(fā)電量受當(dāng)?shù)靥栞椛淞?、溫度、太陽能電池板性能等方面因素的影響。?）光照強度對光伏發(fā)電量的影響：光照強度是指在單位時間和單位面積內(nèi)，在地球表面上接收到的垂直投射的太陽輻射能量。光伏發(fā)電系統(tǒng)產(chǎn)生電能所需的能量完全來自、于太陽的輻照，因此光照強度對光伏發(fā)電系統(tǒng)的發(fā)電量具有決定性的作用，二者之間呈正相關(guān)性，即光照強度越強，光伏發(fā)電量越多。 （2）季節(jié)類型對光伏發(fā)電量的影響：由于在不同的季節(jié)，太陽入射角的大小以及方向、日照時間的長短、光照強度的強弱存在明顯的差異，到達地表的太陽輻照度經(jīng)過吸收、散射，輻射等各種減弱作用后也會不同，光伏發(fā)電系統(tǒng)的發(fā)電量的多少也在變化。這種差異性即為不同的季節(jié)類型對光伏發(fā)電量的影響。 （3）天氣類型對光伏發(fā)電量的影響：將天氣類型的時間范圍確定在 24 小時之內(nèi)。由于晴天、陰云和雨天 3 種天氣類型在全年中出現(xiàn)的天數(shù)最多，因此最具有代表性。在晴天時，由于天空中遮擋太陽輻射物較少，輻照度的幾乎不會有衰減，光伏發(fā)電系統(tǒng)發(fā)電量較高；在陰天時，由于天空中云層的遮擋，會造成輻照度的衰減，加之其他衰減因素的共同作用，光伏發(fā)電量值大幅度減?。辉谟晏鞎r，由于云層、濕度、風(fēng)況以及其他衰減因素的共同作用，此時光伏發(fā)電量曲線無規(guī)律性，發(fā)電量值最低。 （4）溫度對光伏發(fā)電量的影響：光伏發(fā)電量的多少與溫度有很大的相關(guān)性。這種影響來自于以下兩個方面：環(huán)境溫度升高，光伏組件溫度隨之升高，開路電壓減小，在20到 100之間， 每升高 1， 電壓約減少 2mV； 與之相反，電流略有增加，約為 0.1mA。對于光伏發(fā)電量來說，溫度每升高 1，則其近似減少 0.35%。 （5）相對濕度對光伏發(fā)電量的影響：在季節(jié)類型、天氣類型相同，環(huán)境溫度與太陽能電池組件的溫度相近時，相對濕度增加，光伏發(fā)電系統(tǒng)發(fā)電量將會減少。其一，是因為相對濕度增加，大氣層將會增大對光照強度的削弱力度；其二，由于相對濕度會影響光伏組件的熱傳導(dǎo)效應(yīng)，使其散熱能力降低。太陽能具有不穩(wěn)定、間歇性和不可控性等特點，給微電網(wǎng)的并網(wǎng)運營帶來很多挑戰(zhàn)。光伏發(fā)電受自然環(huán)境、地理條件和設(shè)備性能的影響，光伏發(fā)電量存在著的很強的不確定性。因此光伏發(fā)電的有效預(yù)測可以為電力部門調(diào)度分配電量提供依據(jù)，同時也能促進光伏產(chǎn)業(yè)的大力發(fā)展。3.太陽能光伏發(fā)電預(yù)測原理當(dāng)前 ，對太陽能光伏發(fā)電預(yù)測的研究主要集中在太陽能輻射強度的預(yù)測上。太陽輻射的逐日或逐時觀測數(shù)據(jù)構(gòu)成了隨機性很強的時間序列 ，但太陽輻射序列的內(nèi)部仍有某種確定性的規(guī)律 ，只有充分了解掌握太陽能光伏發(fā)電的特點、變化規(guī)律 ，才能建立符合實際情況的預(yù)測模型及方法。太陽輻射分為直接太陽輻射和散射太陽輻射。直接太陽輻射為太陽光通過大氣到達地面的輻射 ；散射太陽輻射為被大氣中的微塵、分子、水汽等吸收、反射和散射后 ， 到達地面的輻射。散射太陽輻射和直接太陽輻射之和稱為總輻射。太陽總輻射強度的影響因素包括 ：太陽高度角、 大氣質(zhì)量、 大氣透明度、 海拔、緯度、坡度坡向、云層。