前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇光伏發(fā)展的歷史范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

光伏發(fā)展的歷史范文第1篇

【關(guān)鍵詞】：光伏發(fā)電；太陽能；電網(wǎng)

1光伏發(fā)電的歷史

在漫漫的歷史長河中，太陽能光伏發(fā)電技術(shù)在人們生活中發(fā)展的時間并不久遠，距今僅有100多年的歷史。1839年，法國物理學家安東尼?亨利?貝克勒爾（AntoineHenriBecquerel）在實驗中首次發(fā)現(xiàn)“光生伏打效應”（photovoltaiceffect），簡稱“光伏效應”。1873年，英國科學家威廉?史密斯（WiloughB.Smith）發(fā)現(xiàn)了硒，此材料對光非常敏感，并且威廉對這一發(fā)現(xiàn)作出了推測：硒材料的導電能力會隨著陽光照射的光通量的變化而變化。美國科學家查爾斯?弗里茨（CharlesFritts）于1980年研發(fā)出一種太陽能電池，這也是全球首塊以硒材料為基底的太陽能電池。人們之所以將“光伏器件”定義為能產(chǎn)生“光伏效應”的器件，原因是太陽能電池利用光伏效應的原理進行工作。

1961-1971年期間，光伏電池在技術(shù)上并沒有明顯的進步和改變，其研究重點主要是如何減少開發(fā)電池的成本和如何提高電池的抗輻射能力；1972-1976年，科學家成功研發(fā)出光伏電池，并初步應用到生產(chǎn)與生活中。此后，光伏發(fā)電逐步降低了開發(fā)成本，技術(shù)上也不斷得到改善和提高。目前，光伏發(fā)電技術(shù)正一步步走向產(chǎn)業(yè)化、規(guī)范化，并且已成為現(xiàn)在地球上主要的綠色環(huán)?？稍偕茉粗?。

2太陽能光伏發(fā)電的優(yōu)勢

2.1資源本身

太陽是一個巨大、永久的能量源，每秒輻射到地球的能量相當于使用500萬t的標準煤，相當于每年就要使用130萬億t標準煤。世界上可以開發(fā)的能源當中太陽是最大的。而且太陽照射大地時不會受到地域的限制，所以可以直接開發(fā)和使用，在開發(fā)時不會用到開采和運輸。在隨著煤、石油、天然氣……大量的消耗，能源的供應會越來越緊張。

2.2地理優(yōu)勢

我國太陽能資源非常豐富，理論上來說太陽能的儲量達到了每年的17000億t標準煤，太陽能的開發(fā)利用的潛力是巨大的。中國處于北半球，南北距離和東西距離都在5000km以上。在這遼闊的土地上有著豐富的太陽能資源。大多數(shù)地區(qū)年平均輻射量都在4kWh/m2以上，的日輻射量更是達到了7kWh/m2。年日照時數(shù)多于2000h，和同一緯度的國家相比，比歐洲、日本具有優(yōu)勢，和美國相似。

3太陽能光伏發(fā)電系統(tǒng)

我們通常把利用太陽能板將太陽能轉(zhuǎn)化為電能的過程叫做光伏發(fā)電，把由控制器、太陽能電池陣列、電能的儲存和變換裝置等組成的系統(tǒng)叫做光伏發(fā)電系統(tǒng)。光伏發(fā)電系統(tǒng)分為獨立型系統(tǒng)、并網(wǎng)型系統(tǒng)和混合型系統(tǒng)。

如圖 1 所示，獨立型光伏發(fā)電系統(tǒng)的特點是不與國家電網(wǎng)連接，但需要用蓄電池來儲存能量。在有太陽光照的情況下，該系統(tǒng)可以用于國家電網(wǎng)無法到達的用電設(shè)備。當蓄電池中的存儲量小于光伏陣列的發(fā)電量時，光伏列陣產(chǎn)生的電能小于負載消耗的電能，這樣蓄電池組和光伏列陣一起給負載供電。若無太陽光照，就由蓄電池獨立為其提供電源。 如圖 2 所示，并網(wǎng)型光伏發(fā)電系統(tǒng)的特點是系統(tǒng)的輸出端要和國家的電網(wǎng)相連。按照接入點的不同，并W型光伏發(fā)電系統(tǒng)可分成配電側(cè)并網(wǎng)型光伏發(fā)電系統(tǒng)和輸電側(cè)并網(wǎng)型光伏發(fā)電系統(tǒng)。并網(wǎng)型光伏發(fā)電系統(tǒng)大多應用于樓房外側(cè)，并網(wǎng)點多數(shù)在配電側(cè)。輸電側(cè)并網(wǎng)光伏發(fā)電系統(tǒng)與之最大的不同是安裝地點不同，其大多數(shù)安在沙漠。

它的工作流程是：先利用光伏陣列把太陽能變成電能，然后利用逆變器將產(chǎn)生的直流變?yōu)榉想娋W(wǎng)要求的交流電，最終將符合條件的電能并入電網(wǎng)。

如圖 3 所示，混合型光伏發(fā)電系統(tǒng)最大的優(yōu)點是系統(tǒng)中不僅有光伏發(fā)電系統(tǒng)，還有多種模式的發(fā)電系統(tǒng)。當光伏發(fā)電系統(tǒng)產(chǎn)生的電能小于負載需要的電能時，可以通過其他發(fā)電方式來彌補缺少的電能。

