2020年07月29日
近年来，作为可再生能源之一的太阳能产业发展迅速，太阳能光伏发电也被认为是未来全球电力的重要来源。然而由于光伏发电的间歇性和不稳定性，大规模的光伏并网为电网的稳定运行带来了严峻的挑战，而云团遮挡正是造成光伏发电功率波动的主要原因。在云团的影响下，大型兆瓦级光伏电站的系统功率可在1分钟内骤变超过80%。
针对这一问题，西交利物浦大学智能工程学院院长林永义教授和西浦访问学者杜阳博士共同指导的博士生陈晓阳和文浩然提出了相应的解决方案，他们用不同方式预测云团的运动，让光伏系统能够在输出功率大幅度波动前提前采取控制响应，从而稳定光伏发电。其研究成果分别在国际顶级期刊应用能源 (Applied Energy) 、IEEE工业电子学期刊 (IEEE Transactions on Industrial Electronics) 和IEEE工业信息学期刊（IEEE Transactions on Industrial Informatics)上成功发表。
据博士生陈晓阳介绍，他在论文中提出了一种基于物联传感器网络的超短期光伏功率预测和爬坡率 (ramp-rate) 控制方法，该方法利用传感器数据间的时空相关性对云团运动进行实时预报， 再通过机器学习模型将传感器的时空数据映射为光伏输出功率。
（图片说明：上图为该团队在学校屋顶搭建的传感器）
陈晓阳表示，为了控制光伏功率的爬坡率，也就是单位时间内光伏功率的改变量，目前大部分研究都是利用储能系统来提高系统输出稳定性。储能技术虽然在近几年中得到了快速发展，但其推广应用仍然受制于其高昂的造价和维护成本。因此，陈晓阳开创性地把超短期光伏功率预测与传统控制相结合，通过预测结果提前调节光伏系统出力，不仅有望减少甚至无需储能系统容量，而且可以应对多数光照变化达到抑制光伏发电波动性的效果。
博士生文浩然则在论文中提出了一项基于深度学习的超短期辐照预测方法。该方法利用天空成像仪对云层进行连续拍照，再将这些图像和辐照数据通过深度神经网络进行特征提取和训练，从而预测出未来一段时期内的辐照变化。
（图片说明：上图为该团队在学校屋顶搭建的天空图像采集系统）
文浩然表示，之前一些使用天空图象的方法在超短期内的辐照预测效果并不理想，因为短期内光照会剧烈变化，因此时间分辨率越高，就越难得到准确的预测结果。基于此，文浩然开创性地提出了多步长的预测方法，当预测时长是未来十分钟时，通过多步长就可以预测出这十分钟内每一分钟的辐照值，而传统的单一步长却只能预测第十分钟的辐照值，其他时间点的数值都无法得知。
“此外，我们通过多张连续云图的通道叠加，让一张图像中既包含空间信息，如云层、太阳的位置，还包含时序信息，即这段时间内云层的变化，进一步提高了预测的准确率。”他解释道。
（图⽚说明：左图为在不同云层遮蔽条件下的预测和控制结果。灰⾊实线为实际辐照变化曲线，红点表示预测结果，绿⾊实线为经过平滑控制后的光伏发电曲线；右图为爬坡率变化，红⾊虚线表示爬坡率安全范围。）
陈晓阳和文浩然的导师杜阳博士表示：“这项研究是国内首个基于深度学习和天空图像的超短期多步长的光伏预测方法，预测准确率和控制精度不仅在国内处于领先地位，与世界范围内同领域的其他研究相比也具有很大优势。目前，光伏预测系统已成为光伏项目并网必要条件之一，我们的方法具有成本低、占用资源少的特点和很高的应用价值与市场前景。“
在该团队的最新研究中，博士生陈晓阳提出了一种新型的能够快速模拟云团动态遮挡的光伏系统模型。模型由两个部分组成，首先基于矩阵创建一个光伏模拟器。该模拟器可以自定义电站的尺寸和形状，且精确到每块光伏板的发电量。另一部分则是运用一个改良的分型模型（fractal model）来模拟一片任意大小、速度、厚度的云。
“通过这个模型，我们可以让光伏矩阵与云团进行动态交互，以此来研究一片云飘过不同大小的光伏电站时，它输出功率有什么样的波动。”陈晓阳解释道。
（图片说明：上图为该方法的流程图，左侧为光伏模拟器和云阴影模型，右侧为两者互动）
（图片由左至右依次：博士生文浩然、林永义教授、博士生陈晓阳）
智能工程学院院长林永义教授表示：“这篇论文是该领域第一篇研究不同大型光伏电站在云团遮挡下功率波动特性的文章。这项研究的难点在于高分辨率的大型光伏电站模拟起来并不容易，同时创造一片实际的云也有一定挑战性。而陈晓阳同学开创性地提出了用矩阵的形式模拟大型光伏电站的方法，从而促进了这项研究的开展，也使得该模型有望为光伏系统优化，选址，及实时控制提供更准确及高效的理论依据，该研究成果也于近日再次收录于国际顶级期刊Applied Energy。目前，这些方法的实际应用也正在洽谈中。“
记者：金画恬
2020年07月29日