光伏发电出力特征提取及区域集群聚合特性

光伏发电出力特征提取及区域集群聚合特性苏适;陆海;严玉廷;杨家全【摘要】研究光伏电站及其集群聚合的出力特性是实现光伏功率分类建模预测和区域光伏集群划分的前提和基础，对促进区域电网大规模光伏发电的充分消纳具有重要作用.以单个光伏电站与区域光伏发电集群为对象，从光伏发电出力特征提取与区域光伏集群聚合特性分析两个层面开展研究.首先在分析大量光伏发电出力数据基础上，针对单个光伏电站的出力特征，分别提出三个整体性指标来刻画光伏出力曲线的总体形状和两个局部性指标来进一步精细化描述不同时间段的具体出力特点;其次，针对区域集群光伏电站定义了平滑效应系数量化光伏电站集群聚合后的平滑效应，提出了不一致性系数来表征平滑效应的产生机理;然后建立了平滑效应系数与区域电站个数、集群区域直径之间的多项式关系模型;利用云南某地区多个光伏电站大量实测数据的仿真结果表明,不仅提取的特征能较为准确刻画单个光伏电站的出力特点，提出的区域聚合分析模型还可进一步精确量化描述区域光伏集群的整体聚合特性.【期刊名称】《云南电力技术》【年(卷)，期】2018(046)001【总页数】9页(P86-94)【关键词】特征提取;集群聚合;平滑效应;不一致性系数【作者】苏适;陆海;严玉廷;杨家全【作者单位】云南电网有限责任公司电力科学研究院，昆明650217；云南电网有限责任公司电力科学研究院，昆明650217;云南电网有限责任公司电力科学研究院，昆明650217;云南电网有限责任公司电力科学研究院，昆明650217【正文语种】中文【中图分类】TM740前言随着全球化石能源的紧缺，清洁、可再生、蕴藏量大的太阳能得到了快速的发展［1］。但由于太阳能具有间歇性、随机性与波动性的特点［2］，光伏发电输出功率的波动势必给大规模电站集中并网带来困难［3］。通过对光伏发电出力曲线进行科学描述，电网调度人员可以较为准确地掌握光伏出力特性规律，对平抑光伏出力波动，减小并网难度具有一定意义。因此，分析与掌握光伏发电的输出特性是解决光伏电站集中并网问题的基础与前提［4］。随着大量光伏电站投入运行，对光伏电站出力的数据分析工作也逐渐开展，但研究尚未形成一套科学的出力特性描述体系。现有文献主要从单个电站出力特性量化描述与集群光伏电站特性分析两个角度对光伏出力进行研究。在单个电站出力特性量化描述方面，文献［5］提出了平均波动强度、反向波动次数以及移动波动密度三个指标来对单个光伏电站的出力波动性进行描述，文献提出了出力波动的量化方法，但对波动性的计算仍不够精确。文献［6］将光伏出力分为确定部分和不确定部分，并提出了遮挡因子的概念来表征光伏出力中的不确定因素，该文献通过对不确定性分析形成了比较完整的模型描述，具有一定的创新性。文献［7-8］从不同时间尺度对光伏出力波动进行量化研究，其中文献［8］着重于研究不同时间尺度下光伏出力波动的概率密度拟合，对出力波动量化的研究较少。文献［9］指出光伏电站可以通过光伏电站中太阳能电池板的数目与分散因数来量化电站的波动特性，但研究结果只适用光伏电站各太阳能电池板的大小、分布方向与空间间隔均相同的条件下，难以推广。在光伏电站集群聚合特性研究方面，文献［10］研究指出了随着光伏电站集群规模的扩大，集群整体的出力将逐渐趋于平滑，但文献中缺少对集群电站出力平滑效应的定量描述。现有文献对集群光伏电站特性研究较少，而同样具有随机性、间歇性与波动性的风力发电，其集群出力特性的研究相比之下较为成熟。文献［11］给出了风电场平滑效应的量化方法，并从风电场出力之间相关系数的角度解释了平滑效应产生的内在原因。文献［12-13］指出风电场平滑效应随着风电场规模的增大、风电场数目的增多而增强。文献［14］采用平滑效应系数来描述不同空间尺度下风电场的出力波动的变化规律。