En kort analyse av PV Power Forecasting Methods

- Apr 10, 2018-

Solenergi-kraftproduksjon, som en uuttømmelig kilde til ren og miljøvennlig energi, har blitt et fokus for energiproduksjon i fremtiden. Dette papiret analyserer og oppsummerer prediksjonsmetodene for solcellefotovoltaisk kraftproduksjon, i henhold til anvendelse og etterspørsel av solcelle-solenergi. Oppsummerer fordelene og ulempene ved ulike solvarmeproduksjonsprognosemetoder, og håper å fremme og fremme utviklingen av solenergi-solcelleprosesseringsprognosemetoder i Kina.

 

Under den alvorlige situasjonen at oljeproduksjonen i økende grad faller ut og det økologiske miljøet forverres raskt, viser solenergi som en naturlig energikilde sine unike fordeler med store reserver og rene forurensningsfrie egenskaper. Den har blitt anerkjent internasjonalt som den mest konkurransedyktige i fremtiden. En av energikildene. Solenergi-kraftproduksjon har blitt en av de viktigste måtene å bruke solenergi på.

 

Fotovoltaisk kraftproduksjon er delt inn i to former: off-grid og grid-connected. Med modning og utvikling av fotovoltaiske nettilkoblede teknologier, har nettilkoblet fotovoltaisk kraftproduksjon blitt den vanlige trenden. På grunn av den raske økningen i kapasiteten til store sentraliserte nettilkoblede fotovoltaiske kraftgenereringssystemer, er den iboende intermittente og ukontrollable utgangseffekten til nettilkoblede fotovoltaiske kraftgenereringssystemer blitt en viktig faktor som begrenser rutenettet fotovoltaisk kraftproduksjon. Mengden solfysisk kraftproduksjon påvirkes av faktorer som solstråling, temperatur og solpanelytelse. Størrelsen på solstråling påvirker direkte mengden kraftproduksjon. Jo større strålingsintensiteten er, jo større kraftgenerering og jo større kraft.

 

Solstråling påvirkes av faktorer som årstider og geografi. Det har åpenbare egenskaper ved diskontinuitet og usikkerhet, og det har betydelige årlige, sesongmessige og daglige variasjoner, og dens fysiske og kjemiske forhold som skyighet, fuktighet og atmosfære. Transparens og aerosolkonsentrasjoner påvirker også styrken av solstråling.

 

De forente stater, Europa, Japan og andre utviklede land har tidligere utført forskning og eksperimenter med solenergi for solenergi. Kinas solenergi-solenergi-kraftproduksjonsprognose teknologi startet sent, og noen få kjente universiteter har suksessivt utført teknologiforskning med fokus på modellering og simulering. Dette papiret analyserer og oppsummerer prediksjonsmetodene for solcellefotovoltaisk kraftproduksjon, oppsummerer fordelene og ulempene ved ulike prediksjonsmetoder, og gir et viktig grunnlag for utviklingen av innenlands solenergi-fotovoltaisk kraftproduksjonsindustri.

 

1 Solvarnovoltaisk kraftproduksjonsprognoseprinsipp

 

Foreløpig fokuserer forskningen på solvarnovoltaisk kraftproduksjonsprognose hovedsakelig på prediksjon av solstrålingsintensitet. De daglige eller timebetingede observasjonsdataene for solstråling utgjør en veldig tilfeldig tidsserie, men det er fortsatt visse deterministiske lover i solstrålingssekvensen. Bare ved å fullt ut forstå egenskapene og skiftende lovene for solcelle-solenergi, kan vi etablere samsvar. Den faktiske situasjonen for prediksjonsmodellen og metoden.

 

Solstråling er delt inn i direkte solstråling og spredt solstråling. Direkte solstråling er strålingen av sollys gjennom atmosfæren til bakken; Spredt solstråling er stråling som når bakken etter å ha blitt absorbert, reflektert og spredt av støv, molekyler, fuktighet etc. i atmosfæren. Summen av spredt solstråling og direkte solstråling kalles total stråling. Påvirkningsfaktorene for total solstrålingsintensitet inkluderer: solhøyningsvinkel, atmosfærisk kvalitet, atmosfærisk gjennomsiktighet, høyde, breddegrad, hellinggradient og skydekke.

 

Solens fotovoltaiske kraftproduksjonsforutsigelse er basert på prinsippet om solstråling, historiske værdata, fotovoltaisk kraftproduksjonsdata, satellittskyldata, etc., ved hjelp av regresjonsmodeller, kunstige nevrale nettverk, satellitt fjern sensing teknologi, numeriske simuleringsmetoder for å oppnå prediksjonsinformasjon , inkludert solens høydevinkel, Atmosfærisk kvalitet, atmosfærisk gjennomsiktighet, høyde, breddegrad, skråning, skyer og andre elementer, basert på disse elementene for å etablere en solstrålingsprognosemodell.

