光伏发电功率出具有明显的间歇波动特性，大规模光伏发电接入会给电网安全稳定运行带来一定冲击。随着各地风电、光伏等可再生能源比例的增加，弃风、弃光现象进一步增加。

光伏发电功率预测是解决此问题的关键技术之一，开展光伏电站发电功率预测方法与系统研究具有重要的学术与应用价值。因此，如何准确的开展光伏电站的功率预测，近几年成为研究的热点，备受国内外学者青睐。

之前大家一直讨论，德国之所以能接纳峰值出力高达70%的光伏发电，而国内基本只能接纳30%以内。其中最重要的原因，就应归功于德国的光功率预测做的好，而国内这块才刚起步。目前，我也接触了多家有远见、有实力的企业正在布局全国范围内的光功率预测服务。

1.光伏发电功率预测方法的分类

时间尺度分

超短期预测（＜4 h) 主要采用统计、物理混合方法，主要原则是根据地球同步卫星拍摄的卫星云图推测云层运动情况，预测到达地面的辐照强度，通过太阳辐照强度与功率转换效率模型，从而对功率进行预测。一般用于光伏发电控制、电能质量评估及光伏电站组件部分的研发设计等。

短期预测(＜48 h) 主要以NWP（天气预报信息） 数据为主，通过建立历史输入数据与历史输出功率的映射关系，进而获得光伏电站输出功率的预测值。一般用于电力系统的功率平衡和经济调度、日前发电计划制定、电力市场交易、暂态稳定评估等。

中长期预测(＞1 周) 主要用于系统的检修安排、发电量的预测等。

按预测方式分

直接预测：通过早8 点～晚5 点的输出功率曲线规律，直接对光伏电站的出力进行功率预测。

间接预测：先对太阳辐照量的预测，然后根据预测的太阳辐照量折算出光伏发电的出力。

按预测原理分

物理方法：将NWP 数据作为输入，研究光伏发电设备特性( 包括光伏组件、逆变器等) ，建立光伏发电功率与NWP 数据的对应数学模型，进一步对光伏发电功率进行预测的一种方法。物理方法的预测精度比统计方法略差，但优点在于该方法不需要大量历史数据的支持，适用于新建的光伏电站。

统计方法：通过找出其历史数据内在规律，排除病态数据点，建立历史数据与输出功率的函数映射关系，进一步对光伏发电功率预测的一种方法。统计方法需要大量历史的光伏电站出具数据作为建模基础，只适用投运时间大于等于一年的光伏电站，不适用新建的光伏电站。

学习方法：采用人工智能的方式去建立一种输入与输出的映射关系，主要应用于非线性映射模型。

按数学模型分

数学模型包括：时间序列预测法、自回归滑动平均模型法、神经网络法、支持向量机法、小波分析方法、灰色预测法、递推最小二乘法、相似日选取算法和智能方法等。

为使得预测精度更高，现在更多的是将多种方法组合应用。光伏发电功率组合预测法大致包括两类:

第一种是综合比较几种光伏发电功率预测的结果，经过对比分析，提取一种误差较小且操作简单的方法应用于功率预测;

第二种是按权重加权几种预测方法的结果，然后平均，既实现了预测信息的最大化利用，又优化了所有预测模型的弊端，消除了传统单一模型的误差，大大提高了光伏发电功率预测的精度。

2.光伏发电功率预测系统的组成

光伏发电系统

光伏组件实施光电转换后经控制器将直流电分配给直流负荷和DC /AC 逆变装置，输出满足电能质量要求的交流电，通过箱变升压后接入电网，再通过箱变降压供给交流负荷。最后通过DC /AC 逆变控制反馈到光伏阵列，以调节光伏阵列进行MPPT 控制。

数值天气预报系统

主要提供当天或未来几天的NWP 信息，将光伏电站所在地的NWP信息( 如光照量、气温、日照时间等) 实时传给预测数据库系统，并进行处理。

预测数据库系统

主要是对光伏电站的NWP 历史信息、输出功率历史信息等进行存储管理。

光伏发电功率预测系统

光伏发电功率预测系统是该系统的核心部分，根据相应的预测算法，将实时NWP 信息与预测数据库系统的历史数据进行处理，选择适当的功率预测数学模型，算出预测当日的输出功率预测值及预测误差。

EMS 能量管理系统

EMS 是现代电网调度自动化系统( 含硬、软件) 总称，由基础功能和应用功能两个部分组成。基础功能包括: 计算机、操作系统和EMS 支撑系统。应用功能包括: 数据采集与监视( SCADA) 、自动发电控制( AGC) 与计划、网络应用分析3 部分，系统中用户可以通过操作界面对该预测系统进行实时管理，对发电计划进行有条理的规划。

原标题：光伏电站光伏功率预测详解