目前，風光互補發(fā)電系統(tǒng)的應用比較廣泛，提高了整個混合型光伏發(fā)電系統(tǒng)的可靠性和穩(wěn)定性。

4光伏發(fā)電發(fā)展遠景

光伏發(fā)電技術(shù)將在不久以后占據(jù)能源消費的重要地位，其發(fā)展將替代一些常規(guī)型能源，且將成為能源的主體供應方式。預計在2030年，對于可再生能源消耗量將占到能源總消耗量的百分之三十以上，其中光伏發(fā)電也將占世界電力供應比例的百分之十以上；而到2040年時，可再生能源的消耗量將占能源消耗總量的百分之五十以上，其中光伏發(fā)電可占到總電力百分之二十以上；二十一世紀末，可再生能源的消耗量將占到能耗總量的百分之八十以上，而太陽能光伏發(fā)電可占至百分之六十。這些數(shù)據(jù)足以表明光伏發(fā)電產(chǎn)業(yè)發(fā)展的前景和在能源方面所占據(jù)的重要位置。有關(guān)報道稱，至2020年時，我國會力爭將太陽能光伏發(fā)電容量到達180萬KW，至2050年可達60000萬KW。預計至2050年，可再生能源發(fā)電裝機可占我國發(fā)電裝機總?cè)萘康陌俜种?，其中太陽能電力裝機可占百分之五左右。在未來的十幾年里，將會是我國光伏發(fā)電產(chǎn)業(yè)的一個迅猛發(fā)展階段。

5結(jié)束語

總之，發(fā)展利用可再生能源不僅可以降低環(huán)境污染，符合我國可持續(xù)發(fā)展的戰(zhàn)略要求，也是當今世界必須要走的能源之路。由于中國是能耗大國，且人口密度分布不合理，因此要想讓國家保持能源供給的安全性和獨立性，堅持可持續(xù)發(fā)展的戰(zhàn)略方針及分散人口地區(qū)居民用電，就必需大力發(fā)展太陽能光伏發(fā)電系統(tǒng)。

【參考文獻】

光伏發(fā)展的歷史范文第2篇

關(guān)鍵詞 光伏發(fā)電預測；太陽輻照度；天氣預報；多項式回歸

中圖分類號：TM615 文獻標識碼：A 文章編號：1671-7597（2014）15-0043-02

太陽能光伏發(fā)電系統(tǒng)的輸出功率取決于太陽輻照強度、溫度、風速、云量等因素，其輸出功率的變化具有不連續(xù)性和不確定性的特點[1]。因此，大規(guī)模集中并網(wǎng)光伏發(fā)電系統(tǒng)容量的增加會對電網(wǎng)的穩(wěn)定運行產(chǎn)生影響。因此，光伏發(fā)電量預報技術(shù)對于電力負荷配合、電網(wǎng)的穩(wěn)定運行具有重要的意義。

本文是通過天氣預報給出的氣象數(shù)據(jù)，來對本文對上海浦東新區(qū)某套光伏系統(tǒng)的輸出功率預測進行研究。

1 光伏發(fā)電系統(tǒng)出力的預測方法

目前，光伏發(fā)電系統(tǒng)出力的預測方法主要有兩種：物理方法和統(tǒng)計方法[2]。

物理方法是利用太陽能電池光伏發(fā)電的原理，通過光電轉(zhuǎn)換效率的定義來建立起影響光電轉(zhuǎn)換效率的經(jīng)驗公式和經(jīng)驗系數(shù)，輸入太陽能總輻射預報值，進行光伏發(fā)電量預報[3]。

統(tǒng)計方法利用建立光伏發(fā)電系統(tǒng)出力與氣象要素相關(guān)性的統(tǒng)計模型后，輸入天氣預報和太陽總輻射預報值，進行發(fā)電量預測[4]。常見的統(tǒng)計方法包括多元多項式回歸模型、神經(jīng)網(wǎng)

絡(luò)[4]等。

表1給出了利用物理方法和統(tǒng)計方法預測光伏發(fā)電功率時所需要的數(shù)據(jù)[3]。

表1 光伏發(fā)電預測方法所需數(shù)據(jù)

物理方法 統(tǒng)計方法

電池板面積 歷史發(fā)電量數(shù)據(jù)

太陽能電池材料 歷史太陽輻照度數(shù)據(jù)

標稱效率 歷史氣象數(shù)據(jù)

溫度系數(shù) 氣象預報數(shù)據(jù)

太陽輻照度預報值 太陽輻照度預報值

因為本文是通過歷史數(shù)據(jù)及天氣預報來對光伏系統(tǒng)出力進行預測，所以我們選取統(tǒng)計方法來建立預測模型。

2 太陽能光伏發(fā)電系統(tǒng)預測模型的設(shè)計

通過天氣預報無法獲得統(tǒng)計方法所需要的太陽輻照度預報值，所以本文先利用光伏發(fā)電系統(tǒng)歷史發(fā)電數(shù)據(jù)、太陽輻照度數(shù)據(jù)和氣象數(shù)據(jù)建立了多元多項式回歸模型，然后在此基礎(chǔ)上建立了晴天、多云、陰天和雨天這四種天氣類型下的只以氣溫為輸入變量的預測模型。圖1給出了光伏發(fā)電系統(tǒng)發(fā)電預測框架圖。