 

2 Solenergivoltaisk kraftproduksjonsprognosemetodeanalyse

 

Solenergitrender påvirkes hovedsakelig av lokale geografiske forhold og meteorologiske forhold. Innflytelsen av geografiske forhold har åpenbare regler. Den årlige solenergibanen kan beregnes ut fra lokal breddegrad og lengdegrad, og en generell endringstendens for solenergi kan beregnes ved å kombinere parametrene til fotovoltaisk matrise seg selv. Imidlertid reflekterer denne trenden ikke innen noen få timer eller reflekterer generelt den generelle situasjonen for solenergiendringer innen noen få dager.

 

Effekten av værforholdene på solstråling er den mest direkte. For å realisere solvaretemperaturprognosen innen få timer, er det nødvendig å finne en beregningsmetode for å utlede solstendensen basert på meteorologiske forhold. I de siste årene, med den raske utviklingen av solenergiindustrien, har etterspørselen etter solenergi-kraftproduksjonen økt. De utviklede landene har studert solvarselprognoser tidligere, og har utviklet seg raskere. For tiden er Kinas forskning på solenergi-solcelleprosesseringsteknologi fremdeles i sin barndom, og ytterligere forskning og eksperimenter er nødvendig.

 

Det er tre hovedtyper av solstrålingsprediksjonsmetoder:

 

Den første kategorien er basert på forskning av historiske meteorologiske data og fotovoltaiske generasjonsdata, ved hjelp av statistiske metoder for analyse og modellering;

 

Den andre kategorien: Basert på satellittsky data og grunnovervåkingsdata, brukes satellitt- og radarbildebearbeiding til å beregne prognosemetoden for sanntids solstråling.

 

Den tredje kategorien: prediksjonsmetoder basert på numerisk værvarsel.

 

Den første typen prognosemetode, etableringen av modellen, tar ikke hensyn til den fysiske prosessen med solstrålingsendringer, gjennom analyse og behandling av historiske observasjonsdata, ved hjelp av den historiske kraftproduksjonen for å prognose fremtidig generasjon. Generelt brukes matematiske modeller som regresjonsmodellprediksjon og nevrale nettverk for å etablere en statistisk modell for korrelasjonen mellom fotovoltaiske kraftgenereringssystemer og meteorologiske elementer og forutsi kraftproduksjon. Modellkonstruksjon og driftsmetode er relativt enkel, men det er bare egnet for en stabil tidsserie med liten forandring i kraftgenerering. For store tidsserier med store endringer i kraftproduksjon, er feilen stor.

 

2.1.1 Prediksjon av regresjonsmodell:

 

Forutsetning for regresjonsmodell Basert på historiske data, finn ut forholdet mellom værendringer og solstråling og dets endringsregler, etablere matematiske modeller som kan brukes til matematisk analyse, og forutsi fremtidig solstråling. Metoden kjennetegnes ved å bruke faktorene i det forutsagte målet som variabler og de forventede målene som konstanter. Bruk et gitt sett med variabler og konstanter, studer forholdene mellom variabler. Bruk av regresjonsligningen som er oppnådd for å representere forholdet mellom variabler og konstanter, for å oppnå formålet med å forutse solstråling. I et stort antall eksperimenter og praksis er den variable feilen stor, spesielt ved middagstid.

 

Regresjonsmodellen forutsier at solstrålingsdataforutsigelser for ikke-lineære tidsserier ikke er ideelle. Den kunstige nevrale nettverksmetoden har mindre prediksjonsfeil enn regresjonsmodellen.

2.1.2 Kunstig neuralt nettverk

 

Den kunstige nevrale nettverksmetoden bruker nevralnettteknologi for å etablere en funksjonsmodell for generering av elektrisitet, total solstråling og platetemperatur. Kombinasjonen av historiske data er bedre. For tiden er det mest studerte bruken av feil tilbake utbredelsesalgoritme (BP algoritme) for kortsiktige forventninger. Hovedideen til denne algoritmen er å legge inn historiske data og flere typer faktorer som påvirker solstrålingen som input til det kunstige nevrale nettverket, og deretter generere ulike typer data i inngangslaget, skjult lag og utgangslag for å generere produksjon ; Feilen er en objektiv funksjon som gjentatte ganger retter og justerer vekten av det kunstige nevrale nettverket til det når den angitte feilverdien.

