發(fā)布時間：2020-05-31 13:01

【摘要】：在世界工業(yè)和經濟飛速發(fā)展的今天,環(huán)境日益惡化以及能源資源的日益枯竭,使得以風能發(fā)電和光伏發(fā)電為代表的新能源等清潔能源日益受到世界人民的普遍關注。相比于其他可再生能源,光伏發(fā)電具有非常突出的特點和優(yōu)勢。發(fā)電系統(tǒng)建立后,對位于偏遠地區(qū)架設輸電線路難等問題得到了有效的解決。然而,光伏發(fā)電由于自身固有的屬性而具有一些缺點。光伏發(fā)電本身也具有間歇性,受輻照度等氣象因素影響十分劇烈,本身隨機性和不確定性很大,其并網(wǎng)影響整個電網(wǎng)的穩(wěn)定。為了克服這個缺陷,減少光伏并網(wǎng)對電網(wǎng)的沖擊,同時有利于電網(wǎng)的節(jié)能調度和經濟運行,需要高精度的預測光伏輸出功率,可見提高光伏功率預測這一課題具有十分重要的意義。目前國內外已有相當數(shù)量的研究人員對此進行研究,并取得了一定的成果,但是預測精度還沒有達到特別完美的水平,有待進一步的研究。本文基于前人的研究成果,以及研究了光伏功率預測的基本理論以及影響因素分析的基礎上,提出了基于經驗模態(tài)分解算法和集成神經網(wǎng)絡的光伏短期功率滾動預測模型。該模型首先要用聚類算法和判別算法,根據(jù)日特征指標選取相似日;其次將功率序列及影響因素序列用經驗模態(tài)分解算法進行分解,并用排列熵算法進行重構,分別得到高頻、低頻和趨勢項三個序列;再次,采用簡單靈活,收斂速度快,優(yōu)化效果好、應用廣泛的粒子群算法對Elman神經網(wǎng)絡進行優(yōu)化。從而得到Elman神經網(wǎng)絡的優(yōu)化參數(shù):連接反饋增益因子以及全部權值,以便進行預測。最后,針對高頻、低頻和趨勢項用集成優(yōu)化的Elman神經網(wǎng)絡進行滾動預測,然后6將三者的預測值相加,即得到光伏功率的預測值。通過所提出模型的預測及其他模型的對比分析,得出本文所突出的模型非常適合于光伏功率預測,并對本文的數(shù)據(jù)預測有良好的預測效果。
【圖文】：

圖 3-1 光伏輸出功率與輻照度的散點圖3.3 溫度和濕度分析由于電池板在室外，并非恒溫的環(huán)境。一天內的溫度變化很大，而正是這種變不確定性在一定程度上賦予了光伏發(fā)電輸出功率的隨機性和波動性，即溫度對光伏的光電轉化過程的影響很大。溫度包括兩個因素：氣象溫度（空氣或環(huán)境溫度）以伏組件本身的溫度。之前有很多對光伏功率預測的大量研究，大多都是充分考慮了溫度（環(huán)境溫度）對光伏輸出功率的影響，有極少量的研究將光伏組件本身的溫度功率預測的主要影響因素進行研究。本研究將分別研究環(huán)境溫度和光伏組件溫度對發(fā)電輸出功率的影響。這兩個因素對光伏發(fā)電過程都會產生重要影響，而且兩者并相互獨立的，其被稱為光伏電池板的溫度特性。環(huán)境溫度的變化對光伏組件溫度的很大，并且組件溫度對光伏發(fā)電輸出功率的影響更直接。

圖 3-2 環(huán)境溫度與功率的散點圖王彬的有相關研究，利用控制變量法，研究溫度對光伏電池板發(fā)電的影響即光池板的溫度特性�？刂茰囟戎獾钠渌凶兞恐^不變量，而給予光伏電池板不同度條件，，從而觀測得到電池板的電壓和電流的實際值[76]。該研究結果表明，在同一下，電流會隨著光伏電池板電壓的增大先保持不變再急速下降；在不同溫度情況下流會先跟隨電壓的升高而先升高，接著達到一定的程度后再下降。根據(jù)由物理關系功率 P 等于電壓 U 乘以電流 I，可知在其他變量不變的情況下，光伏電池板的輸出的規(guī)律是：隨著溫度的提高先增加，在達到功率的最大值之后而再下降。由此可見度的升高對于光伏發(fā)電來說并不是一直都是正向作用。
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：F426.61

【相似文獻】

相關期刊論文 前10條

1 胡悅;;金融市場中的神經網(wǎng)絡拐點預測法[J];金融經濟;2017年18期

2 劉高宇;;深度神經網(wǎng)絡在煤質數(shù)據(jù)分析與預測中的應用[J];電腦知識與技術;2019年28期

3 馮偉業(yè);廖可非;歐陽繕;牛耀;;基于膠囊神經網(wǎng)絡的合成孔徑雷達圖像分類方法[J];科學技術與工程;2019年28期

4 溫贊揚;;基于群智優(yōu)化神經網(wǎng)絡的音樂風格分類模型研究[J];現(xiàn)代電子技術;2019年21期

5 鄭麗;;建筑設計中神經網(wǎng)絡技術與遺傳算法探究[J];湖北農機化;2019年21期

6 易煒;何嘉;鄒茂揚;;基于循環(huán)神經網(wǎng)絡的對話系統(tǒng)記憶機制[J];計算機工程與設計;2019年11期

7 黃為;李永剛;胡上成;汪毅;;基于循環(huán)神經網(wǎng)絡的船搖數(shù)據(jù)實時預測[J];科學技術與工程;2019年31期

8 賴策;魏小琴;;卷積神經網(wǎng)絡的訓練方式研究[J];信息與電腦(理論版);2019年22期

9 周濟民;;基于神經網(wǎng)絡改進的元胞自動機分析——美國阿片類藥物濫用情況[J];信息系統(tǒng)工程;2019年11期

10 馬猛;王明紅;;基于進化神經網(wǎng)絡的304不銹鋼車削加工表面粗糙度預測[J];輕工機械;2019年06期

相關會議論文 前10條

1 孫軍田;張U

本文編號：2689898