太陽能光伏發(fā)電預(yù)測是根據(jù)太陽輻射原理 ，通過歷史氣象資料、光伏發(fā)電量資料、衛(wèi)星云圖資料等 ，運用回歸模型、人工神經(jīng)網(wǎng)絡(luò)、衛(wèi)星遙感技術(shù)、數(shù)值模擬等方法獲得預(yù)測信息 ，包括太陽高度角、大氣質(zhì)量、大氣透明度、海拔、緯度、坡度坡向、云層等要素 ，根據(jù)這些要素建立太陽輻射預(yù)報模型。4.太陽能光伏發(fā)電預(yù)測方法分類4.1 按預(yù)測時間尺度分類從時間尺度上可以分為中長期功率預(yù)測、 短期功率預(yù)測和超短期功率預(yù)測 3。中長期功率預(yù)測的時間尺度大， 一般為1周或1個月， 主要用于光伏電站的規(guī)劃設(shè)計和電網(wǎng)中長期調(diào)度等， 短期功率預(yù)測的時間尺度一般為 13 d， 超短期功率預(yù)測的時間尺度為 04 h， 短期和超短期功率預(yù)測對電網(wǎng)實時調(diào)度等具有重要的決定作用， 對系統(tǒng)運行安全性和穩(wěn)定性具有直接影響。目前， 中長期功率預(yù)測一般采用統(tǒng)計方法利用歷史數(shù)據(jù)進行預(yù)測， 短期功率預(yù)測一般需根據(jù)數(shù)值天氣預(yù)報獲得未來 13 d 內(nèi)氣象要素預(yù)報值， 然后根據(jù)歷史數(shù)據(jù)和氣象要素信息得到地面輻照強度的預(yù)測值， 進而獲得光伏電站輸出功率的預(yù)測值， 超短期功率預(yù)測的主要原則是根據(jù)地面拍攝的云圖或地球同步衛(wèi)星拍攝的衛(wèi)星云圖推測云層運動情況， 從而計算出未來幾 h內(nèi)太陽輻照強度，再通過光伏發(fā)電功率模型得到光伏發(fā)電輸出功率的預(yù)測值。4.2 按預(yù)測空間尺度分類光伏發(fā)電功率預(yù)測方法按照空間尺度主要分為 4種， 分別是微尺度、 小尺度、 中尺度、 大尺度功率預(yù)測方法3。依次針對單個發(fā)電單元、 單個光伏電站、 由多個光伏電站組成的光伏電站集群和更大地理區(qū)域內(nèi)的光伏發(fā)電站?？臻g尺度越小， 功率預(yù)測越難， 這是因為預(yù)測時無法采用平均值， 尺度越小對功率預(yù)測時的空間分辨率的要求越高。近年來， 小功率的分布式發(fā)電系統(tǒng)大量發(fā)展， 其發(fā)電功率波動性很大， 對電網(wǎng)系統(tǒng)的穩(wěn)定性和安全性造成較大威脅， 這對光伏發(fā)電系統(tǒng)功率預(yù)測提出了更高要求。4.3 按預(yù)測方式分類從預(yù)測方式上可分為直接預(yù)測和間接預(yù)測兩類。前者直接對光伏電站的輸出功率進行預(yù)測； 后者又叫分步預(yù)測， 首先對太陽輻射強度進行預(yù)測， 然后根據(jù)光伏發(fā)電系統(tǒng)發(fā)電模型得到輸出功率。直接預(yù)測方式簡潔方便， 但直接預(yù)測模型需要從歷史發(fā)電數(shù)據(jù)直接預(yù)測未來的發(fā)電功率，預(yù)測的準(zhǔn)確性一方面決定于預(yù)測算法， 另一方面決定于是否有大量準(zhǔn)確的歷史數(shù)據(jù)。分步預(yù)測方式包括太陽輻照強度預(yù)測和光伏發(fā)電系統(tǒng)功率模型兩個過程， 在每個過程中可靈活選擇不同的方法， 某種程度上克服了直接預(yù)測方式的局限性。4.4 按預(yù)測方法分類從預(yù)測方法上來說， 光伏功率預(yù)測包含統(tǒng)計方法和物理方法。