光伏发电是目前太阳能利用中技术较成熟的一种太阳能发电系统，具有不消耗燃料、不受地域限制、规模灵活、无污染、安全可靠、维护简单等优点，有离网和并网两种形式。自2001年并网光伏发电系统所占份额超过离网光伏发电系统后，并网光伏发电成为光伏发电的主流，它具有太阳能利用率高、无需储能设备、发电能力强等优点，但也面临着诸如电能波动性大、利用时段短等问题。据统计，2006年全球并网光伏发电系统所占份额达到75% 以上。2004年以来，随着大规模集中并网光伏发电系统容量的增加，为了避免并网光伏发电系统输出功率固有的间歇性和不可控等缺点对电网的冲击，人们开始关注光伏发电量(或功率)预报技术。此前，国内外对光伏发电系统的研究大多集中在光伏电池材料技术、最大功率跟踪算法、并网逆变器电路拓扑、并网稳定性如孤岛效应的防护、并网谐波抑制等方面。对光伏发电系统发电量预报技术的研究则相对较少，起步较晚。

对光伏电站的输出功率进行准确的预测有助于电网调度部门统筹安排常规电源和光伏发电的协调配合 ，适时及时地调整调度计划，合理安排电网运行方式 ，一方面有效地减轻光伏接入对电网的不利影响，提高电力系统运行的安全性和稳定性 ，另一方面降低电力系统的旋转备用容量和运行成本，充分利用太阳能资源，获得更大的经济效益和社会效益。

当前国内外已有不少研究机构开展了相关的光伏发电功率预测研究和应用，这些研究分别从预测方法、预报时效、预报时间分辨率、预测模型参数校正等多个方面对光伏发电功率预测进行了分析和论证。光伏发电系统的实际输出功率主要受太阳辐射照度的影响，而太阳辐射单位面积能量密度低，时间上具有较大的不连续性和不稳定性。它不仅受季节和地理因素的影响，而且与当时的天气状况如：大气透明度、水汽含量、气溶胶、云量、云状、云与太阳的相对位置等密切相关。同时受天文因素的影响，其变化又具有周期性，包括日变化和年变化。其它环境因素(如温度)，对太阳辐射转化效率也会产生影响。光伏发电系统并网运行以后，由于发电量的变化是一个非平稳的随机过程，输出功率的不连续和不确定，会对电网产生较大影响。因此，要想大幅提高光伏发电量比例，提高光电转换效率，降低运营成本，保障电网安全，太阳能预报技术显得尤为重要。

光伏发电功率预报就是针对于光伏发电系统输出功率固有的间歇性和不可控性对电网的冲击，为有效减轻光电对电网的影响，提高太阳能资源的利用效率，运用数值天气预报模式对未来3天逐小时太阳辐射量的预报，结合太阳能光伏电站基本参数和历史发电量数据分析，对电站发电量(功率)进行预测。对太阳能的预报既要考虑太阳辐射的不稳定性，又考虑其周期性；即考虑天文地理因子的影响，又考虑气象环境因子的影响。

陈正洪等依托风能太阳能评估中心、气科院、华中科技大学等完成了我国气象部门第一个太阳能光伏发电预报系统研制。系统研究的主要内容包括：模式辐射参数化方案、中尺度模式输出辐射及其统计订正、光电物理转换气象机理模型研究、光伏发电量与环境气象的关系、太阳能光伏发电示范电站及应用，预报系统设计与数据库建设等。

其中，依托风能太阳能评估中心、气科院，对模式辐射预报进行MOS订正：依托华中科技大学，开展光伏发电观测试验与物理建模，建立了有气象特色的逆变器模型，极大提高了预报准确率；依托各参与单位收集试验电站、大型电站第一手数据，并开展环境气象因子诊断分析，最终完成了我国气象部门第一个太阳能光伏发电预报系统。该系统可提供未来3天逐小时的网格点太阳辐射预测产品，结合具体太阳能电站信息可提供该电站未来3天逐小时的光伏发电功率预测。这些产品构成了我国目前光伏发电功率预报的主要内容。