圖1 光伏發(fā)電系統(tǒng)出力預測框架圖

本文利用的數(shù)據(jù)包括上海浦東氣象局提供的氣象資料（氣溫及天氣類型），以及光伏電站提供的相關(guān)運行數(shù)據(jù)。對于氣象資料中的陣雨轉(zhuǎn)多云、多云轉(zhuǎn)雷陣雨等一天內(nèi)天氣類型多變的情況，我們認為白天為多云的即為多云、白天為陣雨的即為雨天。觀察歷史發(fā)電數(shù)據(jù)可知，光伏發(fā)電系統(tǒng)輸出功率集中在5：00-18：00內(nèi)。因此，我們認為有效發(fā)電時間為13h。對5：00-18：00內(nèi)每5分鐘一個采樣點的歷史發(fā)電數(shù)據(jù)及輻照度數(shù)據(jù)進行算術(shù)平均，計算結(jié)果如表2所示。表3給出了其中三天的計算結(jié)果。

表3 三天的歷史發(fā)電計算數(shù)據(jù)及氣象數(shù)據(jù)

日期 平均有效

功率/kW 平均有效太陽

輻照度W/m2 氣象數(shù)據(jù)

氣溫/℃ 天氣類型

6月8日 12.593 245.425 24.0 陰天

6月10日 10.082 198.652 25.1 雨天

6月28日 15.110 310.701 28.8 多云

通過歷史數(shù)據(jù)建立多元多項式回歸模型，光伏發(fā)電系統(tǒng)輸出功率是溫度和太陽輻照度的函數(shù)，表示為：

在現(xiàn)有的20組數(shù)據(jù)中，選取6月7日、17日、24日和27日用于誤差的評估。利用MATLAB對其余的16組數(shù)據(jù)進行擬合，擬合結(jié)果為：

a=-1.10730；b=-0.00073；c=0.07630；d=-0.00001

太陽輻照度的變化具有動態(tài)性、多擾量性等特點，其中云量、大氣狀況、天氣狀況等因素的影響至關(guān)重要[5]。由于天氣預報并未提供統(tǒng)計方法所需要的太陽輻照度預報值，但在同一天氣類型下，我們可以認為每天的有效太陽輻照度平均值近似相等。所以本文對歷史數(shù)據(jù)按天氣類型分類，求出各天的有效太陽輻照度平均值Hi，再在同天氣類型下求出，將該值視為該天氣類型下的各天有效太陽輻照度平均值。表4給出了各天氣類型對應的有效太陽輻照度平均值。

表4 各天氣類型對應的有效太陽輻照度平均值

天氣類型 晴天 多云 陰天 雨天

日太陽輻照度平均值W/m2 484.243 368.147 261.257 181.267

將表4中的數(shù)據(jù)代入多元多項式回歸模型，即可得到無輻照度預測時，基于天氣預報預測光伏系統(tǒng)出力的模型。表5給出了各天氣類型下的光伏發(fā)電系統(tǒng)功率預測模型。

表5 光伏系統(tǒng)各天氣類型下的功率預測模型

天氣類型 光伏發(fā)電系統(tǒng)功率預測模型

晴天 P=33.49553-0.35350*T（kW）

多云 P=25.62699-0.26875*T（kW）

陰天 P=18.14406-0.19072*T（kW）

雨天 P=12.39479-0.13232*T（kW）

利用表5中的模型，我們可在無太陽輻照度預測時，僅根據(jù)天氣預報所提供的溫度與天氣類型預報來預測光伏發(fā)電系統(tǒng)的有效輸出功率，預測的時間尺度可達1-7d。將有效輸出功率P乘以有效時間13h，即可得到光伏系統(tǒng)發(fā)電量。

圖2給出了利用表5所建立的預測模型來預測6月7日、17日、24日和27日的發(fā)電功率。

圖2 預測功率與實際功率

在預報檢驗中，我們采用平均絕對百分比誤差MAPE對預報誤差進行評估[6]。經(jīng)計算，預測模型的MAPE為9.07%。根據(jù)預測精度劃分表可知，當MAPE

在考慮影響模型預測精度的原因時，本文分析了以下幾個因素。

1）由于數(shù)據(jù)的缺乏，在計算太陽輻照度的時候，只是簡單地對同一天氣類型下的輻照度求平均，并將該平均值視為該天氣類型下的平均輻照度值。而實際情況下，即使是相同的天氣類型下，太陽輻照度也會隨赤緯角、太陽時角的變化而變化。因此，若在計算有效太陽輻照度平均值時，按季節(jié)和天氣類型區(qū)分，會使得預測模型的可靠性得到提高。

2）對多種天氣類型只是簡化為晴天、多云、陰天和雨天。實際生活中會出現(xiàn)晴轉(zhuǎn)多云、小雨轉(zhuǎn)陰等一天內(nèi)天氣類型多變的情況。并且，即使在同一天氣類型下，云量、云狀等也是有差別的，所以對太陽輻照度的影響是也是有差異的。

3）計算太陽輻照度的過程中都是對同一天氣類型下幾天的數(shù)據(jù)簡單求平均，并沒有考慮不同大氣條件的影響。實際中，太陽輻照度還與當時大氣中水汽含量、氣溶膠等有關(guān)。另外，大氣中O3、O2、H2O等也會吸收太陽輻射。

