光伏发电系统产能的预测模型最为常见的就是等效电路模型。将实际的太阳能电池等效为有电阻消耗的电路。WidalysDeSoto[16]基于标准测试条件给出的参数列出特殊状态下对应的方程，求解出了这五个参数，并给出了实际辐射量和温度条件下的转换关系。同时杜存娇[17]给出了计算五个参数的显性模型表达方式，更加方便工程实际中使用。更有很多理论和仿真研究五个参数对于I-V特性曲线的变化方向，同时也有关于分析温度和光照强度对于太阳电池输出特性的影响的仿真结果[18,19]。得到电池的I-V特性曲线之后，通过最大功率点追踪的方法可以得到光伏系统的实际产能，可以达到预测产能的目的。论文网

相比之下，统计的方法就不需要这些计算太阳辐射和光伏系统产能的模型。统计的方法是收集各种各样的数据，包括数值天气预报（NWP）的输出信息，气象站或者卫星返回的数据，光伏系统的产能等，将其组成数据集作为模型的输入，通过一定的方法比如自回归或者人工智能网络对输入信息进行训练，形成一个可以对未来进行数据预测的网络，然后对系统产能进行预测。张岚等人[20]使用过去的产能数据和日类型指数，通过BP神经网络进行训练用于预测未来的产能，得到了较准确的结果。统计的方法是建立在大量的数据库的基础上的，所以数据库尽可能多和代表性越强，越能训练出较好的结果。AdelMellit和AlessandroMassiPavan[21]使用2008年6月1日到2009年3月23日期间意大利里雅特斯湾的测量的太阳能辐射数据和气温数据对模型进行了训练，再进行预测时所得结果的误差较小。

当然物理方法和统计方法不是完全对立的，有时候可以结合起来使用。CaiTao等人[22]就使用Hottel模型计算出来太阳能辐射量，然后结合公共网站上提供的天气数据建立神经网络进行训练，同样可以得到预测的结果。

1。3本文研究内容及手段

 

 

图1。2 物理模型的计算与优化流程图

 

第4页 本科毕业设计说明书

 

 

 

 

 

本文基于C#语言和Matlab神经网络工具箱创建预测模型，建立模型的大致流程如1。3和1。4所示，然后对一套分布式光伏储能集成系统分别采用物理方法和统计的方法两种方法进行产能预测，并与实际系统的产能进行对比，验证产能预测及系统设计的有效性及准确性，并提出适当的优化以提高预测准确度。

 

本科毕业设计说明书 第5页

2 光伏系统产能预测物理模型

 

实现光伏电池产能的预测需要进行三个方面的主要计算：(1)。太阳位置计算；(2)。太阳入射光谱计算；(3)。光伏系统产能计算。

2。1 太阳位置的各参数的计算

 

计算某一确定时间太阳的各个角度是计算准确计算辐射能的前提条件。其几何表示如下图。

 

 

图2。1 太阳直射光的各个角度图解

 

可以代表太阳位置的重要的几何角度为时角、赤纬角、天顶角、高度角和方位角[23]。其对应的计算方法如下：

○1 时角：○2赤纬角δ的计算公式为：

 

光伏储能系统的产能预测设计(3):http://www.youerw.com/zidonghua/lunwen_93098.html