本文關(guān)鍵詞：光伏電站輸出功率預(yù)測研究

  更多相關(guān)文章： 人工神經(jīng)網(wǎng)絡(luò) 灰色系統(tǒng)模型 相似日 相鄰日

【摘要】：光伏發(fā)電作為一種具有廣闊應(yīng)用前景的清潔能源應(yīng)用形式,提高光伏發(fā)電的滲透率是未來長期的非化石能源的發(fā)展目標(biāo)。光伏發(fā)電易受到外界因素的影響,其輸出功率具有波動性,間歇性和周期性。因此當(dāng)光伏發(fā)電透率率不斷提高時,將對電能質(zhì)量產(chǎn)生嚴(yán)重影響。通過提高對光伏輸出功率進行預(yù)測的準(zhǔn)確度,能夠有效的減輕光伏并網(wǎng)對電網(wǎng)產(chǎn)生的沖擊,實現(xiàn)光伏友好并網(wǎng),減少“棄光”現(xiàn)象。進而達(dá)到充分利用太陽能,降低化石能源的使用,實現(xiàn)能源結(jié)構(gòu)轉(zhuǎn)型的目的。本文圍繞著光伏輸出功率預(yù)測展開研究。通過對光伏輸出功率預(yù)測的研究背景和研究現(xiàn)狀進行梳理,討論了光伏發(fā)電輸出功率預(yù)測研究中存在的不足和問題。針對這些問題,本文做了以下工作。為了提高光伏輸出功率的預(yù)測精度,對光伏數(shù)據(jù)進行處理分析。首先對原始光伏歷史數(shù)據(jù)中的異常數(shù)據(jù)進行預(yù)處理,并提出相應(yīng)的修正措施。然后進行了通過PVsyst軟件,對不同條件下的太陽能電池的輸出性能進行仿真模擬。并結(jié)合實例,確定各個因素對光伏輸出功率的影響程度。在闡述了偏差比的概念后,通過實例,確定了四種廣義天氣類型的平均偏差比。然后通過實例,對構(gòu)成神經(jīng)網(wǎng)絡(luò)訓(xùn)練的相似日樣本與灰色系統(tǒng)建模的相鄰日樣本進行分析。為了確定光伏輸出功率預(yù)測的最優(yōu)模型,本文首先比較了BP神經(jīng)網(wǎng)絡(luò)與RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測性能,結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)的預(yù)測性能優(yōu)于RBF神經(jīng)網(wǎng)絡(luò)。在此基礎(chǔ)上,針對相似日樣本難以反映光伏輸出功率隨時間的變化,提出一種基于灰色系統(tǒng)校正的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型,即以平均偏差比進行平滑處理后的相鄰日功率建立離散灰色系統(tǒng)模型(gray model, GM),進行日總功率預(yù)測并獲得及其判斷區(qū)間。最后以日總功率值的合理區(qū)間為標(biāo)準(zhǔn)對累加功率值進行校正,得到校正后的各時段的預(yù)測值。算例結(jié)果驗證了所提校正方法的有效性。最后介紹了光伏監(jiān)控系統(tǒng)中光伏輸出功率預(yù)測模塊的編程實現(xiàn)。
【關(guān)鍵詞】：人工神經(jīng)網(wǎng)絡(luò) 灰色系統(tǒng)模型 相似日 相鄰日
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM615
【目錄】：

