太陽能光伏發電作為一種取之不盡，用之不竭的清潔環保能源，已成為未來能源發展的重點，本文對太陽能光伏發電的預測方法進行了分析與總結，根據太陽能光伏發電的應用及需求，歸納了各類太陽能光伏發電預測方法的優點及不足，希望對我國太陽能光伏發電預測方法的發展起到一定的促進和推動作用。
　　
　　在石油開采量日益見底和生態環境急速惡化的嚴峻形勢下，太陽能作為一種自然能源，以其儲量豐富且清潔無污染性顯示了其*的優勢，已被*為未來競爭性的能源之一。太陽能光伏發電成為太陽能利用的主要方式之一。
　　
　　光伏發電分為離網和并網兩種形式，隨著光伏并網技術的成熟與發展，并網光伏發電已成為主流趨勢。由于大規模集中并網光伏發電系統容量的急速增加，并網光伏發電系統輸出功率固有的間歇性和不可控等缺點對電網的沖擊成為制約并網光伏發電的重要元素。太陽能光伏發電系統發電量受當地太陽輻射量、溫度、太陽能電池板性能等方面因素的影響。其中太陽輻射強度的大小直接影響發電量的多少，輻射強度越大，發電量越大，功率越大。
　　
　　太陽輻射受季節和地理等因素的影響，具有明顯的不連續性和不確定性特點，有著顯著的年度變化、季節變化和日變化周期，且大氣的物理化學狀況如云量、濕度、大氣透明度、氣溶膠濃度也影響著太陽輻射的強弱。
　　
　　美國、歐洲、日本等發達國家對太陽能光伏發電預測方法的較早的進行了研究與實驗。我國太陽能光伏發電預測技術起步較晚，少數幾個大學相繼開展了以建模、仿真為主的技術研究。本文對對太陽能光伏發電的預測方法進行了分析與總結，歸納了各種預測方法的優點及不足，為國內太陽能光伏發電行業的發展提供重要依據。
　　
　　1 太陽能光伏發電預測原理
　　
　　當前，對太陽能光伏發電預測的研究主要集中在太陽能輻射強度的預測上。太陽輻射的逐日或逐時觀測數據構成了隨機性很強的時間序列，但太陽輻射序列的內部仍有某種確定性的規律，只有充分了解掌握太陽能光伏發電的特點、變化規律，才能建立符合實際情況的預測模型及方法。
　　
　　太陽輻射分為直接太陽輻射和散射太陽輻射。直接太陽輻射為太陽光通過大氣到達地面的輻射；散射太陽輻射為被大氣中的微塵、分子、水汽等吸收、反射和散射后，到達地面的輻射。散射太陽輻射和直接太陽輻射之和稱為總輻射。太陽總輻射強度的影響因素包括：太陽高度角、大氣質量、大氣透明度、海拔、緯度、坡度坡向、云層。
　　
　　太陽能光伏發電預測是根據太陽輻射原理，通過歷史氣象資料、光伏發電量資料、衛星云圖資料等，運用回歸模型、人工神經網絡、衛星遙感技術、數值模擬等方法獲得預測信息，包括太陽高度角、大氣質量、大氣透明度、海拔、緯度、坡度坡向、云層等要素，根據這些要素建立太陽輻射預報模型。
　　
　　2 太陽能光伏發電預測方法分析
　　
　　太陽能變化趨勢主要受到當地地理條件和氣象條件的影響。地理條件的影響有明顯規律，可以根據當地經緯度計算出全年太陽的運行軌跡，并結合光伏電池陣列自身的參數計算出太陽能變化的一個總體變化趨勢。但該趨勢并不能反映出幾小時內，甚至不能反映出幾天內的太陽能變化的大致情況。
　　
　　氣象條件對于太陽輻射的影響是zui直接的。要實現幾小時內的太陽能趨勢預報，就必須找到根據氣象條件推算出太陽能趨勢的計算方法。近年來，隨著太陽能產業的飛速發展，對太陽能光伏發電預測要求的不斷增加，發達國家對太陽能光伏發電預測的研究較早、發展較快。目前，我國對太陽能光伏發電預測技術的研究還處于起步階段，需進一步深入研究與實驗。
　　
　　太陽能輻射的預測方法主要有三大類：
　　
　　*類：基于歷史氣象數據和光伏發電量數據的研究，采用統計學方法進行分析建模；
　　
　　第二類：基于衛星云圖資料數據和地面監測資料數據，通過衛星、雷達圖象處理，計算出實時太陽能輻射的預報方法；
　　
　　第三類：基于數值天氣預報的預測方法。
　　
　　2.1 *類預測方法
　　
