编者按：对光伏电站的输出功率进行精细化预测，把光伏发电容量纳入电网的调度计划和实时调度运行是保证电网稳定经济运行的重要措施之一。

国外主要通过两种方式来研究：一是以太阳能资源的预测为基础，进而预测光伏发电功率;二是利用天气预报数据直接对光伏电站的输出功率进行预测。

德国提出一种基于卫星云图预测地区太阳辐照强度的方法：首先建立地区的净空辐照度模型，然后通过对连续多帧卫星云图的处理建立云团运动的矢量域方程，进而预测未来的云指数，并对净空辐照度进行修正，最终得到地区的辐照度预测值，并在此基础上利用模型预测光伏电站的发电功率，目前该方法对于单个光伏电站日前发电预测的相对均方根误差为36%，而将德国所有光伏电站作为一个整体统计，其均方根误差降低至13%。

日本开展了基于神经网络的光伏发电功率预测研究，通过不同类型的人工神经网络进行光伏发电功率的预测，并利用不同类型神经网络混合的方式进行集合预报，该方法的日前功率预测的平均绝对误差在22%左右。在国内，主流的光伏发电功率预测方法主要分为统计方法和物理方法。

统计方法主要是通过对实测气象数据、数值天气预报以及光伏电站有功功率等历史数据进行统计分析，寻找其内在的关系进而建立光伏发电功率预测模型，如BP神经网络、支持向量机等;物理方法主要根据光伏电池板，逆变器等多种设备的特性，得到光伏电站发电功率与数值天气预报的物理关系，进而对光伏电站的发电功率进行预测。一般来说，统计方法的预测误差在9%~25%，物理方法的预测误差在10%~30%。

原标题：光伏消纳的精细化光伏预测技术