李安壽，陳琦，王子才，李鐵才

（1.哈爾濱工業(yè)大學(xué)航天學(xué)院，黑龍江 哈爾濱 150001；

2.深圳航天科技創(chuàng)新研究院電力電子與電力傳動(dòng)研究所，廣東深圳 518057；3.中國空間技術(shù)研究院，北京 100094）

光伏發(fā)電系統(tǒng)功率預(yù)測(cè)方法綜述

李安壽1，2，陳琦3，王子才1，李鐵才2

（1.哈爾濱工業(yè)大學(xué)航天學(xué)院，黑龍江 哈爾濱 150001；

2.深圳航天科技創(chuàng)新研究院電力電子與電力傳動(dòng)研究所，廣東深圳 518057；3.中國空間技術(shù)研究院，北京 100094）

提高功率預(yù)測(cè)水平是光伏發(fā)電系統(tǒng)并網(wǎng)的關(guān)鍵技術(shù)問題，對(duì)提高光伏發(fā)電開發(fā)利用、保證電網(wǎng)安全運(yùn)行有重要意義。對(duì)光伏發(fā)電系統(tǒng)的功率預(yù)測(cè)方法進(jìn)行了分析與總結(jié)，根據(jù)光伏發(fā)電的應(yīng)用及需求，歸納了各類光伏發(fā)電系統(tǒng)功率預(yù)測(cè)方法的優(yōu)點(diǎn)及不足，希望對(duì)我國光伏發(fā)電預(yù)測(cè)方法的發(fā)展起到一定的促進(jìn)和推動(dòng)作用。

光伏發(fā)電；功率預(yù)測(cè)；預(yù)測(cè)方法；預(yù)測(cè)模型

近年來，由于人們對(duì)可再生能源的高度重視，光伏發(fā)電技術(shù)得到了快速的發(fā)展，但光伏發(fā)電也存在一定的問題。由于太陽輻射受季節(jié)、天氣等氣象因素影響，光伏發(fā)電量具有明顯的隨機(jī)性和波動(dòng)性。大量光伏發(fā)電系統(tǒng)接入電網(wǎng)后，會(huì)對(duì)電網(wǎng)的穩(wěn)定安全運(yùn)行帶來嚴(yán)峻挑戰(zhàn)，當(dāng)光伏發(fā)電占比超過15%時(shí)，可能造成電網(wǎng)癱瘓［1］。對(duì)傳統(tǒng)的火電、水電進(jìn)行調(diào)節(jié)代價(jià)又非常大，因此對(duì)現(xiàn)有的光伏發(fā)電系統(tǒng)進(jìn)行功率預(yù)測(cè)特別是超短期功率預(yù)測(cè)對(duì)電網(wǎng)系統(tǒng)具有重要的意義［2］。

1　預(yù)測(cè)方法分類

1.1按預(yù)測(cè)時(shí)間尺度分類

從時(shí)間尺度上可以分為中長期功率預(yù)測(cè)、短期功率預(yù)測(cè)和超短期功率預(yù)測(cè)［3］。中長期功率預(yù)測(cè)的時(shí)間尺度大，一般為1周或1個(gè)月，主要用于光伏電站的規(guī)劃設(shè)計(jì)和電網(wǎng)中長期調(diào)度等，短期功率預(yù)測(cè)的時(shí)間尺度一般為1～3 d，超短期功率預(yù)測(cè)的時(shí)間尺度為0～4 h，短期和超短期功率預(yù)測(cè)對(duì)電網(wǎng)實(shí)時(shí)調(diào)度等具有重要的決定作用，對(duì)系統(tǒng)運(yùn)行安全性和穩(wěn)定性具有直接影響。

目前，中長期功率預(yù)測(cè)一般采用統(tǒng)計(jì)方法利用歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，短期功率預(yù)測(cè)一般需根據(jù)數(shù)值天氣預(yù)報(bào)獲得未來1～3 d內(nèi)氣象要素預(yù)報(bào)值，然后根據(jù)歷史數(shù)據(jù)和氣象要素信息得到地面輻照強(qiáng)度的預(yù)測(cè)值，進(jìn)而獲得光伏電站輸出功率的預(yù)測(cè)值，超短期功率預(yù)測(cè)的主要原則是根據(jù)地面拍攝的云圖或地球同步衛(wèi)星拍攝的衛(wèi)星云圖推測(cè)云層運(yùn)動(dòng)情況，從而計(jì)算出未來幾h內(nèi)太陽輻照強(qiáng)度，再通過光伏發(fā)電功率模型得到光伏發(fā)電輸出功率的預(yù)測(cè)值。