統(tǒng)計方法的原理是統(tǒng)計分析歷史數(shù)據(jù)， 從而發(fā)現(xiàn)其內(nèi)在規(guī)律并最終用于發(fā)電功率預(yù)測， 可以直接預(yù)測輸出功率， 也可以預(yù)測太陽輻照強度； 物理方法是在已知太陽輻射強度預(yù)測值的情況下， 研究光能轉(zhuǎn)化的物理過程， 采用物理方程， 考慮溫度、 壽命等影響因素，由預(yù)測的太陽輻射強度得到光伏系統(tǒng)發(fā)電功率預(yù)測值。5. 預(yù)測方法國內(nèi)外研究情況5.1 直接預(yù)測方法直接預(yù)測方法本質(zhì)上都是統(tǒng)計方法， 由歷史數(shù)據(jù)預(yù)測未來數(shù)據(jù)。其原理是假定光伏發(fā)電系統(tǒng)不發(fā)生衰減， 那么發(fā)電歷史規(guī)律不會發(fā)生改變， 根據(jù)簡單天氣預(yù)報和歷史發(fā)電數(shù)據(jù)， 就可對未來的發(fā)電功率進行預(yù)測。5.1.1 線性預(yù)測方法1）時間序列法。時間序列預(yù)測法是應(yīng)用較早的一種方法。它把負(fù)荷數(shù)據(jù)看作是一個周期性變化的時間序列。根據(jù)系統(tǒng)發(fā)電的歷史數(shù)據(jù)，建立數(shù)學(xué)模型來描述發(fā)電功率的統(tǒng)計規(guī)律性， 在此基礎(chǔ)上對光伏發(fā)電功率進行預(yù)報 4-5。2）時間趨勢外推法。時間趨勢外推法主要使用馬爾科夫鏈模型預(yù)測光伏發(fā)電量6-8。由于該方法受天氣影響很大， 目前較少使用。5.1.2 非線性預(yù)測方法1）人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)（ANN）算法在復(fù)雜非線性預(yù)測方面有著良好表現(xiàn)， 適用于光伏發(fā)電功率預(yù)測這樣的場合。將天氣、 季節(jié)等影響因素作為輸入， 用歷史數(shù)據(jù)對算法進行訓(xùn)練， 最終可實現(xiàn)光伏發(fā)電功率的預(yù)測 9-11。2）支持向量機。支持向量機（SVM）是一種機器學(xué)習(xí)算法， 與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法不同的是， 它實現(xiàn)了結(jié)構(gòu)風(fēng)險最小化（SRM）。在國外， 法國瑪格麗特太陽能協(xié)會使用支持向量機算法進行了光伏系統(tǒng)發(fā)電量預(yù)測研究。在國內(nèi)， 栗然等12建立了基于支持向量機的光伏系統(tǒng)發(fā)電功率預(yù)測模型。3）其它非線性方法。常用的非線性方法還有模糊邏輯預(yù)測法13、 小波分析預(yù)測法14、 卡爾曼濾波預(yù)測法 15等。各種非線性方法是未來直接預(yù)測法發(fā)展的重點， 目前國內(nèi)外的研究也多集中于此。5.1.3 組合預(yù)測方法組合預(yù)測法是指使用幾種方法分別預(yù)測后，再對多種結(jié)果進行分析處理。組合預(yù)測有兩類方法： 一種是指將幾種預(yù)測方法所得的結(jié)果進行比較， 最后選取誤差最小的模型進行預(yù)測， 該方法難點在于誤差計算方法； 另外一種是將幾種結(jié)果進行加權(quán)平均， 提高預(yù)測的準(zhǔn)確性。該方法的難點在于如何計算各種預(yù)測方法的權(quán)重。5.2 分步預(yù)測法中的太陽輻照強度預(yù)測方法上節(jié)中的直接預(yù)測方法也可用于太陽輻照強度預(yù)測， 只是輸入數(shù)據(jù)中的歷史發(fā)電功率變?yōu)闅v史太陽輻照強度， 其它類似， 不再贅述。