4）上海地區(qū)屬于霧霾天氣多發(fā)的地區(qū)。霧霾天氣發(fā)生時，會造成高濃度氣溶膠事件，從而削弱了到達地面的太陽輻照度，使得光伏發(fā)電系統(tǒng)發(fā)電功率的預測結(jié)果與實際值有所偏差[8]，而本文也沒有考慮到霧霾的影響。

3 結(jié)論

光伏電站輸出功率預測對于保持電力系統(tǒng)的功率平衡和經(jīng)濟運行有著重要的意義。本文依據(jù)夏季20天的相關(guān)歷史數(shù)據(jù)為基礎(chǔ)，建立了各天氣類型下只以溫度為輸入變量的功率預測模型，預測結(jié)果的MAPE為9.07%，表明了預測模型具有一定的參考價值。

基金項目

上海市科委節(jié)能減排專項（12dz1200302）

參考文獻

[1]張雪莉，劉其輝，馬會萌，李蓓.光伏電站輸出功率影響因素分析[J].電網(wǎng)與清潔能源，2012，28（5）：75-81.

[2]蔣亞娟.光伏電池建模及其在光伏發(fā)電預測中的應用[D].華中科技大學2011.

[3]李芬，陳正洪，成馳，段善旭.太陽能光伏發(fā)電量預報方法的發(fā)展[J].氣候變化研究進展，2011，7（2）：136-141.

[4]張嵐，張艷霞，郭嫦敏，趙杰.基于神經(jīng)網(wǎng)絡(luò)的光伏系統(tǒng)發(fā)電功率預測[J].中國電力，2010，43（9）：75-78.

[5]林星春.基于神經(jīng)網(wǎng)絡(luò)的太陽輻射復合預測技術(shù)研究[D].東華大學，2006.

[6]何明瓊，陳正洪，成馳.光伏發(fā)電量與氣象因子的關(guān)系及其預報試驗簡報[A].第27屆中國氣象學會年會氣候資源應用研究分會場論文集[C].2010.

[7]趙洪賓.給水管網(wǎng)系統(tǒng)理論與分析[M].北京：中國建筑工業(yè)出版社，2003：1-30.

[8]何滎，全利.淺談空氣污染對中國天然光照度的影響[J].燈與照明，2013（01）：17-18，33.

光伏發(fā)展的歷史范文第3篇

【關(guān)鍵詞】 功率預測 短期預測 均方根誤差

發(fā)電與用電必須實時平衡是電力系統(tǒng)運行的重要特點，只有這樣系統(tǒng)才能保證安全和穩(wěn)定。因而無論在國內(nèi)還是國外，電網(wǎng)調(diào)度部門主要負責電力系統(tǒng)的調(diào)頻、調(diào)峰、安排發(fā)電計劃和備用容量等業(yè)務。對于新能源發(fā)電方面，尤其以光伏和風電為代表，當其在電力系統(tǒng)中達到較高透率時，準確預測其輸出功率不僅有助于調(diào)度部門提前調(diào)整調(diào)度計劃來減輕光伏風電間歇性對電網(wǎng)的影響，而且還可減少備用容量的安排，從而降低系統(tǒng)運行成本。因此，新能源功率預測在電網(wǎng)調(diào)度領(lǐng)域占有舉足輕重的地位，更精確的預測風能、太陽能發(fā)電功率有利于制定合理的電力調(diào)度計劃。

1 國內(nèi)外研究現(xiàn)狀

對新能源發(fā)電功率預測技術(shù)的研究較早起源于國外，尤其以丹麥、德國、瑞士、西班牙和日本等國的相關(guān)大學和科研機構(gòu)為代表。上世紀90年代丹麥開始大力發(fā)展風電，促使了其不同公司或高校開始研究新能源功率預測問題。[1]相繼產(chǎn)生了多個產(chǎn)品，如Riso實驗室開發(fā)了Prediktor系統(tǒng)，丹麥技術(shù)大學開發(fā)出WPPT（Wind Power Prediction Tool）系統(tǒng)，而后的用于風電功率預測的Zephry系統(tǒng)就是由Prediktor和WPPT整合而來，另外由ENFOR公司研發(fā)的用于光伏功率預測的SOLARFOR系統(tǒng)也比較有代表性；作為國際上較早大面積應用新能源的德國，其Oldenburg大學開發(fā)了Previento系統(tǒng)，德國太陽能研究所開發(fā)了風電功率管理系統(tǒng)（WPMS）；西班牙Joen大學建立了19kW的光伏發(fā)電站驗證其發(fā)電預報準確率[2]，通過人工神經(jīng)網(wǎng)絡(luò)算法，以實測的光伏板溫度、日照輻射強度為輸入值，以其I/V曲線為目標函數(shù)，訓練神經(jīng)網(wǎng)絡(luò)的多層傳感器，求解出逼近實際工況的I/V曲線，建立了發(fā)電功率日照強度、板溫之間的函數(shù)關(guān)系，經(jīng)過驗證，該系統(tǒng)2003年發(fā)電量預測值與實測值的歷史相關(guān)系數(shù)高達0.998。國內(nèi)方面光伏發(fā)電量預測技術(shù)研發(fā)起步較晚。華北電力大學[3]結(jié)合光伏組件數(shù)學模型和保定地區(qū)氣象資料，模擬了30MW光伏電站發(fā)電量數(shù)據(jù)，利用支持向量機回歸分析方法進行功率預測，但該方法無實際光伏電站的實況發(fā)電量數(shù)據(jù)，缺乏實驗驗證，對實際光伏電站發(fā)電量預報的指導意義有限。華中科技大學[4]利用該校屋頂光伏并網(wǎng)發(fā)電系統(tǒng)資料進行研究，通過2005―2010年不同季節(jié)氣象因素與發(fā)電量之間的相關(guān)分析，得出光伏發(fā)電量與輻照度的相關(guān)性最大、溫度次之、風速再次之。

