首页 > 智库成果 > 月度快报 > 科技前沿快报 > 2018年 > 第2期

美国DOE加速推进太阳能光伏发电预测技术开发

作者： 2018-02-08 09:49 来源：
【放大 缩小】

2017年12月19日，美国能源部（DOE）宣布在“提升太阳能预测精度”主题下资助1200万美元用于支持国家实验室、大学和太阳能相关企业联合开展高精度太阳能光伏发电预测技术研发项目[1]，旨在设计开发先进太阳能物理模型提升太阳能光伏发电预测技术的时间和空间分辨率，即通过向电网提供关于太阳能光伏电站在何时、何地能够发多少电能的准确预测，解决太阳能发电波动性问题，从而以更可靠和成本效益的方式集成更多的光伏电力，保障电网的稳定性和灵活性，优化电网结构和调度，促进电网现代化。本次资助项目将重点关注三大主题领域（表1），包括：开源测试框架开发，太阳能辐照度预测模型开发，先进预测技术与能源管理系统耦合解决方案。

表1  太阳能发电预测技术研发项目具体内容

主题

研究内容

资助金额/万美元

开源测试框架开发

利用开源的PVLib仿真软件开发一个测试框架，以及一套透明的规则和度量标准，以实现对太阳辐射和净负荷预测模型性能进行对比评估

100

太阳能辐照度预测模型开发

利用吸收性气溶胶模型，云层微观物理学以及不确定因子量化技术来开发一套整合太阳能发电预测功能的天气预测模型，以增强日内（24小时内）和日间（48小时内）太阳能发电预测的精度

580

开发基于混合自适应输入模型单元的目标选择综合模型，以提高太阳辐射和云量预测精度

基于整合太阳能发电预测功能的天气研究和预报系统开发新型的日间云量预测系统，提高电网运营商日内（24小时内）和日间（48小时内）太阳能发电预测的精度

利用整合太阳能发电预测功能的天气研究和预报系统，提升多云天气下太阳能辐照度的预测精度

先进预测技术与能源管理系统耦合的解决方案

针对三个不同运营环境下的公共光伏发电项目开发增强型的太阳能光伏发电和净负荷概率预测模型，将该模型整合集成到调度管理平台来验证该模型的预测性能，评估概率预测来降低集成成本的潜力

520

设计新颖的算法来创建太阳能电力概率预测模型并自动将其整合到电力运营系统中，该模型具备了自适应容量调节功能，即能够根据气象和电力系统运行状态动态调整光伏发电量储备水平，实现太阳能发电出功最佳调度

基于大数据驱动IBM Watt-Sun平台（该平台是整合了并行计算、快速数据管理技术以及基于多专家机器学习模型功能），开发短时（数个小时内）和日间太阳能发电概率预测模型，将该模型耦合到美国中部和加州等地区的独立分布式光伏运营商的能源管理系统中，来验证新模型预测精度

（郭楷模）


[1] Department of Energy Announces $12 Million to Advance Early-Stage Solar Research. https://energy.gov/articles/department-energy-announces-12-million-advance-early-stage-solar-research

附件：