而以下介紹的幾種方法可直接進行太陽輻照強度預(yù)報， 無需歷史數(shù)據(jù)。5.2.1 基于數(shù)值天氣預(yù)報的方法數(shù)值天氣預(yù)報根據(jù)流動力學(xué)和熱力學(xué)原理建立微分方程組， 確定大氣初始狀態(tài)后， 就可迭代計算出來某個時間大氣的狀態(tài)， 就是通常所說的溫度、 風(fēng)、 降水、 太陽輻照度等。目前經(jīng)常使用的全球數(shù)值天氣預(yù)報模型主要有美國的 GFS模型和歐盟的 ECMWF模型， 最長可進行 15 d 的預(yù)報， 其中 GFS 免費提供預(yù)報。全球數(shù)值天氣預(yù)報模型的空間分辨率和時間分辨率都比較低， 目前的模型其空間分辨率為 1650 km， 時間分辨率為36 h。全球數(shù)值天氣預(yù)報模型難以直接應(yīng)用， 常常作為其它更小尺度預(yù)報的基礎(chǔ)。中尺度數(shù)值天氣預(yù)報模型僅僅覆蓋地球上的一小部分地區(qū)， 由各個國家或商業(yè)公司運行， 空間分辨率和時間分辨率要高得多， 空間分辨率在120 km， 時間分辨率為1 h。中尺度預(yù)報模型常用的是WRF模型。WRF模型是 20世紀(jì) 90年代由美國的科研機構(gòu)為中心開發(fā)的一種統(tǒng)一的中尺度數(shù)值天氣預(yù)報模型，2000年開始免費對外發(fā)布， 已更新了數(shù)個版本，用戶可在此基礎(chǔ)上開發(fā)本地的數(shù)值天氣預(yù)報模型， 空間分辨率可達 1 km。目前數(shù)值天氣預(yù)報的缺點在于其空間和時間分辨率仍然不夠高。1 km的空間分辨率無法對具體的一塊云做出預(yù)測， 只能對某一片區(qū)域的整體平均天氣做出預(yù)測。1 h的時間分辨率也無法進行高時間分辨率的功率預(yù)測。因此， 基于數(shù)值天氣預(yù)報的方法目前主要應(yīng)用于較大區(qū)域的光伏發(fā)電系統(tǒng)功率預(yù)測。另外， 數(shù)值天氣預(yù)報方法中的氣象和環(huán)境因素較為復(fù)雜， 精準(zhǔn)度的提高一直是目前研究的重點和難點。5.2.2 基于云圖的方法云的大小、 形狀、 厚度、 致密度等因素都會直接影響到達地面的太陽輻照強度， 而云在時間上和空間上很容易發(fā)生變化。因此， 知道并預(yù)測云的變化是太陽輻照強度預(yù)測面臨的一項挑戰(zhàn)任務(wù)。通過衛(wèi)星云圖和地面拍攝的云圖， 可以預(yù)測云的變化。其基本原理是由歷史的云圖數(shù)據(jù)預(yù)測未來云的變化。使用氣象衛(wèi)星云圖進行光伏發(fā)電功率預(yù)測的方法，這些衛(wèi)星實際上都是遙感衛(wèi)星， 通過勘測地球大氣系統(tǒng)發(fā)射或反射的電磁輻射可獲得遙感圖像數(shù)據(jù)。但基于衛(wèi)星云圖的方法空間分辨率仍然不夠高， 基于地面的云圖方法則彌補了這一缺陷。該方法利用地面的監(jiān)測裝置抓拍云圖， 能夠捕捉云的突然變化?；诘孛娴脑茍D方法預(yù)測的時間范圍在025 min之間。5.3 分步預(yù)測法中的光伏發(fā)電系統(tǒng)功率模型建立方法光伏系統(tǒng)發(fā)電功率模型是實現(xiàn)發(fā)電功率準(zhǔn)確預(yù)測的關(guān)鍵。目前， 國內(nèi)外有關(guān)光伏發(fā)電功率模型的建模方法主要有物理模型方法和統(tǒng)計模型方法兩大類。5.3.1 物理模型方法物理模型方法的有效性取決于對研究對象內(nèi)部構(gòu)成及其所遵循規(guī)律的把握程度和模型參數(shù)的精度。1）效率模型。