现有研究提出的光伏电站出力描述指标较为笼统，大部分研究沿用了风电出力特性描述的思路，未考虑光伏独有的出力特性，因此有待对其进行进一步的研究。此外，光伏电站集群聚合出力特性的研究尚停留在定性分析层面，缺乏定量研究。本文以单个光伏电站与区域光伏发电集群为对象，针对单个站点出力曲线进行特征提取，研究其特性评价指标；在此基础上针对区域光伏集群聚合特性进行分析，研究集群聚合平滑效应的量化指标，并揭示平滑效应的产生机理，通过实际数据研究区域电站数量和区域直径与平滑效应之间关系，得到的拟合关系式可用于光伏电站规划选址，也可为光伏集群划分提供参考。本文研究流程图如图1所示。图1研究流程图1光伏电站出力特征提取光伏电站的出力特性分布具有一定的规律，采用相应的评价指标体系对光伏电站出力特性进行科学的描述，有利于运行调度人员准确掌握光伏电站出力的日波动规律，对提高光伏发电分类预测精度，减小大规模光伏电站集中并网的影响具有一定意义。与风电出力特性不同，光伏出力特性由固有波动性与随机波动性两部分组成［6］，为了对光伏发电出力特性进行科学描述，本文对光伏电站出力提取如下特征，以形成光伏出力特性评价指标：1.1日平均出力式中，n为昼间采样点个数；为光伏电站的输出功率序列；为光伏电站的装机容量。日平均出力特征描述的是光伏电站的日平均出力水平，该指标与天气类型相关，不同的天气类型下光伏出力的大小存在较大不同，如图2所示，阴天、雨雪天气云层遮挡作用较强，光伏电站出力水平不高，日平均出力仅为0.236与0.049，晴天地表太阳辐照度较高，出力水平较高，日平均出力达到0.436。图2不同天气条件下的光伏输出功率曲线1.2日出力分布偏度式中，SKPday表示偏度值。日出力分布偏度表征光伏电站当日出力分布的偏斜程度，无云层遮挡等影响的光伏出力曲线，相对于正态分布，其出力分布峰度偏向较大数值方向，偏度为负值［15］，随着遮挡作用的逐渐增强，曲线整体的波动逐渐增大，光伏出力分布向低输出功率方向偏移，偏度值逐渐增加。如图3所示，第一张子图中曲线a、b出力平滑，偏度分别为-0.42和-0.39，而第二张子图中出力波动剧烈，曲线c、d偏度值较上述数值均有较大增加，达到0.46和0.64。光伏出力分布曲线的偏度是表征出力曲线整体波动剧烈程度的统计特征，曲线出力波动越剧烈，其出力分布偏度值越大，出力曲线波动与出力分布偏度值的对应关系如图4所示。图3不同波动状况下日出力分布偏度对比图图4出力曲线波动情况与出力分布偏度对应关系1.3日平均波动率光伏出力本身呈现抛物线形的波动，这是其本身固有的波动特性，受到云层遮挡等方面的影响，光伏出力会在固有波动的基础上产生随机波动，若仍采用普通统计指标提取其出力波动性特征，则难以区分固有波动特性与随机波动特性［6］，此外，日出力分布偏度是表征出力曲线波动的剧烈程度的统计特征，缺乏对日波动量的具体描述，因此本文提出有效波动率的概念来对光伏出力的波动水平进行描述。如图5所示，本文定义光伏出力曲线中，与固有波动方向相反的出力曲线波动为有效波动，每次有效波动的极小值点与其相邻最近的极大值点功率差值的绝对值为该次波动的有效波动量，记为，则日平均有效波动率。可以按下式计算：图5有效波动示意图式中，N为有效波动的次数。日平均有效波动率是表征光伏电站当日出力波动情况的重要特征，间接反映天气状态的变化情况。该特征的值越小，表示光伏电站出力的当日平均波动性越小，天气状态越稳定。以上提取的三个特征对光伏电站出力曲线的整体形状进行了描述，共同构成了描述光伏出力特性的整体性指标。但整体性指标的平均效果会掩盖曲线的局部特征，尤其在具有多种天气状态的情况下（例如：晴转多云、阴转晴等），仅依靠以上整体性指标无法准确表征不同时间段光伏的出力特点，需要分段指标进—步精细化描述。光伏出力曲线具有对称特性，其对称的两时段提取得到的特征具有可比性，通过两时段特征的计算对比，可得到各时段曲线的局部特点，因此本文根据光伏电站理论出力的最大值点对应时刻作为分界点，将光伏出力曲线分为上午时段与下午时段，并提取以下分段特征来表征出力曲线的局部特点。