![](http://pv.cpem.org.cn/upload/images/2023/6/671fa5fd6cfcbdb6.png)
近日,国网安徽省电力有限公司经济技术研究院技术人员应用量子计算预测模型对肥西县铭传光伏电站的发电功率进行了预测,验证该预测模型在夏季的预测结果稳定性。结果表明,该模型在不同季节的预测精度相对稳定,准确率在97%左右。
光伏发电受到太阳辐射强度、温度、湿精度以及气象等因素的影响,发电间歇性和随机波动性较强,给电网稳定运行带来挑战。为此,安徽电力经研院于2023年2月成立了一支专业攻关团队,从预测模型的构建着手,融合气象数据,探索应用量子模型解决光伏发电功率快速预测的实际问题。
对光伏发电功率影响较大的两个气象因素是日照幅度和温度。按照常规逻辑,日照幅度越强,光伏发电效果越好。然而温度上升到一定数值之后,光伏电站的发电效率反而下降。“在高温下,光伏组件散热性能会受到影响,电池输出功率也会下降,当气温高于25摄氏度时尤为明显。”合肥工业大学电气与自动化工程学院副教授王磊说。这为攻关团队后续精准建模提供了参考。
在收集整理数据时,攻关团队遇到一个难题。常规情况下,光伏电站发电数据每15分钟统计一次,而气象数据则在整点统计。对此,安徽电力经研院攻关团队采用了插值法,针对气象数据建立平滑曲线,解决了数据同步问题。
同时,攻关团队深入学习了解量子逻辑门等基本运算原理,经过反复研究与实验论证,选取了量子长短期记忆网络模型开展研究。
确定算法模型类型后,为了提升预测效果,攻关团队增加了光伏电站的样本,测试模型对不同位置的光伏电站在不同季节、不同天气下的预测稳定性。攻关团队还重新优化量子算法输入参数权重,使预测模型更聚焦常规气象条件下典型日的光伏发电特征,降低极端天气下历史数据的运算权重,提高预测结果的准确性。
经过对算法模型的8次迭代升级,攻关团队研发了基于量子长短期记忆网络模型的光伏电站发电功率预测模型。2023年11月13日,攻关团队选取长丰县杨庙镇大庄水库渔光一体光伏电站和庐江县泥河镇农业大棚光伏电站开展真机实验,通过超导量子计算机运行了基于量子长短期记忆网络模型的光伏电站发电功率预测模型。结果显示,攻关团队提出的光伏发电功率预测模型在量子计算真机上运行效果良好,预测结果与该光伏电站真实发电功率的最高吻合度达到99%以上,为量子计算在新能源发电功率预测方面的应用提供了参考。
如今,安徽电力经研院已应用量子计算模型对合肥、滁州等地的16座光伏电站开展发电功率预测,为科学制订新能源发电计划、推动源网荷储协同等工作提供重要数据支撑。“随着量子计算机的算力提升,未来有望应用量子计算机实现海量光伏电站发电功率的快速预测,助力电网安全调度和可靠运行。安徽经研院将继续拓展研究,探索量子计算在电网规划、潮流计算等更多电力领域的实用化应用。”安徽电力经研院规划评审中心主任王绪利介绍。
光伏人工智能大会暨光伏AI质检及智慧工厂大会、光伏无人机巡检、光伏智能运维