正确PV配置对预测准确性的重要性

机器翻译，未经校对人员审核，可能存在错误。

概述

准确的光伏功率输出预测依赖于两个关键输入：天气预报模型中的太阳辐照度数据和正确的光伏系统配置元数据。实际上，客户提供的光伏配置元数据——称为 声明配置 ——往往不完整或不正确。即使辐照度预报完全准确，错误的光伏配置参数也会在预报数据与参考数据之间产生系统性偏差，给电网运营商和光伏资产所有者带来财务和物流问题。

为此，Solargis使用 光伏配置估计工具 验证声明的光伏配置参数与测量的光伏输出数据。该工具通过对测量的PV功率输出参考数据集运行优化循环，推导 出有效的PV配置 ——即最能代表PV系统实际行为的参数集合。有效光伏配置可最小化系统性偏差，提高预报准确性。

工具验证和调整的关键参数包括：

• 装机容量 [千瓦]

• Azimuth

• 倾斜角 [°]

• 面板几何类型

• 列/行间距

该工具的未来开发计划将验证扩展到更多参数，包括交流功率限制、光伏系统损耗以及具有跟踪机制的光伏系统特有的光伏配置参数。

为什么正确的光伏配置很重要

PV功率输出基于全球水平辐照度（GHI），通过依赖于PV系统配置元数据的转换链推导。变换过程总结为：

这一链条中的每一步都依赖于光伏的配置参数，如方位角、倾斜度、装机容量等。这些参数中的任意误差会在最终的PVOUT预报中引入系统性偏置——这与上游辐照度数据的准确性无关。

注意：由于PV配置错误引起的系统性偏差，仅靠提升辐照度预报无法纠正。光伏配置本身必须被验证。

光伏配置估计工具通过比较基于卫星的PVOUT（使用申报的PV配置生成）与现场测量的参考PVOUT来解决这个问题。差异触发优化过程，产生有效的PV配置。

预报准确度指标

所有案例研究的预测准确性均采用 归一化平均绝对误差（nMAE）评估，该误差以安装容量的百分比表示：

其中：

• N = 评估期内的数据点数

• PVOUT_forecast = 预测光伏功率输出 [千瓦]

• PVOUT_reference = 测量（参考）光伏功率输出 [kW]

• P_installed = 装机容量 [千瓦]

结果以月度和年度形式呈现，涵盖12个月参考期（2022年8月至2023年7月）。

案例研究

以下三个案例研究展示了PV配置估计工具如何提升不同类型PV配置误差的预测准确性。

案例研究1——装机容量错误

第一个示范场地是一个建筑集成光伏系统。宣称装机容量为1,546千瓦。初步对预报与参考光伏输出曲线的视觉比较显示存在较大且一致的差异，表明光伏配置存在显著的系统误差。

图1：每日光伏功率输出顺序——基于声明的光伏配置与参考的预测。

光伏构型估计工具应用于一年参考数据（2022年8月至2023年7月）。下表总结了声明的PV配置参数与有效配置参数之间的差异。

表1：声明与估计的（有效）光伏构型参数比较。

最显著的调整是装机容量，从1546千瓦降至820千瓦，约减少了47%。该工具还对方位角和倾斜做了细微调整。

重要提示：申报的装机容量几乎是实际价值的两倍，这并不罕见。这反映了一种常见的现实场景，即标牌容量与光伏系统的运行激活容量不相符。

随后，利用有效PV配置生成预报，并与参考数据进行评估。

选举结果

有效光伏配置显著提升了整个评估期的预报准确性。声明中光伏配置误差的主要原因是装机容量被大幅高估——几乎是有效值的两倍——这导致了对光伏发电输出的大幅且持续的高估。修正该参数可减少12个月参考期内每个月的nMAE。

图2：月度归一化平均绝对误差（nMAE）——声明值与有效PV配置的比较。

图3：年度归一化平均绝对误差（nMAE）——声明与有效PV构型的比较。

有效PV构型在所有12个月内显著降低了nMAE。预报与参考日分布的视觉对比证实了这一改善。

图4：每日光伏功率输出轮廓顺序，包括有效预报。

案例研究2 — 方位角错误

第二个示范点是一个固定角度光伏系统。在这种情况下，宣告和预计装机容量均为600千瓦。然而，方位角显示出较大差异：申报值为135°，而工具估计的有效值为180°。倾斜角度也从15°调整为5°。

预报与参考剖面的初步比较显示，由于错误的朝向和倾斜，系统性地产生偏差。

图5：每日光伏功率输出顺序——基于声明的光伏配置与参考的预测。

表2： 声明与估算的（有效）光伏构型参数比较。

选举结果

有效的配置持续提升了全年预报的准确性。在这种情况下，装机容量是正确的，但错误的方位角（宣称135°而非180°有效）导致了日功率输出轮廓形状的系统性变化。修正方向和倾斜使预报与参考数据更接近，尽管整体改善不及案例研究1显著。

图6： 月度归一化平均绝对误差（nMAE）——声明与有效PV配置的比较。

图7：年度归一化平均绝对误差（nMAE）——声明与有效PV配置的比较。

预测准确率的提升在所有12个月中保持一致，尽管不如案例研究1显著。对每日剖面的视觉检查确认了预报数据与参考数据之间的更匹配。

图8： 光伏发电日分布序列，包括有效预报。

案例研究3——小而影响深远的光伏配置错误

第三个示范点是固定角度光伏系统。在这种情况下，声明的PV配置参数与有效PV配置参数之间的差异相对较小，如下表总结。

表3：声明与估计的（有效）PV构型参数比较。

声明的光伏配置被修正为有效的光伏配置。尽管差异有限，声明的PV配置与参考数据相比仍会产生明显的系统偏倚。

图9：每日光伏功率输出顺序——基于声明的光伏配置与参考的预测。

选举结果

尽管PV配置修正幅度较小，但预报准确度在12个月内均有所提升。这一结果表明，即使是PV配置参数的细微差异——在此例中容量小于4千瓦、方位角10°、倾斜2°——也可能引入可测量的系统性偏差，PV配置估计工具能够检测并纠正这些偏差。

图10：月度归一化平均绝对误差（nMAE）——声明值与有效PV构型的比较。

图11：年度归一化平均绝对误差（nMAE）——声明值与有效PV构型的比较。

预报准确度在12个月中均有所提升。这一结果表明，即使是对光伏配置参数的微小修正也能显著提升预报准确性。

图12：每日光伏功率输出轮廓序列，包括有效预报。

结果总结

这三个案例研究涵盖了多种PV构型误差类型和幅度。在所有情况下，PV配置估计工具都能提升月度和年度的预报准确性。下表总结了每种情况中的主要修正及准确性提升的性质。

提示：测量到的光伏发电输出（客户数据）在管理预测准确性时总是很有帮助。即使是客户提供的一年参考数据，也足以让光伏配置估计工具推导出可靠的有效光伏配置。

规划中的改进

当前版本的光伏配置估计工具可验证安装容量、方位角、倾斜度、几何类型以及列/行间距。未来发展将扩展验证范围：

• 交流功率限制

• 光伏系统损耗

• 具有跟踪机制的光伏系统特有的光伏配置参数

Solargis 平台的应用

PV配置估计工具作为 Solargis预报 数据服务工作流程的一部分使用。

延伸阅读

• “监测与预报数据来源”：Solargis

• “Solargis 卫星模型”：Solargis