吴贺利

摘要：在根据马尔可夫链理论的随机序列决策指导下，对比历史上太阳的辐照数据，并且建立塌秧辐照量的预测模型，通过对当前实际太阳光辐照量的数据进行重复校核，并且对模型相应地做出修正，最后利用labview图形化软件编写预测模型，对太阳光辐照量给出动态的预测与预判，为太阳能利用提供决策依据。

关键词：马尔可夫链；太阳辐照量；Labview

太阳能辐照强度是太阳能利用的关键自然环境，但是由于气候条件变化多端，能源的利用存在相当大的不确定性，所以太阳能光伏发电站的发电量的波动对与电网系统产生较大的影响，故儿对太阳能辐照强度的预测在光伏利用过程中显得尤为重要。

目前对于天气的预测模型很多，利用观测的抬动信息和辐照量的物理计算模型，对短期辐照量给出了精度高的预测：一是对于以往的数据进行提炼和整理，模拟太阳辐照的变化动态规律，同时拟合预测模型，从而推算出来太阳光的未来辐照量；二是天津大学王守相等提出的基于经验模态和ELM神经网络系统逐时太阳能辐照预测的方法，虽然这种方法改善了神经网络的训练方法，大大提高了训练速度，但是也由于其系统过于复杂庞大，让他的操作成本升高，易用性降低。

本文利用马尔可夫链与马尔可夫决策过程理论在离散数学中的广泛应用，提出了一种马尔可夫数学模型，根据以往的历史资料，并且通过labview软件，对数据进行分类处理，分散统计。通过概率转移矩阵进行计算，并且迭代计算转移矩阵，多次迭代后，从而得到其预测数据，而且能够对每天产生的数据进行实时再拟合，从而能够实时更新太阳能辐照量的数据，为光伏发电站的运行提供有力的理论依据。

一、马尔可夫过程

马尔可夫预测法，是可以预测事件发生概率的一种方法。这是基于马尔可夫链，根据事件的目前状况预测其将来各个时刻（或时期）变动状况的一种预测方法。

1. 首先设{X（t）；t∈T}是一个随机过程，如果在t0时刻所处的状态为已知时，t0以后的状态与它在时刻t0之前所处的状态无关，则称具有马尔可夫性。

2. 设{X（t）；t∈T}的状态空间为S，如果对于任意的n≥2，任意的t1

根据式（1），可以称{X（t）；t∈T}为马尔可夫过程。

二、预测模型构建

首先通过对马尔可夫链预测法的研究，其属于系统工程中概率预测法，主要是研究事物或现象的状态及状态转移。而且在不同状态，初始状态，以及转移状态之间相互转移，而且不同状态的初始概率以及状态之间的转移概率与事物或未来的变化息息相关，这样预测确定了事物或现象未来的变化趋势，从而达到对预测未来的目的。

太阳辐射量和光伏电站的发电量密切相关，但是两者的变化过程又是一个随机过程。马尔可夫链预测型是把系统看作一个整体，通过每天不同时刻太阳能辐射量和环境温度的变化趋势构成状态，根据每个时刻发电量状态的转移概率，有效预知未来系统发电量的构成状况。此外，马尔可夫模型有利于综合考虑各种影响因素。因此马尔可夫模型是一种可以对随机性比较大的事物或现象进行预测的模型。

根据太阳每天辐射量，后一天比前一天的辐射量差值，来进行数据的分类，进行数据的离散化。

三、程序编写与应用

首先根据式（1）在软件labview中进行程序的编写，实现公式中数据的转换，再次通过表1进行数据段分类，从而实现数据的基础转换，这也就是基础预测矩阵，整个预测程序界面如图1。图2和图3都是为labview程序局部图，分别为数据段分类和预测值判定。

四、模型应用与预测

以武汉地区（北纬3037东经11408），2001年太阳总辐射数据为研究样本，以及上面构建的马尔可夫预测模型，对太阳能辐射数据进行预测，预测值和实测值校对，如表2所示。

根据表2，做出如图4曲线，其中实线为实际值，虚线为预测值。

如图4所示，預测值和实际值总体趋势已经非常接近，但是其预测点个别数据相差较大，最大的误差157.5%，存在极大的离散性问题，分析所得，主要的误差都是来自于a类分类，说明相对于a类数据分类则较为粗糙，范围过大。

五、结语

本文通过分析太阳能辐照量，总结辐照量的预测，建立了基于马尔科夫链太阳能辐照量的数学预测模型，利用labview编写了预测程序，并利用该模型完成日辐照量的预测。在对分析预测结果与实测数据误差，充分认识到了影响误差的根本原因在数据段分类的范围。所以在后续的研究工作中，着重研究数据分类，使预测模型能过对历史太阳能辐照进行预测总结，减小实测过程中的不确定因素，使得预测模型能够动态地调整，从而提高模型预测精度。

参考文献：

[1]ELKE L，HURKA J，DETLEV H，et al. Irradiance forecasting forthe power prediction of grid-connected photovoltaic systems[J].IEEE Journal of Selected Topics in Applied Earth Observationsand Remote Sensing，2009（01）.

[2]王守相，王亚旻，刘岩，等. 基于经验模态分解和ELM神经网络的逐时太阳能辐照量预测[J].电力自动化设备，2014（08）.

[3]李英姿，贺 琳，牛进苍. 基于马尔可夫链的光伏并网发电量预测[J].太阳能学报，2014（04）.

[4]王颖，等.中国气象辐射资料年册[R].国家气象中心，2001.

（作者单位：武汉科技大学城市学院）