目前，国外光伏发电功率预报技术研究已有一定的发展，如德国、瑞士、西班牙、日本等国已展开利用气象预报对光伏电站发电量进行预测的研究和应用。德国Oldenburg大学Lorenz等根据欧洲中期(中尺度)天气预报中心(ECMWF)提供的未来3天太阳总辐射预报数据，结合德国境内11个光伏电站观测资料来预报光伏发电量，经校验，在 2007 年 4月和7月，光电功率预报的相对均方根误差分别为39%和22%。西班牙Joen大学Almonacid等采用神经网络方法，以实测的光伏组件板温、入射太阳总辐射为输入值，对应条件下实测I/V曲线为目标函数，利用反向传播算法L-M优化方法，训练多层传感器(MLP)，求解出逼近实际工况的 I/V 曲线， 建立了光伏发电量与太阳总辐射、板温之间的函数关系。以Joen 大学19.08 KW的光伏电站为例，经校验，2003年发电量预报值与实测数据的历史相关系数高达0.998。日本NTT Facilities公司Kudo等根据历史天气资料和日本爱知县世博园区330 KW光伏系统发电量数据，进行多元回归分析，建立预报方程，预测未来一天05:00—19:00的逐时发电量，并利用“预报＋实测＋临近订正”的方案，降低天气预报失误对于发电量预报准确性的影响。经校验，2005年3月25日至9月26日，日均发电量预报误差为25.6%，时均预报误差为30.53%。

国内光伏发电功率预报技术研发起步较晚。华北电力大学栗然等结合光伏组件数学模型和保定地区气象资料，模拟了30 MW 光伏电站发电量数据，利用支持向量机回归分析方法，进行发电量预测。但该方法无实际光伏电站的实况发电量资料，缺乏实验验证，对实际光伏电站发电量预报的指导意义有限。华中科技大学在全国较早收集并网光伏电站资料，自2005年起开始对18 KW太阳能光伏电站记录的直流输出功率、交流输出功率以及发电量等大量时间分辨率为5 min的资料进行收集。华中科技大学陈昌松等结合这些历史发电量数据和同期气象数据(日最高气温、日天气类型)分析，利用神经网络方法，建立了基于逐日天气预报信息的光伏发电量预测模型。该方法将天气情况按日天气类型(云天/晴天/雨天)划分，对次日转折天气发电量预报误差有明显改善，但对一天内天气类型剧烈变化的情况则无法满足逐时预报的要求。目前，陈正洪等依托风能太阳能评估中心、气科院、华中科技大学等完成了我国气象部门第一个太阳能光伏发电预报系统研制，并已在全国气象部门进行了推广应用。

总的说来，国内外光电功率预报技术主要可分为如下3类：一是基于太阳总辐射预报和光伏I/V特性曲线仿真模型的仿真预报法；二是基于太阳总辐射预报和光电转换效率模型的原理预报法；三是基于历史气象资料(天气情况或(和)太阳总辐射资料)和同期光伏发电量资料，采用统计学方法(如多元回归、神经网络等相关算法)进行分析建模，再输入数值模式预报结果的动力+统计预报法。对于第一种方法，其仿真模型的建立基于理想条件下光伏组件的电气特性数学公式推导和求解。下面将介绍仿真预报法。

(1)仿真预报法的一种----三维模拟计算法

三维模拟计算法从光伏电池的电路特性出发，寻找特定时刻瞬间的最大输出功率，计算出瞬间发电量，进而计算出每天的日发电量，每月的月发电量，最后累积得到年发电量。该方法计算较为复杂，但因为充分考虑了影响发电量的各种因素(如阴影和配线等)，对系统的最优化设计更具参考价值。其计算方法为：

1)太阳高度方位角的计算

根据 Spencer 法，太阳高度 H 和太阳方位角 P 的计算公式如下 ：

     (13.1~13.4)

