基于深度学习算法的光伏新能源

发电量（负荷）预测方法

  完成单位：国网山东省电力公司青州市供电公司

  主要完成人：姜航、陈亮、冷冰、张跃勇、侯坤廷、杨慧、刘鹏、徐广勇、刘静、蒲章玲

一、研发背景

新能源电站近几年如雨后春笋般蓬勃发展，新能源发电量和发电功率达到了前所未有的规模，新能源发电有着清洁发电的优点，能有效减少碳排放，遏制温室效应，对生态环境的保护有持续性有益的效果。按目前发电模式，电网调度部门会对传统电厂（火电厂等）下达发电功率的计划指令，但是如今新能源发电量和发电功率占比传统能源比重不断增长，并且新能源发电受天气影响巨大，所以，如何确定出新能源占比传统能源的未来的比重，对新能源发电就能最大程度的有效利用。本项目的基本思路是根据天气情况预测未来的发电量，并可以通过大数据快速计算出新能源发电占比计划指令的比重，并通过系统自动计算分配新的计划指令推送调度部门审核，通过后可以对传统电厂发电机组中直接影响发电功率的进气量进行自动或人工调节，就可以实现从传统发电模式到以新能源发电为主，传统能源发电为辅的发电模式的转变，能够最大程度利用好新能源发电，并能最大程度节约煤炭资源，节能减排，早日完成“碳达峰、碳中和”的目标。

目前，一些亟待解决的问题有：

1.新能源发电功率预测问题。这是框架中的核心问题，只有解决了这个问题，才能真正的把框架填充的“有血有肉”，才能真正助力节能减排目标，助力“双碳”目标早日实现。这个问题也是本报告要解决的重点环节。

受地球公转和自转的影响有了四季的更替和日月的交换，所以，每年的季节和气温呈大致规律性的循环，三年前的今天某一特定电站的发电量和发电功率、两年前的今天这个特定电站的发电量和发电功率、一年前的今天还是这个特定电站的发电量和发电功率与今年的这个电站今天的发电量和发电功率，如果影响发电的各因素都一样的话，那么发电量和发电功率就是相同的，虽然实际上这些影响因素肯定不可能完全相同，但是只要不是极端天气，它们大部分会在同一个范围内波动，所以和聚类算法的原理是相同的，所以预测新能源这种受多种因素交互影响的问题，DBSCAN聚类算法非常适合。

影响因素有哪些？

光伏发电受日照辐射度影响最大，但是，我们不需要复杂的公式去计算地面接收到的辐照度，通过复杂的公式推导计算固定电站的发电量及发电功率时，会发现像装机容量、光伏板数量、每块发电板容量和辐照度等，都会在公式中被简化掉，公式推导在这里不做赘述，通过进一步解析，像辐照度这种复杂的影响因素，可最终是反映到云量和可见度上的，所以我们只需要把最底层所有影响发电量的因素找出来，一个因素作为一个维度，那么历史温度值是一个训练维度，云量、可见度也是两个训练维度，还有每年的发电衰减也是一个训练维度，其他细小的影响因素全部归为一个训练维度，这样就得了五个维度的列表，这些列表具有相同的行数且具有时间对应关系，五个维度相同行数的时间点是相同的，需要把每一行的五个维度的数据构建成字典格式，因为字典具有值的跟踪功能，那么字典的键就是某一时间的发电量和发电功率，字典的值则是相同时间点的五个训练维度的影响因素的值，通过把这个庞大的字典的值的二维列表导入dbscan聚类模型里，就可以完成模型的训练，每五个维度的影响因素对应一个发电量和发电功率。当再次通过模型输入预测时五个维度的值时，模型就会匹配出历史上和这预测的五个维度的值最相近的发电量和发电功率了。也就完成了预测工作，复杂的问题最终变成了像查表一样的简单。风电同理，只是影响因素的不同。

2.新老能源的有机联动问题。新能源发电量和已有并网规模的传统能源电厂（泛指已经并网运行的火电等等）之间如果缺少有机联动，各自发各自的电，将会造成更多电能的浪费，电网所面临的发电负荷叠加风险也会增大，所以，解决新老能源间的有机联动问题必不可少。即优先使用新能源发电量，而传统能源电厂的发电量作为有效补充。预测出了未来的发电量和发电功率剩下的就是通过调整进气量来调节发电机组的发电功率了，因为电量是功率的时间积累，所以，只需调节发电机组的发电功率就可以。

目前有的新型发电机组有自动调频进气量的功能，但是因为没有本创新的参数类型，所以目前的新型机组也不能直接应用在本项目中。我们只需要制作相应的参数，模拟量的参数为单位时间内每兆瓦（或每万千瓦等）功率所需的进气量。通过这个参数输入新型发电机组自动化设备里就可以实现对进气量的实时调整了，从而实现对发电功率的实时调整。

完成以上两步，就可以实现新能源和传统能源间的有机联动，实现新能源发电多时，传统能源自动降低发电功率；而新能源发电少时，传统能源来补充的转化。

二、发明团队介绍

国网山东省电力公司青州市供电公司依托公司“双创平台”，成立“光伏新能源发电功率和发电量预测”的课题研究小组，组织多部室技术骨干参与研究，为项目落地做好技术支撑。技术团队主要技术成员介绍如下：

三、成果(专利)简介

聚类问题的经典算法也有多种，以kmeans聚类算法和dbscan算法为主，本项目小组前期采用的是kmeans聚类，后期采用的主要是dbscan聚类算法，可以认为是解决光伏预测问题的kmeans聚类的升级版本。这也是多年研究发现非常适合光伏发电预测的算法。除了使用dbscan聚类算法以外，再搭配上matplotlib强大的绘图库，就可以实现数据的可视化，系统具备标记异常数据的功能，使得异常数据能够非常直观的展现出来。

我们使用的语言是Python，它有很多科学计算法，并且利用字典的数据跟踪的功能，可以实现数据的跟踪。

所以，当需要预测未来的某个光伏电站发电量和负荷时，就可以按云量-可见度-温度-使用年限这样影响发电因素由强到弱的顺序进行聚类了，让这种貌似不可能的预测问题变得像查表一样简单，同时还可以对接收到的异常天气情况做出预警，判断是否是数据传输错误还是真的有异常天气，同时这种异常天气数据也可以加入上述算法模型中，让模型不断学习，不断完善。

四、经济效益与社会效益介绍

该项目具有很大的经济效益，表现在现在如火如荼的“碳交易”，和节约化石能源的消耗和成本，及“双碳”目标上。未来新能源电站将会越来越多，并网容量也会越来越大，所以该项目越早的成熟，对国家、对公众的有益程度也会越大。

按目前市场1吨动力煤价格500元/吨，发电量3333度电/吨，二氧化碳排放量2620公斤/吨，二氧化硫排放量8.5公斤/吨，氮氧化物7.4公斤/吨。青州地区截止2021年底，光伏并网容量180M千瓦左右，每千瓦光伏年发电量1300度。理论可节约效益见下表1所示。

表1  光伏-火电联动效益对比

其次的社会效益也十分突出，重在“节能减排”，减少碳排放，留住“绿水青山”，利国利民。