 

Når tradisjonell statistikk ikke oppfyller kravene, kan kunstige nevrale nettverk brukes til prognosemetoder. Denne metoden er imidlertid også basert på historiske meteorologiske data. Forventning av kraftproduksjon avhenger av nøyaktigheten av den totale solstrålingsprognosen: Feil ved å finne nøkkelen til å påvirke fotovoltaisk kraftproduksjon. Timelærelementer gjør det vanskelig å kontrollere plutselige og tilfeldige værbytter.

 

2.2 Den andre typen prediksjonsmetode

 

Den andre typen prognosemetode bruker hovedsakelig satellittensensorteknologi for å fullføre prognosen for solstråling. Satellittavlesning refererer til en observasjonsaktivitet ved hjelp av en kunstig satellitt som sensorplattform. Det oppnås ved å kartlegge den elektromagnetiske strålingen som sendes ut eller reflekteres av jordens atmosfæriske system. Den inkluderer jordobservasjons- og observasjonsaktiviteter som vender mot rommiljøet. Jordobservasjon er hovedinnholdet i satellittens avkjenning. Bildedata med høy geografisk oppløsning og geografiske informasjonssystemer er tett integrert og gir høy grunnlag for solstrålingsprediksjon.

 

I 1960 sendte den første Terros-satellitten det første synlige lyssky-bildet til jorden, slik at folk kunne se det store potensialet ved å bruke satellittens fjernkontroll. Fra da av, med den gradvise forbedringen av meteorologisk satellitteknologi, har ulike satellitter, for eksempel fjernkontrollen av jordens atmosfære, de jordbaserte og oceanografiske egenskapene til jordens overflate, og overvåking av jordens miljø, gradvis oppstått.

 

Satellitt-fjernkontrollen i USA har alltid vært verdensledende og representerer utviklingsnivået for satellittensensorteknologi. Land som Europa, Canada og Japan utvikler og forsker ekstern sensing teknologi. Kinas første geosynkron værsatellitt "Fengyun 2" ble lansert 10. juni 1997, og markerte Kinas satellitt-fjernkontrollteknologi som steg til et nytt nivå.

 

Etter en stor del forskning og praksis viser det at timeløysstrålingsdataene som er oppnådd ved satellittens avkjenningsteknologi og jordobservasjonsstrålingsdataene, har store avvik, og den maksimale feilen kan nå 20% -25% av rotenes gjennomsnittlige kvadratfeil . Derfor, hvordan å lage mindre feil, nøyaktig statistikk, og spådommer blir utviklingsretningen til fjernvarslingsteknologi.

 

2.3 Den tredje prognosemetoden

 

Den tredje typen prognosemetode bruker hovedsakelig numeriske simuleringsmetoder for å forutsi, det vil si ved hjelp av matematisk fysikkmodell for å analysere atmosfæriske forhold og bruke høyhastighets datamaskin for å løse prognosemetoden. Metoden etablerer et system av ligninger basert på prinsippene for dynamikk og termodynamikk som beskriver lovene for atmosfærisk bevegelse. Etter å ha bestemt atmosfærens opprinnelige tilstand på et bestemt tidspunkt, kan det løses ved matematiske metoder for å beregne atmosfærens tilstand på et bestemt tidspunkt, som vanligvis kalles værssituasjonen. Og relaterte meteorologiske elementer som temperatur, vind, nedbør, bestråling og så videre. Den numeriske simuleringsprediksjonsmetoden forutsier lang tid. I dag kan det forutsi data på 40 timer eller enda lenger.

 

Meteorologiske og miljømessige faktorer i numerisk simuleringsmetode er de mest komplekse og vanskelige å bestemme nøyaktig. Derfor er feilen i prognosen ikke bare, men nøyaktigheten er sterkt redusert for de kortsiktige og spesielt komplekse endringene. Derfor har forbedringen av nøyaktighet alltid vært fokus og vanskeligheter med dagens forskning.

 

3 Konklusjoner og utsikter

  

Denne artikkelen har lest et stort antall innenlandske og utenlandske solenergi-fotovoltaisk kraftproduksjonsprognosemetode litteratur, basert på omfattende forskning, basert på en mer omfattende diskusjon av forskningsstatus og utviklingsretning for solenergi-fotovoltaisk kraftproduksjonsprognoseringsteknologi, en mer detaljert oppsummering og analyse av de tre typer prognosemetoder. Forklar fordelene og ulempene ved ulike metoder. Hvordan fortsette å forbedre, kontinuerlig forbedre og utforske på grunnlag av eksisterende vitenskapelige forskningsresultater, identifisere nøkkelfaktorer som påvirker solstråling, nøyaktig forutsi og danne et multi-level, multi-information integrert prognosesystem, er hovedforskningen i Kinas solenergi fotovoltaisk kraftproduksjon prognose retning.