其中，L为纬度，T为时角，D为太阳赤纬，n是一年中经过的天数。

2)太阳辐射量计算

当太阳高度 H 低于0°时(夜晚)太阳辐射量为 0 ，当太阳高度 H 大于0°时(白天)，特定时刻的水平面太阳辐射量，直射太阳辐射量，散射太阳辐射量的计算公式如下 ：

     (13.5)

     (13.6)

     (13.7)

     (13.8)

其中为正午太阳高度，σ为太阳赤纬，为北纬。

若把地面积雪的影响忽略不计，直接日射 ，散射太阳辐射量，倾斜面的太阳辐射量计算公式为 ：

  (13.9)

     (13.10)

     (13.11)

其中θ为光伏电池倾斜角，α为光伏电池方位角，ω 为时角，ρ 为太阳光的地面反射率。

由上面的公式可以得到各种太阳辐射量的理论值，然后和当地历史气象资料(太阳辐射量)相结合，可以矫正得到较准确的太阳辐射量预测值。矫正方法如下 ：

①取得当地历史上指定月的平均水平面太阳辐射量 ；

②由上面的公式计算出指定月特定日( 15 日)的全天水平面太阳辐射量曲线，并且可以得到水平面全天太阳辐射量的理论值 ；

③求出水平面全天太阳辐射量理论值与实际值的比率 ；

④将第二步的水平面太阳辐射量曲线乘以第三步求出的比率，得出矫正后的水平面太阳辐射量曲线 ；

⑤由第四步矫正后的水平面太阳辐射量曲线求得倾斜面各种太阳辐射量。

3)光伏电池温度计算

光伏电池温度可以由气温和日射强度(水平面太阳辐射量)计算得出 ：

     (13.12)

其中 b₁为气温回归系数，一般设定为 1.0 ； b₂为日射强度回归系数，值为 30~45 之间，一般设定为 45 ； b₃为常数，主要考虑风速的影响，一般设定为负值。

4)太阳能光伏系统 I-V 性能曲线

光伏电池的 I-V 关系计算式为 ：

     (13.13~13.14)

其中，I_ph是光生电流；I₀是反向饱和电流；是二极管完美因子。

对上面的计算公式进行数值计算可以得出，光伏电池组里每一个光伏电池的瞬时电流与瞬时电压的关系，进而得到整个太阳能光伏系统的特定时刻的 I-V 性能曲线(如图13.1)。

图13.1 太阳能光伏系统I-V性能曲线

5)太阳能光伏系统年发电量的预测

从 I-V 性能曲线，我们能得到任意时间点最佳输出功率，从而预测出瞬间发电量(最大输出功率点)。同样，我们能得到一年中每时每刻的瞬间发电量，进而累积得到日预测发电量、月预测发电量、年预测发电量。

(2)原理预报法

原理预报法，是根据光伏电池光伏发电的物理原理(光生伏打效应，即半导体材料表面受到太阳光照射时，在半导体内产生大量电子-空穴对，在内建电场作用下运动，产生光生电动势)和光电转换效率定义，建立影响光电转换效率的经验公式和合理的经验系数，输入太阳总辐射预报值，进行光伏电功率预报。

根据光电转换效率的定义，光伏组件输出功率(直流)表达式为

     (13.15)

式中，为直流输出功率(单位：W)，为光电转换效率，A为面积(单位：m² )，G 为辐射度(单位：W/m² )。式(13.15)中未考虑阵列组合损失、连接损失等的影响。

光伏发电量E (直流量)计算公式为:

     (13.16)

结合公式(13.15)和(13.16)，在建立的光电转换效率模型基础上，输入太阳总辐射预报值，即可获得光伏发电量(是直流发电量，将在后续研究中考虑最终交流并网时并网逆变器DC/AC转换的能量损失)预报值，其预报精度依赖于光电效率模型和太阳总辐射预报的准确性。

1)光电转换效率模型

对光生伏打效应的研究发现，入射光谱辐射度、电池温度会直接影响光伏电池输出电压和电流大小，进而影响光电转换效率。常用的光电转换效率模型主要有常系数效率模型 ，单一负温度系数模型 ，综合温度和太阳总辐射的两要素模型等几种。