即直接通過太陽輻照強度和效率因子估算光伏發(fā)電系統(tǒng)輸出功率。該方法計算精度低， 只適用于光伏電站選址等對精度要求很低的場合。2） 電子元件模型 16-17。使用基于光伏半導(dǎo)體設(shè)備物理或發(fā)光二極管的物理原理來建立電子元件模型。由于模型考慮因素不夠全面， 基于該類模型的預(yù)測方法基本不再使用。3）物理模型。綜合考慮壽命、 溫度、 雨雪等的影響， 建立光伏發(fā)電的物理模型。結(jié)合天氣、太陽陣的構(gòu)型布片方式等， 日本學(xué)者建立三維模型考慮了建筑物遮擋情況下對復(fù)雜光伏發(fā)電量預(yù)測方法 18。5.3.2 統(tǒng)計模型方法統(tǒng)計模型把光伏發(fā)電系統(tǒng)看作一個 “黑箱”，并不關(guān)注內(nèi)部各模塊的特性或內(nèi)部各因素影響分析， 而是基于實際運行數(shù)據(jù)對其功率特性進行擬合。常用的統(tǒng)計建模方法有神經(jīng)網(wǎng)絡(luò)、 關(guān)聯(lián)數(shù)據(jù)等方法。5.4各類預(yù)測方法對比( 1) 在間接預(yù)測方法中， 光照幅度預(yù)測模型的預(yù)測精度是影響間接預(yù)測方法預(yù)測效果的決定性因素。發(fā)電功率預(yù)測模型中，經(jīng)驗公式法因無需歷史發(fā)電功率數(shù)據(jù)而廣泛應(yīng)用于新建成光伏電站，并且由簡單物理模型逐步發(fā)展為復(fù)雜物理模型。統(tǒng)計學(xué)習(xí)模型由于結(jié)合光照幅度與歷史發(fā)電功率等因素，預(yù)測效果一般優(yōu)于其它預(yù)測方法，但建模條件較高;( 2) 直接預(yù)測方法的總體預(yù)測精度一般低于間接預(yù)測方法，對變化天氣狀況下的適應(yīng)性與間接預(yù)測方法相比較低，但由于直接預(yù)測方法無需預(yù)測光照幅度，建模簡單、 預(yù)測成本較低， 因而也得到大量應(yīng)用。根據(jù)光伏電站的實際情況將單一預(yù)測模型組合形成的混合模型具有更好的適應(yīng)性、 容錯性和預(yù)測效果，成為直接預(yù)測方法中一個重要研究方向;( 3) 無論哪種預(yù)測方法， 氣象條件都是影響光伏發(fā)電短期預(yù)測效果的一個重要原因，劃分天氣類型、使用數(shù)值天氣預(yù)報都可降低其對預(yù)測精度的影響。然而，目前在多云、 陣雨等不穩(wěn)定氣象條件下的預(yù)測效果仍然不理想。季節(jié)變化相對具有一定規(guī)律可尋，一般通過利用地外輻照度、 按季節(jié)建立子預(yù)測模型來補償季節(jié)更替對預(yù)測的影響，并取得了較好的效果。6太陽能發(fā)電預(yù)測軟件目前，市場上有許多用于光伏電站發(fā)電量計算的軟件，如RETScreen、PVsystem、PVSOL、Sunny Design、PVF-chart和Conergy等等，常用主要是PVsystem和RETScreen。6.1基本情況1、RETScreenRETScreen是一種標(biāo)準(zhǔn)整體可再生能源工程分析軟件，用以評估各種能效、可再生能源技術(shù)的能源生產(chǎn)量、節(jié)能效益、壽命周期成本、減排量和財務(wù)風(fēng)險，也包括產(chǎn)品、成本和氣侯數(shù)據(jù)庫。該軟件由加拿大政府通過 CANMET加拿大自然資源能源多樣化研究所向全世界提供，免費使用。該軟件功能比較強大，可對風(fēng)能、小水電、光伏、熱電聯(lián)產(chǎn)、生物質(zhì)供熱、太陽能采暖供熱、地源熱泵等各類應(yīng)用進行經(jīng)濟性、溫室氣體、財務(wù)及風(fēng)險分析，計算光伏發(fā)電系統(tǒng)發(fā)電量只是其功能之一。