РАЗРАБОТКА МЕТОДОВ ПОВЫШЕНИЯ ТОЧНОСТИ КРАТКОСРОЧНОГО ПРОГНОЗА ПРОИЗВОДИТЕЛЬНОСТИ СОЛНЕЧНОЙ ЭЛЕКТРОСТАНЦИИ

Одно из условий надежной работы энергетической системы – поддержание баланса мощности и энергии. C увеличением доли возобновляемой генерации такая задача становится все более актуальной. Объекты солнечной генерации не могут гарантировать выдачу электрической мощности в точно заданное время, поэтому прогноз количества генерируемой и поступающей в сеть энергии чрезвычайно актуален. В отличие от зарубежных условий функционирования солнечных электростанций (СЭС), когда погрешности прогноза приводят к существенным потерям прибыли и увеличению сроков окупаемости проектов, в России основную прибыль обеспечивает плата за мощность, что смягчает последствия ошибок прогноза выработки электроэнергии. Разработанные к настоящему времени методы прогноза производительности СЭС позволяют провести их классификацию по различным признакам, прежде всего, по последовательности прогностических операций (прямые, косвенные, гибридные) и временнóму горизонту. Выбор методов прогноза производительности СЭС и исходных данных для них определяются в основном горизонтом прогноза, для прогноза более чем на 6 ч. необходимо использование численного прогноза погоды. Выполненные расчеты подтвердили более высокую точность прогноза по данным численного прогноза погоды, чем прогноз сумм солнечного излучения статистическими методами (нейронные сети). Наиболее широко из детерминистских методов прогноза производительности СЭС используются персистентные модели, PV-прогноз, в основе которого лежит расчет производительности станции на основе численного прогноза погоды (причем основная погрешность этого метода определяется погрешностью численного прогноза погоды) и методы машинного обучения. Наилучший результат с точки зрения точности прогноза обеспечивают гибридные методы, объединяющие последние два подхода. Для создания методики краткосрочного прогноза производительности СЭС создана база данных, содержащая, в частности, численные прогнозы погоды, усредненные по объединенным энергосистемам РФ цены рынка на сутки вперед и индикаторы балансирующего рынка, фактические актинометрические и климатические параметры по данным спутникового наблюдения и реанализа. Разработан метод уточнения краткосрочного прогноза производительности СЭС с использованием машинного обучения, который позволяет уменьшить потери от несоблюдения диспетчерского графика в большинстве случаев до 2–7% от стоимости выработанной электроэнергии и примерно на порядок превосходит по точности метод динамического моделирования работы СЭС по данным численного прогноза погоды. Разработан также метод прогнозирования ценовых показателей на следующие сутки, который демонстрирует хорошую предсказуемость цен рынка на сутки вперед и индикаторов балансирующего рынка на период до трёх суток.