在“碳达峰”、“碳中和”的战略背景下,太阳能发电技术得到了充分发展。受气象因素影响,光伏发电具有较强的波动性和随机性,在光伏大规模并网时会引起系统电压的波动和闪变,甚至会打破系统的功率平衡威胁到电网安全。开展功率的超短期预测能降低光伏出力波动对电网系统的影响。云的快速无规则移动是地表辐照度和光伏出力发生波动的主要因素,为进一步提高其预测精度,本文基于卫星云观测数据提出了 一种考虑云遮挡的光伏发电功率超短期预测方法。该方法从云移动轨迹、地表辐照度和功率预测模型三方面展开研究。若要实现高精度的地表辐照度和功率预测,需先对云的移动轨迹展开研究。本文以高时空分辨率的卫星云图为基础,先根据光伏场站的位置信息确定研究区域,同时识别区域内对光伏出力有潜在影响的目标云团。然后采用提出的二维卷积算法确定云团的位移矢量,结合提出的风速预测法确定未来一段时间云团的移动矢量,最终实现云轨迹的跟踪预测。地表辐照度能在一定程度上决定光伏电站出力的大小,高精度的地表辐照强度预测值有利于提高光伏发电功率的预测精度。本文基于未来云团的移动轨迹提出了一种考虑云遮挡的地表辐照度预测模型。先利用天文学公式建立晴空模型,计算得到理想条件下的地表辐照度;然后基于太阳-云-光伏电站间的位置关系建立云遮挡模型,量化分析云团对光伏电站的遮挡情况,并得到地表辐照度的衰减系数;最后将理想辐照度与对应的衰减系数结合实现对地表辐照强度的预测。算例结果显示:该方法的预测效果优于传统数值天气预报中的预测效果,尤其在波动较大的天气条件下,依然有较高的预测精度。基于地表辐照强度预测值和改进的LSTM神经网络实现光伏发电功率的超短期预测。首先对原始数据进行预处理,确保光伏发电预测样本的数据质量;其次采用最大互信息系数筛选出相关性强的特征变量;然后采用近邻聚类传播算法对数据样本集进行划分,提高数据样本间的类似度;最后基于改进的LSTM神经网络构建出功率预测模型。实际算例结果显示:所提模型能有效提升多云天气下光伏发电功率超短期预测的精度,具有一定的推广价值。