• 致謝7-8
• 摘要8-9
• ABSTRACT9-15
• 第一章 緒論15-22
• 1.1 課題研究背景及意義15-18
• 1.1.1 課題研究背景15-17
• 1.1.2 課題研究意義17-18
• 1.2 國內(nèi)外研究現(xiàn)狀及存在問題18-21
• 1.2.1 光伏輸出功率預(yù)測的研究現(xiàn)狀18-20
• 1.2.2 光伏輸出功率預(yù)測的現(xiàn)存問題20-21
• 1.3 本文主要工作21-22
• 第二章 基本原理和預(yù)測理論22-34
• 2.1 概論22
• 2.2 光伏發(fā)電基本原理22-24
• 2.3 人工神經(jīng)網(wǎng)絡(luò)24-31
• 2.3.1 BP神經(jīng)網(wǎng)絡(luò)27-29
• 2.3.2 RBF神經(jīng)網(wǎng)絡(luò)29-31
• 2.4 灰色系統(tǒng)理論31-33
• 2.5 本章小結(jié)33-34
• 第三章 光伏歷史數(shù)據(jù)處理和特性分析34-52
• 3.1 概述34
• 3.2 光伏功率數(shù)據(jù)處理34-37
• 3.3 太陽能電池輸出特性分析37-41
• 3.4 光伏發(fā)電系統(tǒng)影響因素分析41-45
• 3.5 天氣類型分析45-49
• 3.6 相鄰日和相似日49-50
• 3.7 本章小結(jié)50-52
• 第四章 功率預(yù)測方法實現(xiàn)和算例52-62
• 4.1 概述52
• 4.2 單一光伏輸出功率預(yù)測模型52-57
• 4.2.1 單一光伏輸出功率預(yù)測模型52-55
• 4.2.2 預(yù)測結(jié)果對比分析55-57
• 4.3 組合光伏輸出功率預(yù)測模型57-61
• 4.3.1 組合光伏輸出功率預(yù)測模型57-59
• 4.3.2 預(yù)測結(jié)果對比分析59-61
• 4.4 本章小結(jié)61-62
• 第五章 監(jiān)控系統(tǒng)中功率預(yù)測模塊設(shè)計62-71
• 5.1 概述62
• 5.2 光伏監(jiān)控系統(tǒng)開發(fā)的必要性62
• 5.3 光伏監(jiān)控系統(tǒng)的組成及功能62-64
• 5.4 光伏監(jiān)控系統(tǒng)中預(yù)測界面設(shè)計64-68
• 5.5 光伏監(jiān)控系統(tǒng)中預(yù)測類圖設(shè)計68-70
• 5.6 本章小結(jié)70-71
• 第六章 總結(jié)和展望71-73
• 6.1 總結(jié)71
• 6.2 展望71-73
• 參考文獻(xiàn)73-77
• 攻讀碩士學(xué)位期間的學(xué)術(shù)活動及成果情況77

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 白國振;俞潔皓;;基于改進模糊神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定[J];計算機應(yīng)用研究;2016年11期

2 李燕斌;張久菊;肖俊明;;灰色-馬爾可夫鏈統(tǒng)計組合模型在光伏發(fā)電功率短期預(yù)測中的應(yīng)用[J];電測與儀表;2015年23期

3 包宇慶;李揚;楊斌;陳楚;阮文駿;;基于神經(jīng)網(wǎng)絡(luò)的日峰荷預(yù)測方法中日期類型系數(shù)的確定（英文）[J];中國電機工程學(xué)報;2015年22期

4 郭強;朱若函;張曉萌;;基于遺傳禁忌算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)垂直切換算法[J];計算機應(yīng)用研究;2016年03期

5 葉林;陳政;趙永寧;朱倩雯;;基于遺傳算法—模糊徑向基神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測模型[J];電力系統(tǒng)自動化;2015年16期

6 李衛(wèi);席林;畢佳;;基于ANFIS模型的光伏電站輻照度超短期預(yù)測[J];上海電氣技術(shù);2014年04期

7 陳雪娟;吳春華;李智華;袁同浩;馮夏云;;基于灰色預(yù)測的光伏組件陰影類型診斷研究[J];電網(wǎng)技術(shù);2014年12期

8 羅建春;晁勤;羅洪;冉鴻;楊杰;羅慶;阿里努爾·阿木提;;基于LVQ-GA-BP神經(jīng)網(wǎng)絡(luò)光伏電站出力短期預(yù)測[J];電力系統(tǒng)保護與控制;2014年13期

9 王賀;胡志堅;張翌暉;李晨;楊楠;王戰(zhàn)勝;;基于聚類經(jīng)驗?zāi)B(tài)分解和最小二乘支持向量機的短期風(fēng)速組合預(yù)測[J];電工技術(shù)學(xué)報;2014年04期

10 楊志超;朱峰;張成龍;葛樂;袁曉冬;;基于自適應(yīng)模糊時間序列法的光伏發(fā)電短期功率預(yù)測[J];南京工程學(xué)院學(xué)報(自然科學(xué)版);2014年01期

，

本文編號：1081258