常系数效率模型是最简单的一种效率模型，它直接使用光伏电池厂商提供的标准测试条件(入射光辐射度为 1000 W/m² 、气温为 25 ℃、大气质量为AM1.5)下的标称效率hs。不同材料光伏电池，其标称效率不同。商用的光伏组件，晶体硅电池为12%～18%，非晶硅薄膜电池为 5%～8%，CIGS 薄膜电池为5%～11%。

单一负温度系数效率模型，考虑日间实际光伏组件的板温一般会高于气温，在25～80 ℃随着电池板温的增加，光电转换效率会有所降低，即

     (13.17)

式中，T_c为板温(单位：℃)，β 为温度系数(单位：/℃)。β 与光伏电池材料有关，对于晶体硅材料，β 取值在 0.003～0.005 /℃之间。

温度和太阳总辐射的两要素模型，综合考虑太阳总辐射和板温的非线性影响，

     (13.18)

式中，a₁、a₂、a₃为经验参数，可通过最小二乘法求解。

2)太阳总辐射预报

根据预报时间尺度划分，目前太阳总辐射预报方式可分为超短时(1 h以内)和短时临近(0～5 h)太阳总辐射预报，使用卫星云图资料外推；短期(5 h以上到3 d)太阳总辐射预报，主要使用MM5、WRF、NDFD、ECMWF、GFS/WRF等中尺度数值预报模式，并对模式结果进行订正和解释应用；短期预报也可采用回归或神经网络方法等统计学方法。数值预报模式得到了广泛的应用，以ECMWF、GFS/WRF 为例，对德国2007年7月至2008年6月期间某一天的太阳总辐射进行预报试验，不同模式和处理下误差情况表明ECMWF模式预报效果最好。

此外，介绍几种模式订正方法。利用ECMWF提供的未来3 d每3 h的太阳总辐射预报数据，结合清晰度指数和插值法预测未来3 d的逐时太阳总辐射，并采用偏差校正避免了模式输出在云天情况下固有正偏差的影响，使得相对平均误差接近零，对德国 2007 年 5 月的 6 d 实测太阳总辐射和预报值进行校验，对于单站点未来1 d预测的相对均方根误差为36.9%，未来第3天预测的相对均方根误差为46.3%；不过由于空间平均效应，随着观测站点增加(样本充分)，在空间范围为 9°× 10°未来 1 d 预测的相对均方根误差降低为13.4%，未来第3天预测的相对均方根误差为22.5%。在现有天气实况和数值预报基础上，结合临近订正预报，即采用“预报＋实测＋临近订正”方法，以降低天气预报失误对于发电量预报准确性的影响。对日本气象厅 1994—2003年10年间基于云量和气溶胶的数据和同期太阳总辐射数据，按天气、日期、时间分类，根据晴天/雨天/云天将天气划分为 14种变化类型，采用不同订正因子，以提高对未来1 d逐时太阳总辐射预报的准确率。

(3)动力--统计预报法

动力--统计预报法，其模型的建立不考虑光电转换物理意义，通过对历史观测数据资料进行分析和处理(统计学方法)，可以采用常规的预测方法如指数平滑法对光伏发电量序列进行时间序列分析，以历史发电量预报未来发电量，该方法最大优点是简单，但只适应于发电量变化不大的平稳时间序列；或是采用自回归分析方法、神经网络等数学方法，探寻影响光伏发电量的多种气象要素，建立光伏发电系统出力与气象要素相关性的统计模型后，输入天气预报或(和)太阳总辐射预报值，进行发电量预测，该类方法可以考虑到各种气象要素对光伏系统发电量的影响，预测精度好，但是算法相对复杂。

1) 统计模型

动力--统计预报法中直接对发电量序列进行趋势分析，以历史发电量预测未来发电量，预测误差大，实际应用意义不大。而应用较多的是采用线性回归分析方法或非线性方法如支持向量机、神经网络等方法，寻找气象要素与光伏发电量相关性统计模型。