1.4子时段平均出力式中，m为上午时段采样点个数；分别表示上下午时段的平均出力。该特征可以分时段确定出力曲线大致的幅值大小，有助于实现对多天气状态下光伏出力更加精确化的科学描述。1.5子时段波动率的均值、极大值式中，S1,S2分别表示上午与下午时段有效波动率序列°l,q表示上午与下午时段有效波动次数。子时段波动率的均值、极大值可分别表示为：式中，T=1时各式表示上午时段各指标；T=2时表示下午时段各指标表示子时段的平均波动率。若某时段平均波动率较高，说明在此时段光伏电站受云层移动等天气变化的影响整体较大。可以描述子时段波动的最大程度，该特征值越大，说明该时段光伏出力的波动对电网的冲击越大，会对电网产生较大的影响。2区域电网光伏发电集群聚合特性分析近年来，随着光伏电站数量迅速增多，其并网形式从原有的单个电站并网转变为区域内光伏电站的集中并网，同一区域内光伏电站的集合也通常被称为光伏电站集群。对光伏电站集群出力特性的分析是提高区域光伏发电预测精度，减小并网困难的重要步骤［16］。由于区域内各场站所处空间位置上的差异，光伏电站集群输出总功率的波动会随着空间尺度的增加而有所降低，这种光伏电站集群聚合特性即为光伏电站的空间平滑效应。2.1风力发电与光伏发电集群聚合特性对比同样具有间歇性、随机性与波动性的风力发电与光伏发电，其集群聚合特性具有一定的相似性但又不尽相同。从集群聚合特性产生原因来看，二者均由区域内各场站所处空间位置上的气象差异所引起，而区域电站数量以及区域地理范围是主导空间差异的两个主要因素，因此风力发电与光伏发电的集群聚合特性均与这两个因素紧密相关。由于风能资源全天存在，风力发电受昼夜变化影响不大，随着平滑效应的增强，风电集群的出力特性趋于全天恒定出力（如图6所示）。与之相比光伏发电出力受其固有波动的影响较大，出力曲线大致呈现〃单峰”分布，其平滑效应本质上是区域光伏电站集群聚合后，对集群中各电站随机波动的平滑效果。因此，随着平滑效应的增强，集群出力特性会形成较为平滑的出力曲线，有利于减少单个电站出力波动对电网造成的影响，但曲线仍保持固有的〃单峰”波形基本不变（如图7所示）。图6风电场集群聚合特性示意图图7光伏发电集群聚合特性示意图2.2平滑效应的评价指标光伏电站集群中单个电站的出力波动性特性可用1.1中定义的日平均出力有效波动率来衡量，对于集群聚合的出力平滑效应本文定义光伏电站平滑效应系数来衡量，平滑效应系数计算式如下：式中，表示集群中第l个电站的有效波动率；osingle表示集群总出力的有效波动率；M表示集群中电站的个数。和luster大于1,说明光伏电站集群出力相对于各单个光伏电站具有平滑效果，且Cluster越大，说明功率波动的平滑效果愈显著。2.3平滑效应的影响因素分析不同风电场间输出功率序列的相关性系数通常可以用来表征风电场平滑效应的大小。如果两个风电场输出功率序列具有较强的正相关性，其出力波动的叠加效果会加剧风电场群出力的波动。若两电场输出功率序列相关性较弱或不存在相关性，其出力波动会在一定程度上相互抵消，减小整体出力波动，呈现出平滑的效果［11］。现有风电场集群聚合效应的相关研究虽然较多，但无法直接将其推广应用于光伏电站。因为光伏发电出力曲线总体趋势是先上升后下降，实际光伏电站出力的空间相关性主要受这种固有波动性的影响［6］，随机波动的影响作用相对较小，这就使得实际计算得到的相关性系数较大，不符合实际情况，因此本文提出了光伏出力不一致性系数K来衡量两个光伏电站出力变化中随机波动的不相关性［17］，以此来表征光伏电站的平滑效应，其计算公式如下：其中，P1,P2表示两个不同的光伏电站的出力序列，fi(P1,P2)的表达式如下：其中，fi(P1,P2)表示在第i=1个采样点与第i个采样点之间两光伏电站出力曲线趋势的不一致性，如图8所示，两采样点间二者出力曲线趋势不一致时fi(P1,P2)取1，反之取0。