　　*類預測方法，其模型的建立不考慮太陽輻射變化的物理過程，通過對歷史觀測數據資料進行分析和處理，以歷史發電量預報未來發電量。一般采用回歸模型預測、神經網絡等數學方法，建立光伏發電系統與氣象要素相關性的統計模型，進行發電量預測。該方法模型構造及運算方法較為簡單，但只適應于發電量變化不大的平穩時間序列，對于發電量變化較大的時間序列，誤差較大。
　　
　　2.1.1 回歸模型預測
　　
　　回歸模型預測根據歷史資料，找出天氣變化與太陽輻射的關系及其變化規律，建立可以進行數學分析的數學模型，對未來的太陽輻射進行預測。該方法其特點是將預測目標的因素作為變量，將預測目標作為常量。利用給定的多組變量和常量資料，研究各種變量之間的關系。利用得到的回歸方程式來表示變量與常量之間的相對關系，從而達到預測太陽輻射的目的。在大量的實驗與實踐中得出，變量誤差較大，尤為正午時誤差明顯。
　　
　　回歸模型預測對于非線時間序列的太陽輻射數據預測結果并不理想。人工神經網絡方法較回歸模型預測誤差較小。
　　
　　2.1.2 人工神經網絡
　　
　　人工神經網絡方法采用神經網絡技術，建立發電量與太陽總輻射、板溫的函數模型，歷史數據結合效果較好。目前研究zui多的是應用誤差反向傳播算法（BP算法）進行短期預期。該算法的主要思路為將歷史數據和影響太陽輻射zui大的幾類因素作為輸入量輸入人工神經網絡，經過輸入層、隱含層和輸出層中各種數據運算從而生成輸出量；再以設定誤差為目標函數對人工神經網絡權值進行反復修正與完善，直至達到設定誤差值。
　　
　　在傳統統計無法滿足要求時，可利用人工神經網絡進行預測方法，但該方法同樣基于歷史氣象數據進行預測，發電量預報嚴重依賴于太陽總輻射預報準確：未能找出影響光伏發電量的關鍵逐時氣象要素，對突發及隨機的天氣變化預測較難控制。2.2第二類預測方法
　　
　　第二類預測方法主要利用衛星遙感技術完成太陽輻射的預測。衛星遙感是指以人造衛星為傳感器平臺的觀測活動，是通過勘測地球大氣系統發射或反射的電磁輻射而實現的。它包括對地觀測以及面向太空環境的觀測活動，其中對地觀測是目前衛星遙感的主要內容高空間分辨率圖像數據和地理信息系統緊密結合，為太陽輻射預測提供了可高依據。
　　
　　1960年，*顆泰羅斯衛星將*幅可見光云圖傳送至地球，使人們看到了用衛星遙感的巨大潛力。從此，以氣象衛星技術的逐步完善為開始，又逐漸出現了遙感地球大氣、地球表面陸地、海洋特征以及監測地球環境的各種衛星。
　　
　　美國的衛星遙感技術一直處于世界地位，代表了衛星遙感技術的發展水平。歐洲、加拿大、日本等國都在大力發展研究遙感技術。我國的*顆地球同步氣象衛星“風云2號”，于1997年6月10升空，標志著我國衛星遙感技術邁上了新的臺階。
　　
　　經過大量的研究與實踐表明，衛星遙感技術獲取的小時地面輻射數據與地面觀測的輻射數據偏差較大，zui大誤差可達到均方根誤差20%-25%。因此如何更好的較小誤差，準確的統計、預測將成為遙感技術的發展方向。
　　
　　2.3 第三類預測方法
　　
　　第三類預測方法主要利用數值模擬方法進行預測，即用數學物理模式對大氣狀況進行分析，用高速計算機求解進行預報的方法。該方法根據描述大氣運動規律的流動力學和熱力學原理建立方程組，確定某個時刻大氣的初始狀態后，就可通過數學方法求解，計算出來某個時間大氣的狀態，就是通常所說的天氣形勢及有關的氣象要素如溫度、風、降水、輻照度等。數值模擬預測方法預測的時間較長，目前，可預測40h甚至更長的數據。
　　
　　數值模擬方法中的氣象和環境因素zui為復雜，難以確定，所以預報的誤差不僅存在，對于短時又特別復雜的變化，準確度更是大大降低。因此度的提高一直是目前研究的重點和難點。
　　
　　3 結語與展望
　　
　　本文在閱讀了大量國內外太陽能光伏發電預測方法文獻，廣泛調研的基礎上，較為全面地論述了太陽能光伏發電量預報技術的研究現狀和發展方向，對三類預測方法進行較為詳細的總結與分析，闡述了各類方法的優點及缺點。如何在已有的科研成果基礎上繼續完善、不斷改進和探索，找出影響太陽輻射的關鍵因素，準確預測，形成多層次、多信息融合的綜合預報系統，是我國太陽能光伏發電預測的主要研究方向。