1.2按預(yù)測(cè)空間尺度分類

光伏發(fā)電功率預(yù)測(cè)方法按照空間尺度主要分為4種，分別是微尺度、小尺度、中尺度、大尺度功率預(yù)測(cè)方法［3］。依次針對(duì)單個(gè)發(fā)電單元、單個(gè)光伏電站、由多個(gè)光伏電站組成的光伏電站集群和更大地理區(qū)域內(nèi)的光伏發(fā)電站?？臻g尺度越小，功率預(yù)測(cè)越難，這是因?yàn)轭A(yù)測(cè)時(shí)無法采用平均值，尺度越小對(duì)功率預(yù)測(cè)時(shí)的空間分辨率的要求越高。

近年來，小功率的分布式發(fā)電系統(tǒng)大量發(fā)展，其發(fā)電功率波動(dòng)性很大，對(duì)電網(wǎng)系統(tǒng)的穩(wěn)定性和安全性造成較大威脅，這對(duì)光伏發(fā)電系統(tǒng)功率預(yù)測(cè)提出了更高要求。

1.3按預(yù)測(cè)方式分類

從預(yù)測(cè)方式上可分為直接預(yù)測(cè)和間接預(yù)測(cè)兩類。前者直接對(duì)光伏電站的輸出功率進(jìn)行預(yù)測(cè)；后者又叫分步預(yù)測(cè)，首先對(duì)太陽輻射強(qiáng)度進(jìn)行預(yù)測(cè)，然后根據(jù)光伏發(fā)電系統(tǒng)發(fā)電模型得到輸出功率。

直接預(yù)測(cè)方式簡潔方便，但直接預(yù)測(cè)模型需要從歷史發(fā)電數(shù)據(jù)直接預(yù)測(cè)未來的發(fā)電功率，預(yù)測(cè)的準(zhǔn)確性一方面決定于預(yù)測(cè)算法，另一方面決定于是否有大量準(zhǔn)確的歷史數(shù)據(jù)。分步預(yù)測(cè)方式包括太陽輻照強(qiáng)度預(yù)測(cè)和光伏發(fā)電系統(tǒng)功率模型兩個(gè)過程，在每個(gè)過程中可靈活選擇不同的方法，某種程度上克服了直接預(yù)測(cè)方式的局限性。

1.4按預(yù)測(cè)方法分類

從預(yù)測(cè)方法上來說，光伏功率預(yù)測(cè)包含統(tǒng)計(jì)方法和物理方法。統(tǒng)計(jì)方法的原理是統(tǒng)計(jì)分析歷史數(shù)據(jù)，從而發(fā)現(xiàn)其內(nèi)在規(guī)律并最終用于發(fā)電功率預(yù)測(cè)，可以直接預(yù)測(cè)輸出功率，也可以預(yù)測(cè)太陽輻照強(qiáng)度；物理方法是在已知太陽輻射強(qiáng)度預(yù)測(cè)值的情況下，研究光能轉(zhuǎn)化的物理過程，采用物理方程，考慮溫度、壽命等影響因素，由預(yù)測(cè)的太陽輻射強(qiáng)度得到光伏系統(tǒng)發(fā)電功率預(yù)測(cè)值。

2　預(yù)測(cè)方法國內(nèi)外研究情況

2.1直接預(yù)測(cè)方法

直接預(yù)測(cè)方法本質(zhì)上都是統(tǒng)計(jì)方法，由歷史數(shù)據(jù)預(yù)測(cè)未來數(shù)據(jù)。其原理是假定光伏發(fā)電系統(tǒng)不發(fā)生衰減，那么發(fā)電歷史規(guī)律不會(huì)發(fā)生改變，根據(jù)簡單天氣預(yù)報(bào)和歷史發(fā)電數(shù)據(jù)，就可對(duì)未來的發(fā)電功率進(jìn)行預(yù)測(cè)。

2.1.1線性預(yù)測(cè)方法

1）時(shí)間序列法。時(shí)間序列預(yù)測(cè)法是應(yīng)用較早的一種方法。它把負(fù)荷數(shù)據(jù)看作是一個(gè)周期性變化的時(shí)間序列。根據(jù)系統(tǒng)發(fā)電的歷史數(shù)據(jù)，建立數(shù)學(xué)模型來描述發(fā)電功率的統(tǒng)計(jì)規(guī)律性，在此基礎(chǔ)上對(duì)光伏發(fā)電功率進(jìn)行預(yù)報(bào)［4-5］。