2 功率預測方法及分類

為提高功率預測精度，國內(nèi)外研究機構(gòu)都在嘗試各種新的預測方法，主要的功率預測方法分類如（圖1）。

時間序列分析是持續(xù)預測法中的一種，其認為風速、輻照強度預測值等于最近幾個風速、輻照強度歷史數(shù)據(jù)的滑動平均值，通常只是簡單地把最近一點的觀測值作為下一點的預測值。該模型的預測誤差較大，且預測結(jié)果不穩(wěn)定。改進的方法有ARMA模型法、卡爾曼濾波法。

人工神經(jīng)網(wǎng)絡(luò)方法被廣泛用來解決非線性問題的建模方法。它由大量簡單元件相互連接而成的復雜網(wǎng)絡(luò)，具有高度的非線性，能夠進行復雜的邏輯操作的非線性關(guān)系。其具有很多優(yōu)良性能，如非線性映射能力、自組織性和自適應性能力、記憶聯(lián)想能力、容錯能力等。

按照風電或光伏功率預測的時間尺度可分為中長期、短期和超短期預測。對于中長期預測或更長時間尺度，主要用于風光電場或電網(wǎng)的檢修維護計劃安排等的預測。對于30分鐘～72小時的預測，主要用于電力系統(tǒng)的功率平衡和經(jīng)濟調(diào)度、電力市場交易、暫態(tài)穩(wěn)定評估等稱為短期功率預測。一般認為不超過30分鐘的預測為超短期預測。從預測模型建立角度考慮，不同時間尺度的預測有本質(zhì)區(qū)別：0～3小時的預測主要由大氣條件的持續(xù)性決定，所以如果不通過數(shù)值天氣預報也能得出較好的預測結(jié)果，如采用可得到更好結(jié)果。對于時間尺度超過3小時的預測，不考慮數(shù)值天氣預測無法反應大氣運動的本質(zhì)，所以難以得到較好的預測結(jié)果，所以通常的預測方法都采用數(shù)值天氣預報的數(shù)據(jù)。

基于物理方法的功率預測流程示意圖如下（以風功率預測為例）。首先通過數(shù)值天氣預報得到風速、風向等氣象數(shù)據(jù)，再根據(jù)電場周圍的地理信息參數(shù)（等高線、粗糙度、障礙物、溫度分層等）采用軟件計算得到風機輪轂高度的風速、風向、氣溫、氣壓等參數(shù)，最后根據(jù)風機功率曲線計算得到風電場輸出功率。因為在不同的風向和溫度條件下，即使風速相同，風電場輸出功率也不相等，因此風電場功率曲線是一族曲線，同時還應考慮風電機組故障和檢修的情況。對整個區(qū)域進行風電功率預測時，可對所有的風電場輸出功率進行預測，然后求和得到區(qū)域總功率。

基于統(tǒng)計方法的風電/光伏的功率預測不考慮風速/輻照變化的物理過程，根據(jù)歷史統(tǒng)計數(shù)據(jù)找出天氣狀況與風光電場出力的關(guān)系，然后根據(jù)實測數(shù)據(jù)和數(shù)值天氣預報數(shù)據(jù)對電場輸出功率進行預測。

兩種方法各有優(yōu)缺點。物理方法無需大量的測量數(shù)據(jù)，但對大氣的物理特性及風/光電場特性的數(shù)學描述要求較高，這些描述方程求解困難、計算量大。統(tǒng)計方法無需對求解方程，計算速度快，但需要大量歷史數(shù)據(jù)，采用機器學習方法對數(shù)據(jù)進行挖掘與訓練，得到氣象參數(shù)與風/光電場輸出功率的關(guān)系。目前的趨勢是將兩種方法混合使用，稱之為綜合方法。

3 三種預測方法的對比

通過應用三種統(tǒng)計預測算法于某案例中對其預測精度進行了對比。案例以某島嶼上的分布式風光電站發(fā)電量為檢驗對象，該電站由25臺30kw并網(wǎng)光伏逆變器、5臺50kw風機組成，合計1000kw。選取2013年4月份的歷史功率數(shù)據(jù)和歷史數(shù)值天氣預報數(shù)據(jù)作為模型建立依據(jù)，5月份發(fā)電量作為預測對象（因為該區(qū)域4，5月份天氣變化相對最小），并采用同時段的歷史功率數(shù)據(jù)對模型的預測結(jié)果進行驗證。

3.1 ARMA預測模型

3.1.1 ARMA模型的基本原理

ARMA模型也稱為自回歸滑動平均模型，是研究時間序列的重要方法之一，是由自回歸與滑動平均兩種模型“混合”而成。常用于長期追蹤資料的研究和用于具有季節(jié)變動特征數(shù)據(jù)的預測中，所以可將其應用于風電光伏功率預測領(lǐng)域。