但該軟件不太適用于專業(yè)的光伏發(fā)電系統(tǒng)設(shè)計。軟件中的全球氣象數(shù)據(jù)庫來自美國航空航天局，其地面數(shù)據(jù)與中國的氣象站提供的地面數(shù)據(jù)有較大差別，在使用時應(yīng)予注意。2、PVSystemPVSystem是光伏系統(tǒng)設(shè)計的專業(yè)軟件，可用于設(shè)計并網(wǎng)、離網(wǎng)、抽水系統(tǒng)和DC-網(wǎng)絡(luò)光伏系統(tǒng)，并包括了廣泛的氣象數(shù)據(jù)庫、光伏系統(tǒng)組件數(shù)據(jù)庫，以及一般的太陽能工具等?；陧椖康牟煌M展階段，該軟件提供了初步設(shè)計、項目設(shè)計、詳細(xì)數(shù)據(jù)分析3種水平上的光伏系統(tǒng)研究。初步設(shè)計：在這種模式下，光伏發(fā)電系統(tǒng)的產(chǎn)出僅需輸入很少的系統(tǒng)特征參數(shù)而無須指定詳細(xì)的系統(tǒng)單元即可被非常迅速的用月值來評估，還可以得到一個粗略的系統(tǒng)費用評估。項目設(shè)計：用詳細(xì)的小時模擬數(shù)據(jù)來進行詳細(xì)的系統(tǒng)沒計。在“項目”對話框中，可以模擬不同的系統(tǒng)運行情況并比較它們。這個模塊在設(shè)計光伏陣列、選擇逆變器、蓄電池組或泵等方面能給設(shè)計人員提供很大的幫助。詳細(xì)數(shù)據(jù)分析：當(dāng)一個光伏系統(tǒng)正在運行或被詳細(xì)監(jiān)控時，這部分允許輸出詳細(xì)數(shù)據(jù)，并以表格或者圖形的形式顯示。此外，在“工具”中還包含了數(shù)據(jù)庫管理，如氣象數(shù)據(jù)庫、光伏組件數(shù)據(jù)庫以及一些用于處理太陽能資源的特定工具(從不同數(shù)據(jù)源中導(dǎo)入氣象數(shù)據(jù)、氣象數(shù)據(jù)或太陽相關(guān)幾何參數(shù)的表或圖形顯示、晴朗天空的輻射模型、光伏陣列在部分陰影或組件失諧條件下的性能等等，均可由用戶自行擴展。因此，該軟件既可以通過幾個系統(tǒng)特征參數(shù)對系統(tǒng)進行粗略的評估，也可以用詳細(xì)的數(shù)據(jù)對電站進行整體設(shè)計。同時，用戶可以對該軟件的數(shù)據(jù)庫可以修改和擴展。6.2計算結(jié)果對比為了驗證RETScreen和PVSystem兩個軟件本身算法之間的差異，選取北京、廣州、西寧、呼和浩特、武漢5個城市作為代表點，采用相同的太陽能資源數(shù)據(jù)進行計算時，對不同軟件輸出結(jié)果的分析1、最佳傾角和傾斜面輻射量計算1）用兩種軟件計算出的最佳傾角結(jié)果相差12，而用同一種軟件計算時，在最佳傾角附近3，傾斜面上的輻射量數(shù)值幾乎相同。2）計算出的最佳傾角輻射量的結(jié)果差異在0.22%0.67%之間。因此，當(dāng)采用相同的太陽能資源數(shù)據(jù)進行計算，兩種軟件的計算結(jié)果幾乎相同。2、不同系統(tǒng)效率下的理論發(fā)電小時數(shù)計算為進一步進行對比，對利用兩種軟件進行不同系統(tǒng)效率下的發(fā)電小時數(shù)進行了對比分析。計算的前提條件為：光伏組件10年衰減10%、25年衰減20%，線性衰減。6.3結(jié)論作為兩種常用的發(fā)電量計算軟件，RETScreen和PVSystem的計算原理基本相同。