2）時(shí)間趨勢(shì)外推法。時(shí)間趨勢(shì)外推法主要使用馬爾科夫鏈模型預(yù)測(cè)光伏發(fā)電量［6-8］。由于該方法受天氣影響很大，目前較少使用。

2.1.2非線性預(yù)測(cè)方法

1）人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)（ANN）算法在復(fù)雜非線性預(yù)測(cè)方面有著良好表現(xiàn)，適用于光伏發(fā)電功率預(yù)測(cè)這樣的場(chǎng)合。將天氣、季節(jié)等影響因素作為輸入，用歷史數(shù)據(jù)對(duì)算法進(jìn)行訓(xùn)練，最終可實(shí)現(xiàn)光伏發(fā)電功率的預(yù)測(cè)［9-11］。

2）支持向量機(jī)。支持向量機(jī)（SVM）是一種機(jī)器學(xué)習(xí)算法，與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法不同的是，它實(shí)現(xiàn)了結(jié)構(gòu)風(fēng)險(xiǎn)最小化（SRM）。在國外，法國瑪格麗特太陽能協(xié)會(huì)使用支持向量機(jī)算法進(jìn)行了光伏系統(tǒng)發(fā)電量預(yù)測(cè)研究。在國內(nèi)，栗然等［12］建立了基于支持向量機(jī)的光伏系統(tǒng)發(fā)電功率預(yù)測(cè)模型。

3）其它非線性方法。常用的非線性方法還有模糊邏輯預(yù)測(cè)法［13］、小波分析預(yù)測(cè)法［14］、卡爾曼濾波預(yù)測(cè)法［15］等。

各種非線性方法是未來直接預(yù)測(cè)法發(fā)展的重點(diǎn)，目前國內(nèi)外的研究也多集中于此。

2.1.3組合預(yù)測(cè)方法

組合預(yù)測(cè)法是指使用幾種方法分別預(yù)測(cè)后，再對(duì)多種結(jié)果進(jìn)行分析處理。組合預(yù)測(cè)有兩類方法：一種是指將幾種預(yù)測(cè)方法所得的結(jié)果進(jìn)行比較，最后選取誤差最小的模型進(jìn)行預(yù)測(cè)，該方法難點(diǎn)在于誤差計(jì)算方法；另外一種是將幾種結(jié)果進(jìn)行加權(quán)平均，提高預(yù)測(cè)的準(zhǔn)確性。該方法的難點(diǎn)在于如何計(jì)算各種預(yù)測(cè)方法的權(quán)重。

2.2分步預(yù)測(cè)法中的太陽輻照強(qiáng)度預(yù)測(cè)方法

上節(jié)中的直接預(yù)測(cè)方法也可用于太陽輻照強(qiáng)度預(yù)測(cè)，只是輸入數(shù)據(jù)中的歷史發(fā)電功率變?yōu)闅v史太陽輻照強(qiáng)度，其它類似，不再贅述。而以下介紹的幾種方法可直接進(jìn)行太陽輻照強(qiáng)度預(yù)報(bào)，無需歷史數(shù)據(jù)。

2.2.1基于數(shù)值天氣預(yù)報(bào)的方法

數(shù)值天氣預(yù)報(bào)根據(jù)流動(dòng)力學(xué)和熱力學(xué)原理建立微分方程組，確定大氣初始狀態(tài)后，就可迭代計(jì)算出來某個(gè)時(shí)間大氣的狀態(tài)，就是通常所說的溫度、風(fēng)、降水、太陽輻照度等。

目前經(jīng)常使用的全球數(shù)值天氣預(yù)報(bào)模型主要有美國的GFS模型和歐盟的ECMWF模型，最長可進(jìn)行15 d的預(yù)報(bào)，其中GFS免費(fèi)提供預(yù)報(bào)。全球數(shù)值天氣預(yù)報(bào)模型的空間分辨率和時(shí)間分辨率都比較低，目前的模型其空間分辨率為16～50 km，時(shí)間分辨率為3～6 h。

