Page 91 - 电力与能源2024年第二期

周 强，等：考虑组件衰减及安装角度的光伏功率预测及评估方法研究 231

分析。根据辐射强度转化公式，将水平辐射强度
数据转化为南向倾角辐射强度，结果见图 4。由图
4 可看出，南向光伏倾角辐射强度明显高于水平辐
射强度。辐射强度越高，越接近正午，水平辐射强
度与倾角辐射强度的差值就越大。阴天的水平辐
射强度与斜面辐射强度差值较小。

图 6 倾角辐射强度与功率的特征关系
据量有限，对比多种拟合函数发现，人工神经网络
（ANN）、长短时记忆网络（LSTM）等经典神经网
络梯度无法下降到最优解。因此，后续预测将针
对线性拟合、一元多项式拟合以及多元多项式拟

合进行对比。此外，因需通过 3 月数据预测 5 月数
图 4 3 月水平与南向倾角辐射强度转化对比 据，故还需考虑光伏衰减因素带来的影响。
以 5 月南向、北向辐射强度数据为测试样本， 根据 3 月和 5 月的水平辐射强度与倾角辐射
水平辐射强度与南向、北向倾角辐射强度转化关 强度，不同函数模型下的预测结果如表 1 所示。
系见图 5。由图 5 可看出，辐射强度水平的排序为 表 1 不同拟合函数的预测精度对比

南向倾角辐射强度>水平辐射强度>北向倾角辐 3 月南面 5 月南面
拟合函数 特征 均方根 预测
射强度。另外，晴天正午不同方位角的辐射强度 R 2
误差 精度/%
差值较大；而阴天不同方位角辐射强度差值较小。 一元一次 x 1 0.65 0.93 93.89
整体 5 月不同方位角的辐射强度差值小于 3 月。 线性拟合 两元一次 x 1 ，x 2 0.64 0.93 94.56
两元一次 x 1 ，x 3 0.65 0.93 94.21
三元一次 x 1 ，x 2 ，x 3 0.63 0.93 94.50
一元多项式 一元两次 x 1 0.57 0.94 93.70
拟合 一元三次 x 1 0.56 0.94 93.72
两元两次 x 1 ，x 2 0.49 0.95 89.23
多元多项式 两元两次 x 1 ，x 3 0.52 0.94 90.10
拟合 三元两次 x 1 ，x 2 ，x 3 0.42 0.95 87.96
三元三次 x 1 .x 2 ，x 3 0.36 0.96 76.64

在表 1 中， x 1 为斜面辐射强度（W·m ），x 2 为
-2
环境温度（°C）， x 3 为背板温度（°C）， x 4 为水平辐射
-2
强度（W·m ）。通过对预测精度进行分析，选择
图 5 5 月水平与南向、北向倾角辐射强度转化对比 预测精度最高的线性拟合中两元一次拟合作为预

2.2 功率预测结果分析 测函数，预测精确为 94.56%。拟合确定气象因素
3 月南向倾角辐射强度与光伏有功功率的特 x 与逆变器输入功率 y 的函数关系如下：
征关系如图 6 所示。 y = 0. 041 2x 1 - 0. 053 6x 2 + 1. 425 9 （11）
由图 6 可看出，倾角辐射强度与逆变器输入 2.3 功率预测结果修正分析
功率呈现线性关系。因预测学习样本时间段、数 为提升预测精度的准确性，对最优的两元一