项若轩

摘 要：本文主要提出了建立在马尔科夫链基础之上的光伏发电系统输出功率预测的方式，通过数据建模的方式，将光伏电站的出力进行直接预测。通过理论推测，从而证实该方式在预测光伏发电系统输出具有可行性。以某光伏中心电站作为案例进行建模预测，从而证实该方式的有效性，并对模型参数进行调整，从而提高结果的精确性。

关键词：预测；光伏发电系统；输出功率；马尔可夫链

中图分类号： TM615 文献标识码：A

电力系统随着科技的进步不断的进行着技术革新，光伏发电技术已经开始逐步的替代传统的发电系统成为当前电力系统的新宠，但是，相比较于传统的发电技术，光伏发电系统的波动性与可控性相对较弱，这一问题引起了社会的广泛关注，也成为了目前学术界、工程界关注的焦点之一。如何才能够令光伏电站的可控性以及输出功率的可预测性更高，是目前技术研发人员的工作重点。本文提出了一种建立在马尔科夫链基础之上的光伏电站出力预测的方式，通过完整的模型以及实际可行的方案，针对光伏电站输出功率预测的诸多内容进行分析。其理论依据主要具有以下几点：首先建立1阶转移矩阵，其次针对不同阶段衔接进行确定，继而修正状态转移，定义参数以及选择。

1 建立模型

1.1 模型分析

一般对光伏阵列某一天输出功率进行预测，其做法是进行双建模，即建立光伏系统逆变模型以及太阳辐射模型。直接辐射、球体辐射以及扩散辐射是光伏发电系统中电池接收到的辐射的主要组成。

而文章所利用的马尔科夫链预测方式，主要利用马尔科夫链的特性。特殊性是马尔科夫链的特性，其是马尔科夫随机过程中的某一形式，状态具有离散性，参数也同样具有离散性。在该分析预测方式中，时间作为主要参数。分析随机过程中的主要对象为直接正常辐射同扩散水平辐射的交叉点。目前时刻状态是下意识可状态的唯一关联因素，以前时刻状态同下意识时刻状态无关。为了方便分析，将笛卡尔空间分为多组矩形区域，在同一区域中的状态便是马尔科夫链相同状态。通过该种方式进行建模能够将太阳能辐射的时段性状态预测出来，并且在预测后能够生成逆变模型。通过该模型便可以预测出光伏发电系统的后期输出功率。

1.2 在整个电力系统中，马尔可夫光伏功率预测主要关注的内容为功率、点亮，通过辐射-功率特性，可以直接对系统的出力进行预测。因此，文章针对已存在的历史输出功率数据对未来某一时刻的输出功率进行预测。前提是未来预测点的各项环境参数相对稳定，变化不大。

2 算法概述

在统计转移过程中最小的时间跨度即预测过程中的时间精度。而同一转移矩阵所需要的时间段即单位时间，而预测所需要的整个时间跨度即研究时段。

实现马尔可夫光伏功率预测的方式主要通过建模的方式，其具体的方法包括：若天琪状态相同，某一光伏系统的出力统计主要包括时间精度的研究以及时间段的研究；对输出功率进行均匀的区间区分，并确定系统状态，该状态为落在某一区间的功率；统计该状态下输出功率的状态转移多少次，从而得到一步转移矩阵。

3 实际案例分析

文章以某一意境投入使用的光伏发电系统作为实际案例进行分析，并选取该系统某一时间段的实际运行情况进行论述，该时间段的天琪晴朗，气温波动相对较大（12℃～22℃），针对该环境下光伏发电系统的运行状况予以统计，以5min作为时间精度，单位为1h，将研究对象划分为11个状态。以分析结果作为研究对象，可以统计到10个单位时间的数据，以此建立转移矩阵，并以其中第三个单位作为具体案例进行状态修正的讨论。

可以分析出，由于前2个单位时间内随机游走的最终状态（第2个单位时间内末时刻功率期望）是作为第3个单位时间的初始状态，而实际情况中第2个单位时间末的期望功率也有可能处在状态0～2。又因为状态0～2的转移情况未加以描述，那么就会导致第2个时段状态有可能不发生转移。另外，单位时间的细分及统计量的不足也会导致状态空间不完整。所以要对转移矩阵进行修正，保证相应状态空间为闭集。修正的方法有两种：（1）加大样本容量，即统计量。（2）依据相邻几个单位时间光伏系统实际出力的总变化趋势，补入因单位时间细分缺失的状态转移次数。

针对某一时间的温度进行功率的实测，可以看出该时间中的平均温度可以达到17℃，该时间段的气温范围在15℃～20℃，天气为晴朗。

针对该时间段的系统功率进行预测可以分析出，整个研究过程中的预测结果误差相对较大，其原因在于该时间段所处气候为春季，天气变化相对较大，且气温波动较大，即便是晴天，空中的云量以及地表的蒸汽含量也相对波动较大，不具有稳定性。这会直接影响光伏发电设备对太阳辐射的吸收效率。因而同时节、同样天气的状态下，通过样本统计的方式无法真正准确的体现光伏发电系统的输出功率。并且，春季到夏季太阳辐射的强度逐步的增大，所以根据实际的观测状况可以分析出，用作试验分析的时间段天气晴朗无云，因此预测结果相对较低。通过观测分析结果可以看出，该时间段的预测结果也会受到日升日落太阳辐射量变化的影响，因而系统功率具有较大的波动。

预测精度因单位时间的缩小而有一定提高，整个研究时段的预测误差从21.23492%降为19.19397%。而首尾时段的预测偏差也有所下降，如06：59的预测误差降低为72%。此外，在时间精度不变的情况下，由于单位时间的缩小，每单位时间内状态转移的统计量相应减半，这带来了一定误差。若增加样本容量或缩小时间精度，即增加单位时间内的统计量，预测精度会进一步提高。最后，状态的划分也会带来一定误差。很明显，在同样的光伏系统出力范围内，状态划分越多，精度越高。但1阶转移矩阵的阶数也会随之增多，统计量也会增大。

结语

本文以马尔科夫链座位基础，针对目前发电系统的新技术——光伏发电技术的功率输出预测进行分析。该方式以建模的方式，依照光伏电站的历史数据对电站出力进行直接预测，该方式避免了相关数据的采集以及转换，并且也省略了具体建模环节，因而在保证结果精准的基础上，提高了预测效率。通过实际的算例结果，证实该方式具有较高的可行性。在一定的时间精度下，通过时间单位的增加可以有效提高预测的精确性。

参考文献

[1]许洪华.中国光伏发电技术发展研究[J].电网技术，2007，31（20）：7-11.

[2]石文辉，别朝红，王锡凡.大型电力系统可靠性评估中的马尔可夫链蒙特卡洛方法[J].中国电机工程学报，2008，28（04）：9-15.