余 洋，陈 庚，余佳磊，李连坪，师进文，李明涛

（1.中国平煤神马集团尼龙科技有限公司，河南 平顶山 467000；2.西安交通大学动力工程多相流国家重点实验室国际可再生能源研究中心，陕西 西安 710049）

太阳能光热发电技术清洁高效，易于推广，市场潜力巨大[1]。据中国气象科学研究院数据，中国不同地区每年总太阳能辐射量最低为3 340 MJ/m2，最高为5 852 MJ/m2。丰富的资源保障了中国进行太阳能开发利用的广阔前景。然而，光热发电受天气因素影响具有明显的间歇性和波动性，这种特性在发电系统并网后，会对电网的稳定性带来冲击。对光热电站的并网电量（简称发电量）进行预测，有助于电网提前制定调度计划，有效减轻光热发电并网造成的不利影响[2-4]。

在太阳能电站发电量预测方面，当前国内外研究多聚焦于气象参数的变化预测及发电量与气象参数的联系[5-7]。Voyant 等人[8]将太阳能预测方法分为传统的物理模型预测方法和机器学习预测方法。其中物理模型预测方法包括间接预测天气的外推法[9]以及利用数值天气预报（NWP）[10]进行分析的数值天气预报模型法；机器学习预测方法主要有人工神经网络（ANN）、差分自回归移动平均模型（ARIMA）等[1]时序数据连续预测方法。外推法主要是根据历史数据寻找数据间的联系与规律，包含太阳辐照度的预测、天气的预测等。Yang 等人[11]利用回归模型对光伏发电数据进行统计分析，获得未来1 h 的温度、降水概率和太阳辐照度，最后再运用模糊推理方法对发电量进行精确预测。……