目前,国内外均已积极开展光伏发电功率预测的研究,通过物理方法与统计方法进行光伏发电功率预测,并取得一定效果。但是这些预测方法绝大多数都没有考虑光伏组件在使用过程中的温升因素,而是直接采用环境温度作为光伏组件的工作温度,大大影响了光伏发电功率预测的精度。像所有其他
1组件温度预测方法的基本思路
1.1组件温度影响因子分析
对于已经投入运行的光伏发电站,其太阳电池组件温度与环境温度、太阳辐射强度有关。实际使用过程中,除了季节变化造成的环境温度变化以外,太阳辐射强度每天在0~1300W
从图1可以看出,太阳电池组件温度与环境温度、太阳总辐射相关。
1.2组件温度统计建模
通过建设实时自动气象监测站来获取国家能源太阳能发电研发中心所在地近地面层的瞬时太阳辐射强度、组件温度和环境温度等数据。该监测站由数据采集模块、通信模块、气象
收集光伏发电站的同一时间段的太阳总辐射、组件温度、环境温度等历史数据后,可对这些数据进行筛选分析,建立光伏发电站气象历史数据库。这里以光伏发电站气象历史数据库为基础,通过统计方法建立的组件温度关系式如下:
y=T+kx+c1
式中,y为组件温度;T为环境温度;x为总辐射;kc为系数。
利用截至到2011年12月的数据统计率定出国家能源太阳能发电研发(实验)中心屋顶光伏发电站的组件温度关系式为:
y=T+0.0214x+0.97
1.3组件温度预测
以关系式y=T+0.0214x+0.97为基础,输入从数值天气预报获取的未来总辐射数据和环境温度数据,预测出组件温度值;采用卡尔曼滤波,利用地面实时组件温度监测数据对预测值进行实时校正,进而较为准确地预测未来组件温度值。
组件温度预测流程图如图2所示。
图3所示为数值天气预报总辐射及空气温度预测流程图。
2算例分析
根据上述方法于2012年3月建立的国家能源太阳能发电研发(实验)中心屋顶光伏发电站组建温度预测系统投运以来,系统运行稳定可靠,累积的数据中,以5min为时间分辨率,对预测组件温度、实际组件温度数据进行对比分析的绝对误差分布比例统计如表2所列。从表2可以得出,绝对误差在5℃以内的样本占0.9334预测效果比较理想。
3结语
随着近年来光伏发电在中国的快速集中发展,亟需对光伏发电站的发电功率进行预测,以保证大规模光伏发电接入条件下的电网平安调度,而组件温度预测是光伏发电功率预测中的重要一环。预测结果标明,本文提出的光伏电池组件温度预测方法预测精度较高,能够充分满足工程应用的需求。