核心观点与关键数据
- 光伏预测的重要性：随着光伏发电在全球电力系统中的渗透率不断提高，光伏预测对于电网的稳定运行至关重要。报告重点关注了从几分钟到几天不等的时间范围内的光伏和太阳预测技术。
- 预测方法：预测方法主要分为物理和统计两种。物理方法利用太阳能和光伏模型生成预测，而统计方法主要依靠历史数据训练模型。
- 不同预测范围的方法：
- 短期预测（0-6小时）：最佳方法通常利用实测数据，例如持久性预测、全天空图像分析和卫星云迹向量方法。
- 中长期预测（6小时至数天）：数值天气预报（NWP）模型成为关键输入，通常需要结合后处理技术，例如模型输出统计（MOS）方法，以提高预测精度。
- 区域预测：区域预测通过利用代表性子集的预测结果来简化计算，并降低对每个光伏系统详细特性的需求。研究表明，区域预测的误差通常低于单个系统预测。
- 预测精度：预测精度受多种因素影响，包括：
- 当地气候和天气条件：晴朗地区预测精度较高，而多云地区预测精度较低。
- 单点或区域预测：区域预测精度通常高于单点预测，因为不同地点的预测误差趋于相互抵消。
- 预测范围：预测精度通常随预测范围的增加而降低。
- 精度指标：常用的精度指标包括平均偏差误差（MBE）、均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）和标准偏差（SDE）。
- 基准测试：基准测试用于比较不同预测模型的精度，例如持久性预测和基于气候正常值的预测。研究表明，全球NWP模型结合后处理技术取得了最佳的日预测结果。
- 调查结果：IEA PVPS任务14的调查结果显示，全球NWP模型（ECMWF和GFS）被广泛使用，大多数模型结合了后处理技术。区域预测模型相对较少，且主要用于点预测。
研究结论
- 光伏预测是一个快速发展的研究领域，新的模型和发现不断涌现。
- 系统运营商和研究人员之间的对话有助于确保目标预测精度，并推动预测技术的改进。
- 概率预测和光伏功率快速变化率的预测将成为未来的研究重点。
- 智能电网的发展将对光伏预测提出新的要求，并推动新的发展。
关键数据
- 持久性预测在短期预测中表现良好，但在中长期预测中精度较低。
- 全球NWP模型在日预测中表现最佳，其RMSE约为持久性预测的57-72%。
- 区域预测的RMSE比单点预测低约64%。
- 晴朗地区的预测精度高于多云地区。
- 预测精度随预测范围的增加而降低。