3.1.2 預測結(jié)果及誤差分析

運用ARMA模型分別對5月1日9時0分至5月31日18時00分進行預測，得到原始風電光伏總功率和預測功率。預測結(jié)果如（圖3、4）所示。

常見的預測誤差的評估方法有平均絕對誤差，均方根誤差，相關(guān)系數(shù)等。均方根誤差放大了出現(xiàn)較大誤差的點，能更好的反映光伏電站預測模型的準確度，因此本文采用均方根誤差RMSE對模型的誤差進行評估。

其中，N-測試樣本數(shù)；P-裝機容量。

通過Matlab的計算，我們得到各項指標結(jié)果如表1。

3.2 卡爾曼濾波預測模型

3.2.1 模型基本原理

卡爾曼濾波法運用了濾波的基本思想，利用前一時刻預報誤差的反饋信息及時修正預報方程，以提高下一時刻的預報精度。要實現(xiàn)卡爾曼濾波法預測風光功率，首先必須推導出正確的狀態(tài)方程和測量方程。因已通過時間序列分析建立了風電功率時間序列的ARMA模型，故可將ARMA模型轉(zhuǎn)換到狀態(tài)空間，建立卡爾曼濾波的狀態(tài)方程和測量方程。

3.2.2 預測結(jié)果及誤差分析（如圖5、圖6）

通過Matlab的計算，我們得到各項指標結(jié)果如（表2）。

3.3 小波神經(jīng)網(wǎng)絡(luò)預測模型

對于上文的ARMA模型和卡爾曼濾波模型都屬于線性模型，都必須先對模型結(jié)構(gòu)做出假設(shè)，然后對模型參數(shù)的估計得到預測值。因此，模型結(jié)構(gòu)的合理與否，直接影響到最終預測的精度。由于風光電場功率具有高度的不確定性，因而單一的線性預測模型不足以挖掘其功率數(shù)據(jù)中的所有信息。而神經(jīng)網(wǎng)絡(luò)具有自學習、自組織和自適應性，可以充分逼近任意復雜的非線性關(guān)系，所以本文選擇小波神經(jīng)網(wǎng)絡(luò)方法對風光功率進行非線性預測研究。

3.3.1 小波神經(jīng)網(wǎng)絡(luò)法基本原理

小波神經(jīng)網(wǎng)絡(luò)是一種以BP神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)為基礎(chǔ)，把小波基函數(shù)作為隱含層節(jié)點的傳遞函數(shù)，信號前向傳播的同時誤差反向傳播的神經(jīng)網(wǎng)絡(luò)。小波神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)如圖7。

3.3.2 模型建立

首先采集四月份一整月的光伏風電功率數(shù)據(jù)，每隔15min記錄一個時間點，共有960個時間節(jié)點的數(shù)據(jù)，用前四月份30天的功率數(shù)據(jù)訓練小波神經(jīng)網(wǎng)絡(luò)，最后用訓練好多的神經(jīng)網(wǎng)絡(luò)預測之后的功率數(shù)據(jù)。基于小波神經(jīng)網(wǎng)絡(luò)的功率預測算法流程圖如圖8所示。

小波神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)如圖9所示。

小波神經(jīng)網(wǎng)絡(luò)訓練：通過數(shù)據(jù)訓練小波神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)反復訓練100次。

神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)測試：用訓練好的神經(jīng)網(wǎng)絡(luò)預測風光功率，并對預測結(jié)果進行分析。

3.3.3 預測結(jié)果

利用Matlab處理數(shù)據(jù)并進行計算，我們得到基于小波神經(jīng)網(wǎng)絡(luò)的功率預測結(jié)果（圖10、11）。

預測結(jié)果分析：

本文采用了ARMA模型、卡爾曼濾波預測算法和小波神經(jīng)網(wǎng)絡(luò)算法對該島的分布式風光電功率數(shù)據(jù)樣本進行了預測。分析表1～表3預測效果評價指標，我們得到以下認識：小波神經(jīng)網(wǎng)絡(luò)模型中我們得到預測結(jié)果：超短期預測精確度誤差最小達到到7%，短期預測精確度誤差最小達到到9%，表明小波神經(jīng)網(wǎng)絡(luò)的預測結(jié)果已經(jīng)相當精確。對小波神經(jīng)網(wǎng)絡(luò)預測曲線與線性預測模型的預測曲線進行對比，可以看到：神經(jīng)網(wǎng)絡(luò)對于光伏風電功率的描繪更加平緩。

4 結(jié)論與展望

在對國內(nèi)外文獻廣泛調(diào)研的基礎(chǔ)上，較為全面地論述了風電、光伏功率預測技術(shù)的研究現(xiàn)狀和最新動態(tài)，對當前功率預測技術(shù)方法進行了總結(jié)歸納，建立了針對某島嶼分布式風光互補示范工程的高精度發(fā)電功率預測模型，成功實現(xiàn)了分布式電源總輸出（光伏風電）的精確預測，實驗運行結(jié)果表明：該系統(tǒng)能夠準確預測次日短期和未來4小時超短期光伏發(fā)電出力，短期和超短期預測的月平均均方根誤差分別為9%和7%。

為了進一步提高功率預測精度還需要提高數(shù)值天氣預報質(zhì)量，從而得到精度更高更豐富的區(qū)域氣象數(shù)據(jù)。因此需要盡快建立我國數(shù)值天氣預報商業(yè)化服務，進一步完善風電光伏功率預測系統(tǒng)，提高預測精度。

參考文獻：

[1]BOSSANYI E A. Short-term wind prediction using Kalman filters[J]. Wind Engineering， 1985，9（1）：1-8.

