太阳能光伏发电作为一种取之不尽，用之不竭的清洁环保能源，已成为未来能源发展的重点，本文对太阳能光伏发电的预测方法进行了分析与总结，根据太阳能光伏发电的应用及需求，归纳了各类太阳能光伏发电预测方法的优点及不足，希望对我国太阳能光伏发电预测方法的发展起到一定的促进和推动作用。
在石油开采量日益见底和生态环境急速恶化的严峻形势下，太阳能作为一种自然能源，以其储量丰富且清洁无污染性显示了其独特的优势，已被国际公认为未来最具竞争性的能源之一。太阳能光伏发电成为太阳能利用的主要方式之一。
光伏发电分为离网和并网两种形式，随着光伏并网技术的成熟与发展，并网光伏发电已成为主流趋势。由于大规模集中并网光伏发电系统容量的急速增加，并网光伏发电系统输出功率固有的间歇性和不可控等缺点对电网的冲击成为制约并网光伏发电的重要元素。太阳能光伏发电系统发电量受当地太阳辐射量、温度、太阳能电池板性能等方面因素的影响。其中太阳辐射强度的大小直接影响发电量的多少，辐射强度越大，发电量越大，功率越大。
太阳辐射受季节和地理等因素的影响，具有明显的不连续性和不确定性特点，有着显着的年度变化、季节变化和日变化周期，且大气的物理化学状况如云量、湿度、大气透明度、气溶胶浓度也影响着太阳辐射的强弱。
美国、欧洲、日本等发达国家对太阳能光伏发电预测方法的较早的进行了研究与实验。我国太阳能光伏发电预测技术起步较晚，少数几个知名大学相继开展了以建模、仿真为主的技术研究。本文对对太阳能光伏发电的预测方法进行了分析与总结，归纳了各种预测方法的优点及不足，为国内太阳能光伏发电行业的发展提供重要依据。
1 太阳能光伏发电预测原理
当前，对太阳能光伏发电预测的研究主要集中在太阳能辐射强度的预测上。太阳辐射的逐日或逐时观测数据构成了随机性很强的时间序列，但太阳辐射序列的内部仍有某种确定性的规律，只有充分了解掌握太阳能光伏发电的特点、变化规律，才能建立符合实际情况的预测模型及方法。
太阳辐射分为直接太阳辐射和散射太阳辐射。直接太阳辐射为太阳光通过大气到达地面的辐射；散射太阳辐射为被大气中的微尘、分子、水汽等吸收、反射和散射后，到达地面的辐射。散射太阳辐射和直接太阳辐射之和称为总辐射。太阳总辐射强度的影响因素包括：太阳高度角、大气质量、大气透明度、海拔、纬度、坡度坡向、云层。
太阳能光伏发电预测是根据太阳辐射原理，通过历史气象资料、光伏发电量资料、卫星云图资料等，运用回归模型、人工神经网络、卫星遥感技术、数值模拟等方法获得预测信息，包括太阳高度角、大气质量、大气透明度、海拔、纬度、坡度坡向、云层等要素，根据这些要素建立太阳辐射预报模型。
2 太阳能光伏发电预测方法分析
太阳能变化趋势主要受到当地地理条件和气象条件的影响。地理条件的影响有明显规律，可以根据当地经纬度计算出全年太阳的运行轨迹，并结合光伏电池阵列自身的参数计算出太阳能变化的一个总体变化趋势。但该趋势并不能反映出几小时内，甚至不能反映出几天内的太阳能变化的大致情况。
气象条件对于太阳辐射的影响是最直接的。要实现几小时内的太阳能趋势预报，就必须找到根据气象条件推算出太阳能趋势的计算方法。近年来，随着太阳能产业的飞速发展，对太阳能光伏发电预测要求的不断增加，发达国家对太阳能光伏发电预测的研究较早、发展较快。目前，我国对太阳能光伏发电预测技术的研究还处于起步阶段，需进一步深入研究与实验。
太阳能辐射的预测方法主要有三大类：
第一类：基于历史气象数据和光伏发电量数据的研究，采用统计学方法进行分析建模；
第二类：基于卫星云图资料数据和地面监测资料数据，通过卫星、雷达图象处理，计算出实时太阳能辐射的预报方法；
第三类：基于数值天气预报的预测方法。
2.1 第一类预测方法
