基于时空辐照分布特性的光伏电站发电超短期预测算法

李慧; 陈少梁

沈阳工业大学学报 ›› 2026, Vol. 48 ›› Issue (4) : 36 -42.

李慧, 陈少梁

作者信息 +

Author information +

文章历史 +

摘要

【目的】针对光伏电站内部空间辐照分布不均匀导致发电预测准确性不高的问题，突破传统方法在捕捉时空动态特性方面的局限性，提出一种融合时空辐照分布特性的超短期预测算法，以提升晴天及阴天等复杂条件下的预测可靠性，满足电网实时调度需求。【方法】通过三个关键维度(大气层外太阳辐射照度、大气质量、大气透明度)构建辐照度计算体系。结合时角修正和太阳高度角确定入射角度；引入太阳常数和大气衰减系数以量化外层辐射强度；通过大气质量和透明度参数表征大气衰减效应；整合直接辐射与散射辐射，形成完整的辐照度计算框架。为提高预测准确性引入相似日概念，通过计算日相似度和前趋势相似度，并结合二者建立目标函数以选取与预测日辐照度分布相似的历史日期。在发电预测方面，结合多层感知机(multi-layer perceptron, MLP)和深度置信网络(deep belief network, DBN)构建MLP-DBN模型，利用相似日选取方法及太阳辐照度数据构建预测样本。将太阳辐照度样本输入MLP模块，得出发电初始预测值并计算残差，DBN模块根据残差进行精准预测，通过相关表达式计算隐藏层及输出层输出，并建立目标函数以调整网络权值，训练MLP直至均方误差最小化，最终输出光伏电站超短期发电预测结果。【结果】实验结果表明，在晴天和阴天条件下，本文算法计算出的辐照度与实际值高度吻合，而传统方法存在明显偏差。此外，发电预测曲线显示，本文算法的预测结果更贴近实际值，得益于高效的历史相似辐射日筛选机制。定量分析进一步表明，该算法在晴天和阴天下决定系数均优于对比方法，尤其是在阴天条件下的稳定性突出，验证了其强鲁棒性。本文算法模型能够从样本中学习复杂非线性关系和高层次特征，从而精准捕捉不同气象条件下的细微差异。【结论】本研究既通过整合辐照度时空分布特性和深度学习技术准确刻画了大气辐射传输过程，又通过深度网络有效提取了天气相关的非线性特征。该方法为光伏电站参与电力市场竞价和电网调度提供了可靠的技术支持，对促进新能源消纳具有重要实践价值。