[2]Almonacid F， Rus C， Perez P J，et al.Estimation of the energy of a PV generator using artificial neural network [J]. Renewable Energy， 2009， 34（12）：2743-2750.

光伏發(fā)展的歷史范文第4篇

在光伏業(yè)內(nèi)，“金太陽”示范工程幾乎成了一個負面形象的代名詞，或曰質(zhì)量不佳，或曰欺詐盛行。無論如何評價，它對中國光伏早期國內(nèi)終端市場規(guī)模化發(fā)展所發(fā)揮的重要作用，以及對中國能源發(fā)展戰(zhàn)略多種培育方式嘗試的重要意義都不可否認。在“金太陽”正在走入歷史的時候，對于這樣一個巨大的國家扶持工程，無論是從對社會投入負責任的角度，還是從建立數(shù)據(jù)基礎(chǔ)體系的角度，“金太陽”都到了需要梳理，并給社會一個交代的時候。

關(guān)于“金太陽”，已知和未知的情況是：國家“原則上按光伏發(fā)電系統(tǒng)及其配套輸配電工程總投資的50%給予補助”的“金太陽”，始于2009年7月的《關(guān)于實施金太陽示范工程的通知》，終于2013年12月的《關(guān)于清算2012年金太陽和光電建筑應用示范項目的通知》，4期共計批準項目總量約為6GW，但實際完成情況未公開，實際并網(wǎng)發(fā)電情況未公開，國家總計補貼金額也未公開。對于補貼金額，有資料顯示早期計劃建設(shè)不低于500MW，補貼金額在百億元。但在實際運行中，批準規(guī)模增加了十倍以上，補貼金額大幅增加也是勢所必然。

站在今天的角度看“金太陽”，人們不難看到這樣兩點：

“金太陽”的積極意義在于把中國光伏推向了一個重要的發(fā)展階段。2004年以前，中國光伏難言規(guī)模，當年組件產(chǎn)能僅為100MW。2004年以后，受歐洲市場需求突起拉動，生產(chǎn)規(guī)模迅速提升，2008年產(chǎn)量已經(jīng)達到1780MW，產(chǎn)品99%出口，國內(nèi)需求幾乎為零。2009年“金太陽”開始實施，到2013年，組件產(chǎn)量約為30000多MW，國內(nèi)外市場需求4：6，達到了一個必要的格局。之所以說“必要”，是因為出于能源長期發(fā)展戰(zhàn)略考慮，人類選擇了以早期承擔巨額成本的方式發(fā)展光伏新能源，從2004年開始，以德國為代表的歐洲首先承擔了起這份責任。從2009年“金太陽”開始，中國作為一個負責任的大國也承擔起了這份責任?！敖鹛枴钡膶嵤陀^上達到了三方面的積極意義：逐步改變了中國光伏過去技術(shù)、市場、原材料“三頭在外”的不合理產(chǎn)業(yè)格局；意外地為后來“雙反”時保護中國光伏而開拓國內(nèi)市場做了準備；維護了中國光伏強大的國際競爭力。

“金太陽”出現(xiàn)負面效果是必然的。國際上圍繞光伏發(fā)電補貼，主要分為上世紀九十年代“日本新陽光計劃”為代表的“事前補貼”，和2004年以后德國實行的固定電價為代表“事后補貼”兩種形式，區(qū)別在于，前者以電站建設(shè)完成為補貼時間，是一次性的；后者以并網(wǎng)發(fā)電實現(xiàn)為補貼時間，是一般持續(xù)20年以上的?！敖鹛枴笔堑湫偷摹笆虑把a貼”方式，而其實施的前提之一是社會信用體系的完善和成熟。

毋庸諱言的是，中國社會信用體系基礎(chǔ)一向薄弱，于是就有了“有相當一部分企業(yè)為了多得到財政補貼，采取‘低購高報’的辦法，提高系統(tǒng)總造價，借此騙取補貼。更有甚者，直接使用不符合補貼質(zhì)量要求的劣質(zhì)產(chǎn)品，甚至國外退貨的廢次產(chǎn)品。”總之從根本上講，事前補貼的作法不適合當前中國，事實上這種做法的比例在國際上也是遞減的。基于此，“金太陽”出現(xiàn)這樣或那樣的問題是正常的事情，它是中國光伏發(fā)展必須的一種探索。

時至今日，“金太陽”正在成為過去時，正反面的評論也在逐漸淡化，總結(jié)“金太陽”這樣重大社會事件的長遠價值，也許時間更長效果更好。當前該做的事情，應是將“金太陽”的實施結(jié)果進行一個梳理，還原一個真實的過程。

梳理“金太陽”，給社會一個交代是建立社會監(jiān)督機制的需要。在成熟的國家制度下，任何重大的政府行為，特別是需要巨額資金支持的政府行為，資金的支出應當獲得社會的批準，資金的使用情況及其結(jié)果應當獲得社會的認可，只有這樣才能形成合理的政府管理機制。遺憾的是，中國的許多事情不是這樣，于是就有了人們許多的抱怨。而這些抱怨，不是抱怨行為目的的對錯，而是抱怨行為運作程序的問題，因為該項目花的是每一個納稅人的錢?；{稅人的錢不向納稅人請示，花錢的結(jié)果也不向納稅人報告，這是一個邏輯不通的事情，因此“金太陽”實施中出現(xiàn)的諸多欺詐行為也就不足為奇了。