第一类预测方法，其模型的建立不考虑太阳辐射变化的物理过程，通过对历史观测数据资料进行分析和处理，以历史发电量预报未来发电量。一般采用回归模型预测、神经网络等数学方法，建立光伏发电系统与气象要素相关性的统计模型，进行发电量预测。该方法模型构造及运算方法较为简单，但只适应于发电量变化不大的平稳时间序列，对于发电量变化较大的时间序列，误差较大。
2.1.1 回归模型预测
回归模型预测根据历史资料，，找出天气变化与太阳辐射的关系及其变化规律，建立可以进行数学分析的数学模型，对未来的太阳辐射进行预测。该方法其特点是将预测目标的因素作为变量，将预测目标作为常量。利用给定的多组变量和常量资料，研究各种变量之间的关系。利用得到的回归方程式来表示变量与常量之间的相对关系，从而达到预测太阳辐射的目的。在大量的实验与实践中得出，变量误差较大，尤为正午时误差明显。
回归模型预测对于非线时间序列的太阳辐射数据预测结果并不理想。人工神经网络方法较回归模型预测误差较小。
2.1.2 人工神经网络
人工神经网络方法采用神经网络技术，建立发电量与太阳总辐射、板温的函数模型，历史数据结合效果较好。目前研究最多的是应用误差反向传播算法（BP算法）进行短期预期。该算法的主要思路为将历史数据和影响太阳辐射最大的几类因素作为输入量输入人工神经网络，经过输入层、隐含层和输出层中各种数据运算从而生成输出量；再以设定误差为目标函数对人工神经网络权值进行反复修正与完善，直至达到设定误差值。
在传统统计无法满足要求时，可利用人工神经网络进行预测方法，但该方法同样基于历史气象数据进行预测，发电量预报严重依赖于太阳总辐射预报准确：未能找出影响光伏发电量的关键逐时气象要素，对突发及随机的天气变化预测较难控制。
2.2第二类预测方法
第二类预测方法主要利用卫星遥感技术完成太阳辐射的预测。卫星遥感是指以人造卫星为传感器平台的观测活动，是通过勘测地球大气系统发射或反射的电磁辐射而实现的。它包括对地观测以及面向太空环境的观测活动，其中对地观测是目前卫星遥感的主要内容高空间分辨率图像数据和地理信息系统紧密结合，为太阳辐射预测提供了可高依据。
1960年，第一颗泰罗斯卫星将第一幅可见光云图传送至地球，使人们看到了用卫星遥感的巨大潜力。从此，以气象卫星技术的逐步完善为开始，又逐渐出现了遥感地球大气、地球表面陆地、海洋特征以及监测地球环境的各种卫星。
美国的卫星遥感技术一直处于世界领先地位，代表了卫星遥感技术的发展水平。欧洲、加拿大、日本等国都在大力发展研究遥感技术。我国的第一颗地球同步气象卫星“风云2号”，于1997年6月10升空，标志着我国卫星遥感技术迈上了新的台阶。
经过大量的研究与实践表明，卫星遥感技术获取的小时地面辐射数据与地面观测的辐射数据偏差较大，最大误差可达到均方根误差20%-25%。因此如何更好的较小误差，准确的统计、预测将成为遥感技术的发展方向。
2.3 第三类预测方法
第三类预测方法主要利用数值模拟方法进行预测，即用数学物理模式对大气状况进行分析，用高速计算机求解进行预报的方法。该方法根据描述大气运动规律的流动力学和热力学原理建立方程组，确定某个时刻大气的初始状态后，就可通过数学方法求解，计算出来某个时间大气的状态，就是通常所说的天气形势及有关的气象要素如温度、风、降水、辐照度等。数值模拟预测方法预测的时间较长，目前，可预测40h甚至更长的数据。
数值模拟方法中的气象和环境因素最为复杂，难以精确确定，所以预报的误差不仅存在，对于短时又特别复杂的变化，准确度更是大大降低。因此精准度的提高一直是目前研究的重点和难点。
3 结语与展望
本文在阅读了大量国内外太阳能光伏发电预测方法文献，广泛调研的基础上，较为全面地论述了太阳能光伏发电量预报技术的研究现状和发展方向，对三类预测方法进行较为详细的总结与分析，阐述了各类方法的优点及缺点。如何在已有的科研成果基础上继续完善、不断改进和探索，找出影响太阳辐射的关键因素，准确预测，形成多层次、多信息融合的综合预报系统，是我国太阳能光伏发电预测的主要研究方向。