當(dāng)采用相同的的太陽能資源數(shù)據(jù)進行計算，兩種軟件的計算結(jié)果幾乎相同。由于RETScreen和PVSystem都有自帶的太陽能資源數(shù)據(jù)，兩者差異較大。因此，如果采用默認(rèn)數(shù)據(jù)時，用兩個軟件計算的結(jié)果差異會比較大。設(shè)計人員在計算發(fā)電量時，可根據(jù)個人習(xí)慣和具體需求，采用RETScreen和PVSystem的任何一個都可以。1太陽能發(fā)電技術(shù)綜述.中國知網(wǎng)2008-02-15引用日期2016-11-172分布式光伏發(fā)電解決方案 AAB國際引用日期2013-08-223 王飛. 并網(wǎng)型光伏電站發(fā)電功率預(yù)測方法與系統(tǒng)D . 北京： 華北電力大學(xué)， 2013.4 Chowdhury B H， Rahman S. Forecasting Sub-hourly Solar Irradiance for Prediction of Photovoltaic OutputC /New Orleans，LA： IEEE Photovoltaic Specialists Conference， 1987： 171-176.5 中蘭華， 廖志民， 趙陽. 基于 ARMA模型的光伏電站出力預(yù)測 J . 電測與儀表， 2011， 48 （2）：31-35.6 Safie F M. Probabilistic Modeling of Solar Power SystemsC /Atlanta，GA：Reliability and Maintainability Symposium，1989： 425-430.7 Muselli M， Poggi P， Notton G， et al. First Order Markov ChainModel for Generating Synthetic“Ttypical Days” Series of Global Irradiation in Order to Design Photovoltaic Stand Alone SystemsJ . Energy Conversion and Management， 2001， 42（6）：675-687.8 丁明， 徐寧舟. 基于馬爾科夫鏈的光伏發(fā)電系統(tǒng)輸出功率短期預(yù)測方法 J . 電網(wǎng)技術(shù)， 2011， 35 （1）： 152-157.9 Hiyama T. Neural Network Based Estimation of MaximumPower Generation from PV Module Using Environmental InformationJ . IEEE Transactions on Energy Conversion，1997，12 （3）：241-247.10 Yona A， Senjyu T， Saber A Y， et al. Application of Neural Network to 24-hour-ahead Generating Power Forecasting for PVSystemC /IEEE Power and Energy Society General Meeting-conversion and Delivery of Electrical Energy in the 21stCentury， 2008， 1-6.11 Cao S H， Cao J C. Forecast of Solar Irradiance Using Recurrent Neural Networks Combined with Wavel