事實上，這些現(xiàn)象不是行為的初衷，但卻是行為的結(jié)果，改變這一異化結(jié)果的唯一辦法就是政府管理改革。沒有監(jiān)督機制的國家體制不是合理的國家體制，缺少監(jiān)督機制的政府行為是難免會出問題的行為。提倡政府管理改革，具體到“金太陽”就是對投資結(jié)果進行梳理并向社會匯報，能源管理改革請從“金太陽”開始。

梳理“金太陽”，給社會一個交代是不斷積累數(shù)據(jù)、建立產(chǎn)業(yè)標準的需要。在筆者過去的研究過程中，能夠找到的完整的“金太陽”數(shù)據(jù)甚少，而其對產(chǎn)業(yè)標準形成的相關(guān)作用的資料更少。標準的缺失既是中國光伏產(chǎn)業(yè)長期發(fā)展的軟肋，更是當前光伏產(chǎn)業(yè)投融資的硬傷。標準不是臆造出來的，是在大量數(shù)據(jù)積累的基礎(chǔ)之上分析、總結(jié)而來的，只有通過長時間完整數(shù)據(jù)的積累才有可能形成一個相對合理的產(chǎn)業(yè)標準。

光伏發(fā)展的歷史范文第5篇

“災難”是否會來襲，尚需觀察。但針對我國光伏產(chǎn)業(yè)的發(fā)展現(xiàn)狀，業(yè)界專家普遍認為，我國光伏產(chǎn)業(yè)應從生產(chǎn)向研發(fā)轉(zhuǎn)變，從制造向創(chuàng)造轉(zhuǎn)變。如果沒有創(chuàng)新，沒有自主知識產(chǎn)權(quán)，光伏產(chǎn)品必將陷入低價競爭的怪圈，國內(nèi)的光伏產(chǎn)業(yè)就沒有出路。

調(diào)查帶來壓力

在過去一年中，低迷不振的光伏產(chǎn)業(yè)，被冠以“寒冬、暗夜、低谷”等字眼。就在光伏產(chǎn)業(yè)頭上“朝陽行業(yè)”光環(huán)逐步褪色時，歐美針對中國光伏產(chǎn)品的調(diào)查，再度引發(fā)了人們對中國光伏產(chǎn)業(yè)前景的擔憂。

“這次反傾銷調(diào)查是國內(nèi)光伏制造業(yè)的成本下降速度遠高于國外同行業(yè)者的預期，加之歐洲光伏支持政策縮緊，造成國內(nèi)外同行業(yè)企業(yè)競爭加劇引起的。而且，由于國內(nèi)光伏產(chǎn)業(yè)近幾年多了不少規(guī)模小、技術(shù)水平低、創(chuàng)新能力不足、競爭力不強的中小企業(yè)。一些企業(yè)在技術(shù)競爭方面不具備優(yōu)勢，低價競銷成為其常規(guī)戰(zhàn)略，這容易給國外提起反傾銷以口實，也是國外提起反傾銷的一個誘因。”中關(guān)村儲能產(chǎn)業(yè)技術(shù)聯(lián)盟儲能專業(yè)委員會研究員李雷說，“如果此次反傾銷調(diào)查成立，必定會使一些規(guī)模小、實力不強、沒有核心技術(shù)的企業(yè)破產(chǎn)倒閉，而技術(shù)實力強、規(guī)模大、創(chuàng)新能力強的企業(yè)則要做好戰(zhàn)略整合

準備?！?/p>

與此前美國對華“雙反”調(diào)查不同，由于歐洲是中國光伏組件的最大出口地，去年中國光伏產(chǎn)品有60%輸往歐洲，歐洲市場對于中國光伏產(chǎn)業(yè)的意義非比尋常。甚至有人預測稱，如果歐盟對中國光伏產(chǎn)品征收高額的反傾銷稅，有可能導致六成左右的中國光伏企業(yè)倒閉。

創(chuàng)新謀求發(fā)展

反省自身，歐盟對我國光伏組件實施反傾銷調(diào)查，也從另一個側(cè)面反映出我國光伏產(chǎn)業(yè)創(chuàng)新能力的不足。

“總的來說，由于技術(shù)水平的原因，我國企業(yè)在大宗成套光伏設(shè)備制造等方面，目前還沒有形成規(guī)模和競爭力，這是影響我國光伏產(chǎn)業(yè)長遠、健康、可持續(xù)發(fā)展的一個障礙，必須引起重視。當我國勞動力成本競爭優(yōu)勢下降后，未來全球光伏企業(yè)比的就是核心技術(shù)帶來的成本降低?！崩罾渍f。

9月10日，記者在國家知識產(chǎn)權(quán)局專利檢索與服務系統(tǒng)中檢索發(fā)現(xiàn)，目前，我國與光伏有關(guān)的3種專利申請中，實用新型專利申請占比達60%，外觀設(shè)計專利申請占比達26.66%，而發(fā)明專利申請占比僅為13.33%。由此不難看出，雖然在專利申請量上我國光伏企業(yè)占據(jù)優(yōu)勢，但硬實力卻有待加強。