1、傳統(tǒng)化石能源正逐漸走向枯竭，核能發(fā)電也存在鈾廢料不易處理、投資成本大、難以應(yīng)對突發(fā)自然災(zāi)難等缺點。光伏發(fā)電具有污染小、能源利用率高及規(guī)模靈活等優(yōu)點得到大量的應(yīng)用。光伏電站發(fā)電效率受到天氣因素影響極大，由于天氣的不確定性，光伏電站的輸出功率存在波動性大，間歇性強等缺點,大規(guī)模光伏發(fā)電接入電網(wǎng)給電網(wǎng)調(diào)度管理帶來巨大挑戰(zhàn)。對光伏電站的發(fā)電量進行短期預測可為電網(wǎng)調(diào)度提供數(shù)據(jù)支撐，降低光伏發(fā)電的隨機性對電網(wǎng)的沖擊，同時也可提高光伏的發(fā)電容量利用率

2、，提高經(jīng)濟效益。
　　本文在深入分析現(xiàn)有并網(wǎng)光伏電站發(fā)電功率預測方法的優(yōu)勢與不足之后，針對有歷史數(shù)據(jù)和無歷史數(shù)據(jù)兩種情況分別提出了基于相似時段和 Elman神經(jīng)網(wǎng)絡(luò)的并網(wǎng)光伏電站超短期預測模型和基于地外輻照度計算和天氣狀態(tài)識別模型的光伏電站超短期預測模型。
　　并網(wǎng)光伏電站輸出功率的不穩(wěn)定主要源于天氣狀態(tài)的變化。按照中國國家氣象局制訂的天氣類型國家標準，天氣狀態(tài)共有33種不同的類型。影響光伏電站出力特性的主要因素是云量，云量

3、越高光伏電站的出力情況越差。本文根據(jù)云量多少將33種天氣類型劃分為3種廣義天氣類型。建立天氣狀態(tài)識別模型后可以將歷史數(shù)據(jù)按照天氣類型做分類處理，并可根據(jù)短期天氣預報快速識別預測日特定時段的天氣類型。
　　天氣狀況、日期類型都比較相似的兩日被稱為相似日。使用相似日進行預測最大的問題在于當預測日的天氣類型發(fā)生變化時，相似日模型無法識別天氣類型的變化。針對相似日模型的缺點，本文提出了相似時段模型，將預測日和歷史日的數(shù)據(jù)均分為多段，建立相

4、似時段數(shù)據(jù)庫，結(jié)合短期天氣預報，對預測日的時間段動態(tài)匹配出最佳的相似時段。相似時段模型可動態(tài)匹配預測日每一個時間段的相似時段，可以動態(tài)識別天氣類型的變化使得預測模型可以匹配到更好的歷史數(shù)據(jù)。
　　本文提出了基于相似時段和 Elman神經(jīng)網(wǎng)絡(luò)的光伏電站輸出功率超短期預測方法。根據(jù)實時天氣預報，動態(tài)預測一天中不同時間段的氣象情況，根據(jù)不同時間段的氣象預測情況匹配數(shù)據(jù)庫中的歷史數(shù)據(jù)。利用 K折交叉驗證對 Elman神經(jīng)網(wǎng)絡(luò)模型進行結(jié)構(gòu)優(yōu)

5、化與參數(shù)整定，得到誤差最小模型。使用開放數(shù)據(jù)庫提供的數(shù)據(jù)進行仿真驗證并與傳統(tǒng)相似日模型進行對比，結(jié)果表明該方法在一般天氣條件下提高了預測精準性，在復雜天氣條件下可實時根據(jù)天氣狀態(tài)變化調(diào)整預測策略并大幅提高了預測精度。
　　對于新建光伏電站以及缺乏歷史數(shù)據(jù)記錄的光伏電站，無法獲取歷史數(shù)據(jù)是一大難題，在沒有光伏電站歷史數(shù)據(jù)的情況下，本文提出了一種基于地外輻照度計算和天氣狀態(tài)識別模型的光伏電站超短期預測模型。根據(jù)天體運行規(guī)律及相關(guān)參數(shù)，