全球數(shù)值天氣預(yù)報(bào)模型難以直接應(yīng)用，常常作為其它更小尺度預(yù)報(bào)的基礎(chǔ)。中尺度數(shù)值天氣預(yù)報(bào)模型僅僅覆蓋地球上的一小部分地區(qū)，由各個(gè)國家或商業(yè)公司運(yùn)行，空間分辨率和時(shí)間分辨率要高得多，空間分辨率在1～20 km，時(shí)間分辨率為1 h。

中尺度預(yù)報(bào)模型常用的是WRF模型。WRF模型是20世紀(jì)90年代由美國的科研機(jī)構(gòu)為中心開發(fā)的一種統(tǒng)一的中尺度數(shù)值天氣預(yù)報(bào)模型，2000年開始免費(fèi)對(duì)外發(fā)布，已更新了數(shù)個(gè)版本，用戶可在此基礎(chǔ)上開發(fā)本地的數(shù)值天氣預(yù)報(bào)模型，空間分辨率可達(dá)1 km。文獻(xiàn)［16］將MM5中尺度模型和美國國家環(huán)境預(yù)報(bào)中心模型的輻照度預(yù)報(bào)與地面觀測(cè)值進(jìn)行了對(duì)比研究。文獻(xiàn)［17］提出了一種利用ECMWF提供的輻照度預(yù)報(bào)值進(jìn)行單個(gè)和區(qū)域光伏電站發(fā)電功率預(yù)測(cè)的方法。

目前數(shù)值天氣預(yù)報(bào)的缺點(diǎn)在于其空間和時(shí)間分辨率仍然不夠高。1 km的空間分辨率無法對(duì)具體的一塊云做出預(yù)測(cè)，只能對(duì)某一片區(qū)域的整體平均天氣做出預(yù)測(cè)。1 h的時(shí)間分辨率也無法進(jìn)行高時(shí)間分辨率的功率預(yù)測(cè)。因此，基于數(shù)值天氣預(yù)報(bào)的方法目前主要應(yīng)用于較大區(qū)域的光伏發(fā)電系統(tǒng)功率預(yù)測(cè)。另外，數(shù)值天氣預(yù)報(bào)方法中的氣象和環(huán)境因素較為復(fù)雜，精準(zhǔn)度的提高一直是目前研究的重點(diǎn)和難點(diǎn)。

2.2.2基于云圖的方法

云的大小、形狀、厚度、致密度等因素都會(huì)直接影響到達(dá)地面的太陽輻照強(qiáng)度，而云在時(shí)間上和空間上很容易發(fā)生變化。因此，知道并預(yù)測(cè)云的變化是太陽輻照強(qiáng)度預(yù)測(cè)面臨的一項(xiàng)挑戰(zhàn)任務(wù)。

通過衛(wèi)星云圖和地面拍攝的云圖，可以預(yù)測(cè)云的變化。其基本原理是由歷史的云圖數(shù)據(jù)預(yù)測(cè)未來云的變化。

文獻(xiàn)［18］研究了使用氣象衛(wèi)星云圖進(jìn)行光伏發(fā)電功率預(yù)測(cè)的方法。作者調(diào)查比較了多種使用氣象衛(wèi)星數(shù)據(jù)提取云特征并預(yù)測(cè)太陽輻照強(qiáng)度的方法。文獻(xiàn)［19］也研究了通過靜地運(yùn)行環(huán)境衛(wèi)星云圖預(yù)測(cè)太陽輻照強(qiáng)度預(yù)測(cè)的方法。這些衛(wèi)星實(shí)際上都是遙感衛(wèi)星，通過勘測(cè)地球大氣系統(tǒng)發(fā)射或反射的電磁輻射可獲得遙感圖像數(shù)據(jù)。

但基于衛(wèi)星云圖的方法空間分辨率仍然不夠高，基于地面的云圖方法則彌補(bǔ)了這一缺陷。該方法利用地面的監(jiān)測(cè)裝置抓拍云圖，能夠捕捉云的突然變化。基于地面的云圖方法預(yù)測(cè)的時(shí)間范圍在0～25 min之間。

2.3分步預(yù)測(cè)法中的光伏發(fā)電系統(tǒng)功率模型建立方法

光伏系統(tǒng)發(fā)電功率模型是實(shí)現(xiàn)發(fā)電功率準(zhǔn)確預(yù)測(cè)的關(guān)鍵。目前，國內(nèi)外有關(guān)光伏發(fā)電功率模型的建模方法主要有物理模型方法和統(tǒng)計(jì)模型方法兩大類。