不一致性系数K表示两出力曲线上趋势不一致的采样间隔个数占总间隔个数的比值，是一个大于0小于1的数，由于两出力曲线的固有波动具有相同的趋势，针对该波动不一致性系数为0，该指标仅反映随机波动的影响，因此可用来解释电站集群聚合的平滑效应，K值越大说明这两个光伏电站集群聚合的平滑效应越好。由于光伏出力曲线的总体趋势是先上升后下降的，因此不存在两条完全互补的出力曲线，换言之任意两条出力曲线的不一致性系数不可能达到1。经过大量数据计算，当不一致性系数接近0.5时就可认为它们之间的相关性较差，互补性较好。图8不一致性示意图3仿真算例为验证本文提取的整体、局部特征对实际光伏出力曲线的描述效果，以及光伏发电集群聚合特性分析理论在实测数据上的应用效果，本章对前述理论采用Matlab软件进行仿真计算。计算所采用数据为云南某地区A~E五个光伏电站的实测数据。仿真数据的采集时间段为2015年3月至2016年3月，采样时间间隔为15min。3.1单个光伏电站出力特性实例分析以云南某地区B、C两电站的输出特性曲线进行实例计算分析。图9分别为两电站2015年3月1日的输出功率曲线。从图9可以看出，B电站当日全天出力均有波动，波动分布较为平均。C电站在上午时段出力平稳，但下午由于天气状态的改变（如晴转多云）光伏出力曲线具有比较剧烈的波动，以本文提取的特征对两条曲线进行描述，指标计算结果如表1。从表1中可以看出两电站平均出力基本相同，日平均波动率数值反应两曲线出力波动总量相近，但从出力分布的偏度可以看出C电站曲线的波动程度略为剧烈。由于并无出现雨雪转晴等天气，B电站出力曲线上下午时段较为对称，各时段平均出力十分接近，C电站上午时段平均出力略高于下午。从子时段波动率均值以及最大值可看出，B电站全天均有少量云层遮挡，上下午均有波动，波动分布较为均匀。图9B、C两电站2015年3月1日出力曲线C电站上午时段曲线光滑平稳，并未出现明显波动，平均波动率较低仅为0.008，波动率极大值也仅为0.01，而下午时段由于天气状态的变化使得C电站出现较为剧烈的出力波动，波动率均值为0.133，最大波动率达到了0.174，此时该电站出力的剧烈波动会对电网造成较大影响。两曲线整体形状相似，整体特征较为相近，但从局部特征的计算结果来看，二者对电网的影响相差很大，应按照不同出力情况处理。表1两出力曲线指标计算结果布偏度子时段平均出力子时段波动率波动率均值波动率极大值上午下午上午下午上午下午B电站0.3670.068-0.2940.3780.3660.0480.0830.0800.105C电站0.3610.078-0.0570.4150.3310.0080.1330.0100.174电站名称整体性指标局部性指标日平均出力日出力分日平均波动现有的光伏出力描述体系一般只计算电站的日平均出力以及日平均波动率，且日平均波动率是以输出功率归一化后的一阶差分均值来表示。按照该方法计算可得B电站与C电站日平均波动率分别为0.044与0.048，二者数值基本相同，无法进行区分。由前述可知，两类曲线对电网的影响大不相同，若按照同一标准处理，将对电网安全可靠运行造成较大的影响。因此，与现有指标相比本文提取的特征指标更加精细，可辨识多天气状况下的不同电站出力特性，对电网调度运行人员具有较大的参考价值。3.2集群光伏电站出力特性分析光伏出力的平滑效应主要是由空间分布上的气象资源差异引起的，而影响空间分布交攵应有两个主导因素：光伏电站的数目和区域地理范围（用区域直径表示）。本文通过计算电站集群的平滑效应系数以及各电站之间的不一致性系数完成对平滑效应的量化分析。以云南某地区A~E5个光伏电站为例进行计算分析，为叙述方便分别记为PVF1~PVF5。