①多元多项式回归模型。考虑到太阳总辐射、气温、风速等气象要素对光伏发电的影响，通过大量实况数据的处理，获得通用性较好的多项式回归模型：

     (13.19)

式中，T_a为气温，v为风速，a、b、c、d为回归系数。

②神经网络模型 。吴福宝等(2011)采用神经网络，建立发电量与太阳总辐射、板温的函数模型，历史拟合效果好，优于式     (13.16)所示传统效率模型，但发电量预报严重依赖于太阳总辐射预报准确性；查良松(1996)采用神经网络训练出基于逐日天气预报信息的光伏发电量预测模型，利用了光伏历史发电量序列的自相关性，但缺乏详细的气象资料，只考虑日天气类型(类似电力系统负荷预测)和日最高气温，未能找出影响光伏发电量的关键逐时气象要素。

目前常用的统计模型存在一些局限，有待于我们进一步的研究，如多元回归分析法存在的最大缺点是随机误差较大、模型适应性不强；神经网络算法收敛速度慢、效率低下，容易陷于局部极小，更为重要的是其求解过程对外呈现黑匣子，缺乏必要的物理参考意义。

2)动力模式

动力学模式是基于大气质量、动量、能量守恒以及大气状态方程等基本物理原理，模拟大气运动的计算流体动力学模式，也称物理大气模式，可分为预报模式和诊断模式。数值天气预报是一个决定太阳能发电量预报精度的重要因素，它可以提供太阳总辐射预报，具体分析可以参考第二种方法中的太阳总辐射预报。

太阳能光伏发电是一种直接将太阳能转变成电能的发电方式，由于转换效率提高、运行周期长，可提供大量电力，安装方式灵活，既可以建设大型荒漠或滩涂电站，也易于在建筑物上集成，所以近年在世界范围内得到较快增长。与常规能源发电相比，太阳能的时空分布不均匀，平均能量密度低，受气象条件影响较大，太阳能光伏发电出力具有较大不连续性和不确定性，将对电网安全运行产生一定冲击。随着国内太阳能光伏装机容量的迅速扩大以及大型并网光伏发电或分布式并网电站步入大规模发展阶段，发展太阳辐射及光伏发电功率预报技术方法、指标体系和服务系统，有利于提高电网调度能力，保障电网安全运行，同时有助于发电企业运营水平的提升和发电量的提高。

目前，陈正洪等依托风能太阳能评估中心、气科院、华中科技大学等完成了我国气象部门第一个太阳能光伏发电预报系统研制，并已在全国气象部门进行了推广应用。考虑到光伏发电功率预报涉及多个专业部门，在开展光伏发电功率预报时，应注重辐射传输过程和光电转换技术的科学性，制定统一的预报方法行业规范，以更好地开展光伏发电预报和服务。

在组织和实施光电功率预报服务的过程中，中国气象局应指定具体业务单位负责建立、完善太阳能数值天气预报公共服务平台体系；制定太阳能专业观测网建设和运行技术规定，规范观测网观测数据的提交和共享服务管理。并通过适当方式向光电开发企业或光电功率预测技术服务单位等用户免费提供光能数值预报产品。申请光能公共预报服务的企业和技术服务单位应按有关规定办理备案和登记手续，具体办法由气象局制定，并报能源局备案。

太阳能光电开发企业根据太阳能数值天气预报数据，并结合光伏电站地形、现场太阳能资源实测数据和光伏电站发电运行统计数据等开展光伏电站光电功率预报工作。光电功率预报工作也可由光电开发企业委托光电功率预测技术服务单位承担。

大型光伏电站应按照有关气象观测规范标准，配套建立太阳能观测站。气象部门可根据全国太阳能资源观测业务需要，将部分光电开发企业的太阳能观测站纳入全国太阳能资源专业观测网。各光电开发企业应按照有关技术规范建设和完善太阳能观测站，并负责后期维护工作，按要求向气象部门传送观测数据。