2.3.1物理模型方法

物理模型方法的有效性取決于對(duì)研究對(duì)象內(nèi)部構(gòu)成及其所遵循規(guī)律的把握程度和模型參數(shù)的精度。

1）效率模型。即直接通過太陽輻照強(qiáng)度和效率因子估算光伏發(fā)電系統(tǒng)輸出功率。該方法計(jì)算精度低，只適用于光伏電站選址等對(duì)精度要求很低的場(chǎng)合。

2）電子元件模型［20-21］。使用基于光伏半導(dǎo)體設(shè)備物理或發(fā)光二極管的物理原理來建立電子元件模型。由于模型考慮因素不夠全面，基于該類模型的預(yù)測(cè)方法基本不再使用。

3）物理模型。綜合考慮壽命、溫度、雨雪等的影響，建立光伏發(fā)電的物理模型。結(jié)合天氣、太陽陣的構(gòu)型布片方式等，日本學(xué)者建立三維模型考慮了建筑物遮擋情況下對(duì)復(fù)雜光伏發(fā)電量預(yù)測(cè)方法［22］。

2.3.2統(tǒng)計(jì)模型方法

統(tǒng)計(jì)模型把光伏發(fā)電系統(tǒng)看作一個(gè)“黑箱”，并不關(guān)注內(nèi)部各模塊的特性或內(nèi)部各因素影響分析，而是基于實(shí)際運(yùn)行數(shù)據(jù)對(duì)其功率特性進(jìn)行擬合。常用的統(tǒng)計(jì)建模方法有神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)數(shù)據(jù)等方法。文獻(xiàn)［23］利用回歸神經(jīng)網(wǎng)絡(luò)建立了光伏系統(tǒng)的發(fā)電功率特性模型。

3　結(jié)論

本文在大量調(diào)研國內(nèi)外光伏發(fā)電預(yù)測(cè)方法研究文獻(xiàn)的基礎(chǔ)上，對(duì)各類方法進(jìn)行了詳細(xì)分類歸納總結(jié)和比較，給出了各種方法的優(yōu)缺點(diǎn)和應(yīng)用場(chǎng)合。如何在已有研究成果基礎(chǔ)上找出影響光伏發(fā)電量的關(guān)鍵因素，綜合利用數(shù)值天氣預(yù)報(bào)、衛(wèi)星云圖、地面觀測(cè)站數(shù)據(jù)提高氣象要素預(yù)報(bào)的準(zhǔn)確率，并由此建立合適的光伏發(fā)電預(yù)測(cè)方法已成為太陽能光伏發(fā)電量預(yù)報(bào)系統(tǒng)研究亟待解決的問題。

［1］ Edward S C.可持續(xù)能源的前景［M］.北京：清華大學(xué)出版社，2002.

［2］Bacher P.Short-term Solar Power Forecasting［D］.Copenha?gen，Denmark：Technical University of Denmark，2008.

［3］ 王飛.并網(wǎng)型光伏電站發(fā)電功率預(yù)測(cè)方法與系統(tǒng)［D］.北京：華北電力大學(xué)，2013.

［4］ Chowdhury B H，Rahman S.Forecasting Sub-hourly Solar Irra?diance for Prediction of Photovoltaic Outpu［tC］//New Orleans，LA：IEEEPhotovoltaicSpecialistsConference，1987：171-176.

［5］ 中蘭華，廖志民，趙陽.基于ARMA模型的光伏電站出力預(yù)測(cè)［J］.電測(cè)與儀表，2011，48（2）：31-35.

［6］ Safie F M.Probabilistic Modeling of Solar Power Systems［C］// Atlanta，GA：Reliability and Maintainability Symposium，1989：425-430.

［7］ Muselli M，Poggi P，Notton G，et al.First Order Markov Chain Model for Generating Synthetic“Ttypical Days”Series of Glob?al Irradiation in Order to Design Photovoltaic Stand Alone Sys?tems［J］.Energy Conversion and Management，2001，42（6）：675-687.

［8］ 丁明，徐寧舟.基于馬爾科夫鏈的光伏發(fā)電系統(tǒng)輸出功率短期預(yù)測(cè)方法［J］.電網(wǎng)技術(shù)，2011，35（1）：152-157.

［9］Hiyama T.Neural Network Based Estimation of Maximum Power Generation from PV Module Using Environmental In?formation［J］.IEEE Transactions on Energy Conversion， 1997，12（3）：241-247.