各个光伏电站间的相对距离如表2所示。表2各个光伏电站间的相对距离（km）光伏电站PVF1PVF2PVF3PVF4PVF5PVF105.7228.6733.5753.75PVF25.72030.2029.1952.89PVF328.6730.20030.2082.41PVF433.5729.1930.20053.06PVF553.7552.8982.4153.060光伏电站选取上述5个光伏电站2015年3月19日有功出力时间序列为研究对象，5个光伏电站出力变化如图10所示。为定量衡量不同光伏电站出力的相关性，分别计算这5个光伏电站两两间的趋势不一致性系数，计算结果如表3所示。PVF1和PVF2地理位置相距较近，仅相隔5.72km，两者的趋势不一致性系数为0.16，呈现出一定的互补性，但是互补性不高；PVF1和PVF3之间的距离增大到28.67km,它们两者的趋势不一致性系数为0.30具有较高的互补性；观察不一致性系数矩阵可知，其最大值出现在PVF3和PVF5之间，它们两者相距82.41km,因此由上述分析可知区域直径是影响光伏平滑效应的重要因素。图10五个光伏电站出力曲线表3光伏电站间不一致性系数矩阵光伏电站PVF1PVF2PVF3PVF4PVF5PVF100.160.300.300.42PVF20.1600.280.220.42PVF30.300.2800.320.46PVF40.300.220.3200.40PVF50.420.420.460.400光伏电站以PVF1为基础，逐渐加入PVF2~5，分别计算不同光伏集群下的平滑效应系数，计算结果如表4所示。表中：PVF1~2表示PVF1和PVF2;PVF1~3表示PVF1、PVF2和PVF3;PVF1~4表示PVF1、PVF2、PVF3和PVF4,PVF1~5表示5个光伏电站组成的光伏电站集群。可以看出，随着光伏电站数目的增多，平滑效应系数呈现出逐渐增大的趋势，说明随着光伏范围的扩大，不同区域光伏电站的加入，总体出力平滑效应得到了体现。表4平滑效应影响因素分析光伏电站群电站数目区域直径/kmcluster"VF1101.000PVF1~225.721.175PVF1~3328.671.362PVF1~4433.571.495PVF1~5582.411.513以五个光伏电站2015年3月2日数据为例，量化分析区域直径、区域电站数目对光伏电站集群聚合出力特性的影响。对不同区域直径的光伏电站集群与其相对应的平滑效应系数进行数据分析，其中平滑效应系数为各区域直径数值下的均值。采用多项式拟合方法对二者关系进行拟合。由于光伏出力的平滑效应主要是由地理分布上的气象资源差异引起的，而集群区域的覆盖面积可直接反应集群内地理分布的差异的大小，因此，本文选取可反应集群覆盖区域的区域直径二次式来与平滑效应系数进行拟合。拟合表达式为式(13),拟合结果图如下所示：图11集群区域直径与平滑效应系数拟合结果式中d表示集群区域直径。拟合表达式对数据拟合的误差平方和(SSE)为0.1195，R2系数为0.9034，说明表达式具有较好的拟合效果。从曲线可以看出，在集群区域直径较小时，电站间不一致性系数的系数较小，平滑效应较弱。随着集群区域直径的扩大，平滑效应系数也逐渐增大，集群呈现较好的空间平滑效果，但当距离达到60km后，平滑效应会出现饱和现象，甚至有下降的趋势。在拟合区域直径与平滑效应系数关系的基础上，分析区域电站数量和区域直径对平滑效应的共同影响。仍采取多项式拟合，对平滑效应系数与区域直径以及电站数量的关系进行拟合，拟合表达式如式(14)，结果如图10所示：式中d表示集群区域直径；num表示区域电站数量。拟合表达式对数据拟合的误差平方和(SSE)为0.037，R2系数为0.97，说明表达式可以较好地反应平滑效应系数与两影响因素之间的关系。