［10］Yona A，Senjyu T，Saber A Y，et al.Application of Neural Net?work to 24-hour-ahead Generating Power Forecasting for PV System［C］//IEEE Power and Energy Society General Meet?ing-conversion and Delivery of Electrical Energy in the 21st Century，2008，1-6.

［11］Cao S H，Cao J C.Forecast of Solar Irradiance Using Recur?rent Neural Networks Combined with Wavelet Analysis［J］. Applied Thermal Engineering，2005，25（2/3）：161-172.

［12］栗然，李廣敏.基于支持向量機(jī)回歸的光伏發(fā)電出力預(yù)測(cè)［J］.中國電力，2008，41（2）：74-78.

［13］Mellit A，Kalogirou S，Shaari S，et al.Methodology for Predict?ing Sequences of Mean Monthly Clearness Index and Daily So?lar Radiation Data in Remote Areas：Application for Sizing a Stand-alone PV System［J］.Renewable Energy，2008，33（7）：1570-1590.

［14］Mellit A，Benghanem M，Kalogirou S A.An Adaptive Wave?let-network Model for Forecasting Daily Total SoIar-radiation ［J］.Applied Energy，2006，83（7）：705-722.

［15］Chaabene M，Ammar M.Neuro-fuzzy Dynamic Model with Kal?man Filter to Forecast Irradiance and Temperature for Solar Energy Systems［J］.Renewable Energy，2008，33（7）：1435-1443.

［16］Zamora R，Dutton E，Trainer M，et al.The Accuracy of Solar Irradiance Calculations Used in Mesoscale Numerical Weath?er Prediction［J］.Monthly Weather Review，2005，133（4）：783-792.

［17］Lorenz E，Hurka J，Heinemann D，et al.Irradiance Forecast?ing for the Power Prediction of Grid-connected Photovoltaic Systems［J］.IEEE Journal of Selected Topics in Applied Earth Observation and Remote Sensing，2009，2（1）：2-10.

［18］Elke L，Johannes H，Detlev H，et al.Irradiance Forecasting for the Power Prediction of Grid-connected Photovoltaic Systems ［J］.IEEE Journal of Selected Topics in Applied Earth Obser?vations and Remote Sensing，2009，2（1）：2-10.

［19］Richard P，Sergey K，James S，et al.Validation of Short and Medium Term Operational Solar Radiation Forecasts in the US ［J］.Solar Energy，2010，84（12）：2161-2172.

［20］Osterwald C R.Translation of Device Performance Measure?ments to Reference Conditions［J］.Solar Cells，1986，18 （18）：269-279.

［21］Green M A.Solar Cells：Operating Principles，Technology and System Application［M］.New Jersey：Prentice-Hall，1982.

［22］楊超，榑沼弘貴.太陽能光伏發(fā)電系統(tǒng)發(fā)電量的預(yù)測(cè)方法［J］.智能建筑電氣技術(shù)，2011，5（2）：29-34.

［23］Riley D，Venayagamoorthy G.Characterization and Modeling of a Grid-connected Photovoltaic System Using a Recurrent Neural Network［C］//Proc of the 2011 International Joint Con?ference on Neural Networks，San Jose，California，USA，2011：1761-1766.

Review of Power Forecast Methods for Photovoltaic Generating System

LI Anshou1，2，CHEN Qi3，WANG Zicai1，LI Tiecai2
（1.School of Astronautics，Harbin Institute of Technology，Harbin 150001，Heilongjiang，China；
2.Power Electronic and Power Transmission Research Institute，Shenzhen Academy of Aerospace Technology，Shenzhen 518057，Guangdong，China；
3.China Academy of Space Technology，Beijing 100094，China）

Enhancing the power prediction accuracy is one of the key technique problems of grid-connected photovoltaic generating system，which is not only crucial for the security of power grid，but also for solar photovoltaic utilization.The present forecasting techniques for photovoltaic generating system were comprehensively discussed and analyzed.The advantages and deficiencies of present forecasting techniques were also summed up according to different kinds of demand and application.Hope that it can play a positive role in advancing and promoting the development of domestic forecasting techniques for photovoltaic generating system.

photovoltaic generating；power forecast；forecast method；forecast model

TM615

A

2015-09-10

修改稿日期：2016-01-15

廣東省自然科學(xué)基金（2014A030310461）；深圳市科技計(jì)劃項(xiàng)目（JCYJ20150402151049782）

李安壽（1984-），男，博士后，Email：anshouli@aliyun.com