图12平滑效应系数与集群区域直径、区域电站个数拟合结果从拟合结果图可以看出随着区域电站个数与集群区域直径的增加，平滑效应逐渐增强，且平滑效应受集群区域直径的影响更为强烈。综上所述，集群区域直径与区域电站数量这两个影响因子对平滑效应有较强的解释作用，三者关系的拟合结果可用于光伏电站的规划选址，对平抑区域光伏电站整体出力波动具有一定的参考意义。此外该拟合模型也可为后续进行光伏电站集群划分提供理论支撑。3.3小结本章采用光伏电站实测数据对前述的光伏电站出力特征提取与区域电站集群聚合特性分析理论进行仿真计算。验证了本文提取的特征指标，可以有效地识别多天气状态下的不同电站出力曲线。从集群聚合出力特性的仿真分析可看出，随着集群区域范围的逐渐扩大以及集群中光伏电站数目的增多，集群平滑效应系数逐渐增大，总体出力平滑效应得到增强，拟合关系式(14)得出了平滑效应系数与区域电站数量和集群区域直径的定量关系，三者关系的拟合结果可用于光伏电站的规划选址，对平抑区域光伏电站整体出力波动具有一定的参考意义。光伏电站特征提取得到的指标可用于单站发电功率预测分类建模的数据筛选过程，能够有效区分不同类型特性对应的历史数据，对于提高分类预测精度具有一定意义。作为单电站特征提取分析工作的延伸，集群聚合特性分析可用于进行区域发电功率预测分类建模时的数据筛选，为区域大量光伏电站集群划分提供理论支持。4结束语本文从单个光伏电站出力特征提取与集群聚合出力特性分析两个层面对光伏发电的输出特性进行研究。在单个电站层面，本文对其出力曲线进行特征提取，形成三个整体性指标用以刻画曲线整体形状以及两个局部性指标进一步对局部进行精细化描述。在集群电站层面，本文定义了平滑效应系数来衡量电站集群的平滑性，又以光伏电站间的出力不一致性系数来表征平滑效应的产生机理。随后以云南某地区五个光伏电站的实测数据进行仿真计算，从单个电站出力特征提取仿真计算结果可以看出，本文提取的光伏电站出力特征指标可以有效的辨识多天气条件下的不同类别出力曲线。集群聚合出力特性分析的仿真结果表明，随着集群区域范围的逐渐扩大以及集群中光伏电站数目的增多，集群平滑效应系数逐渐增大，总体出力平滑效应得到增强。本文以实际数据对平滑效应系数与区域电站个数以及集群区域直径的关系进行拟合，得到关系表达式(14)，该拟合关系式对于光伏电站集群效应的量化具有一定参考价值。光伏电站出力特征提取是集群聚合特性分析的基础，而集群聚合特性分析是特征提取工作的延伸，针对二者的研究对于提高单电站与区域集群电站分类预测精度具有一定意义，也为区域大量光伏电站集群划分提供理论支持。由于实测数据中电站个数以及区域直径的限制，集群效应定量描述结果的精度还有待于提升，未来将依据更加丰富的光伏电站数据，综合考虑电站间海拔差等次要地理因素，对区域集群聚合分析模型加以完善。参考文献朱伟钢,林燕梅，周蕾.太阳能光伏发电在中国的应用[J].现代电力，2007,05:19-23.王长贵，王斯成.太阳能光伏发电技术(第二版)[M].北京：化学工业出版社，2009.胡泊，辛颂旭，白建华，等.我国太阳能能发电开发及消纳相关问题研究[J].中国电力，2013,46(1):1-6.赵冬梅，尹颢涵，王建锋.间歇性能源出力特性综合分析体系及其应用[J].南方电网技术，2015,9(5):7-14.ZHANGWeidong,LIUZuming.SimulationandanalysisofthepoweroutputfluctuationofphotovoltaicmodulesbasedonNRELone-minuteirradiancedata[C]//InternationalConferenceonMaterialsforRenewableEnergyEnvironment(ICMREE),August19-21,2013,Chengdu,China:21-25.张曦，康重庆，张宁，等.太阳能