光伏發(fā)電已經(jīng)成為繼風(fēng)力發(fā)電之后的可再生能源發(fā)電的新增長(zhǎng)點(diǎn)。但由于光伏發(fā)電功率具有較強(qiáng)的波動(dòng)性、隨機(jī)性和間歇性,大規(guī)模光伏并網(wǎng)給電力系統(tǒng)的安全穩(wěn)定運(yùn)行與控制帶來(lái)巨大的挑戰(zhàn)。因此,對(duì)光伏輸出功率進(jìn)行合理預(yù)測(cè),不僅能夠?yàn)殡娋W(wǎng)的發(fā)電計(jì)劃制定、優(yōu)化調(diào)度決策提供可靠依據(jù),而且能夠?yàn)槎嗄芑パa(bǔ)系統(tǒng)的協(xié)調(diào)控制提供數(shù)據(jù)支撐,是提高電網(wǎng)接納光伏電源的關(guān)鍵技術(shù)之一。本文在總結(jié)現(xiàn)有預(yù)測(cè)算法的基礎(chǔ)上,針對(duì)光伏功率預(yù)測(cè)問(wèn)題的特點(diǎn),提出一種基于特征權(quán)重模糊聚類(lèi)和改進(jìn)高斯過(guò)程回歸的預(yù)測(cè)模型,主要工作如下:數(shù)據(jù)預(yù)處理階段,針對(duì)光伏輸出功率與天氣類(lèi)型密切相關(guān)的問(wèn)題,采用特征權(quán)重模糊聚類(lèi)算法對(duì)天氣類(lèi)型進(jìn)行劃分,選用與預(yù)測(cè)日相同天氣類(lèi)型的歷史數(shù)據(jù)作為模型訓(xùn)練樣本。特別的是,由于復(fù)雜天氣影響和測(cè)量設(shè)備誤差等原因容易導(dǎo)致不良數(shù)據(jù)的出現(xiàn),為降低離群值和異常值對(duì)預(yù)測(cè)結(jié)果的不良影響,在模型訓(xùn)練階段,本文將傳統(tǒng)高斯過(guò)程回歸模型與孤立森林算法進(jìn)行結(jié)合,提出一種加權(quán)高斯過(guò)程回歸模型,異常程度較高的樣本數(shù)據(jù)在模型擬合訓(xùn)練時(shí)將被設(shè)定為較低的影響權(quán)重,從而幫助模型更好的擬合輸入變量與光伏功率之間的映射關(guān)系。模型優(yōu)化階段,采用縱橫交叉算法對(duì)加權(quán)高斯過(guò)... 

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景和意義
    1.2 光伏功率預(yù)測(cè)方法分類(lèi)
    1.3 光伏功率預(yù)測(cè)技術(shù)研究現(xiàn)狀
    1.4 本文內(nèi)容及章節(jié)安排
第二章 光伏輸出功率的影響要素分析
    2.1 光伏發(fā)電基本原理
    2.2 數(shù)據(jù)簡(jiǎn)介與獲取
    2.3 光伏輸出功率的周期特性分析
    2.4 光伏輸出功率的外部影響因素分析
        2.4.1 太陽(yáng)輻射強(qiáng)度對(duì)光伏輸出功率的影響
        2.4.2 溫度對(duì)光伏輸出功率的影響
        2.4.3 濕度與風(fēng)速對(duì)光伏輸出功率的影響
    2.5 本章小結(jié)
第三章 特征權(quán)重模糊聚類(lèi)
    3.1 特征權(quán)重模糊聚類(lèi)算法
    3.2 權(quán)重模糊聚類(lèi)結(jié)果與分析
    3.3 本章小結(jié)
第四章 加權(quán)高斯過(guò)程回歸模型
    4.1 高斯過(guò)程回歸理論
        4.1.1 權(quán)重空間視角下的高斯過(guò)程回歸
        4.1.2 函數(shù)空間視角下的高斯過(guò)程回歸
    4.2 加權(quán)高斯過(guò)程回歸模型
        4.2.1 加權(quán)高斯過(guò)程回歸模型推導(dǎo)
        4.2.2 基于孤立森林算法的權(quán)值獲取
    4.3 高斯過(guò)程回歸的核函數(shù)
    4.4 高斯過(guò)程回歸的超參數(shù)求取方法
        4.4.1 交叉驗(yàn)證法
        4.4.2 極大似然估計(jì)法
    4.5 本章小結(jié)
第五章 基于縱橫交叉算法的超參數(shù)優(yōu)化
    5.1 縱橫交叉算法基本理論
        5.1.1 橫向交叉
        5.1.2 縱向交叉
        5.1.3 競(jìng)爭(zhēng)算子
    5.2 縱橫交叉算法優(yōu)化加權(quán)高斯過(guò)程回歸模型
    5.3 本章小結(jié)
第六章 光伏輸出功率預(yù)測(cè)仿真與分析
    6.1 模型框架與具體實(shí)施流程
    6.2 誤差評(píng)價(jià)指標(biāo)
    6.3 算例分析
        6.3.1 晴天類(lèi)型仿真分析
        6.3.2 多云類(lèi)型仿真分析
        6.3.3 雨天類(lèi)型仿真分析
        6.3.4 預(yù)測(cè)結(jié)果對(duì)比及分析
    6.4 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間所發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]光伏發(fā)電出力預(yù)測(cè)技術(shù)研究綜述[J]. 賴昌偉,黎靜華,陳博,黃玉金,韋善陽(yáng).  電工技術(shù)學(xué)報(bào). 2019(06)
[2]基于箱形圖和隔離森林的施工人次數(shù)據(jù)處理與預(yù)測(cè)研究[J]. 謝志煒,溫銳剛,孟安波,殷豪,劉哲.  工程管理學(xué)報(bào). 2018(05)
[3]基于改進(jìn)深度受限玻爾茲曼機(jī)算法的光伏發(fā)電短期功率概率預(yù)測(cè)[J]. 王繼東,冉冉,宋智林.  電力自動(dòng)化設(shè)備. 2018(05)
[4]高中數(shù)學(xué)教學(xué)滲透人工智能教育的策略研究[J]. 吳茂松.  學(xué)周刊. 2018(09)
[5]適用于橋梁截面溫度場(chǎng)計(jì)算的太陽(yáng)輻射模型研究綜述[J]. 薛俊青,林健輝,Bruno Briseghella,陳寶春,黃福云.  福州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[6]基于奇異譜分析-模糊信息�；蜆O限學(xué)習(xí)機(jī)的風(fēng)速多步區(qū)間預(yù)測(cè)[J]. 殷豪,曾云,孟安波,楊躒.  電網(wǎng)技術(shù). 2018(05)
[7]光伏系統(tǒng)中地基云圖的預(yù)處理[J]. 朱想,周海,朱婷婷,金山紅,魏海坤.  電力系統(tǒng)自動(dòng)化. 2018(06)
[8]微電網(wǎng)光伏發(fā)電的Adaboost天氣聚類(lèi)超短期預(yù)測(cè)方法[J]. 譚津,鄧長(zhǎng)虹,楊威,梁寧,李豐君.  電力系統(tǒng)自動(dòng)化. 2017(21)
[9]光伏發(fā)電短期預(yù)測(cè)研究進(jìn)展綜述[J]. 荊博,譚倫農(nóng),錢(qián)政,裴巖,王婧怡.  電測(cè)與儀表. 2017(12)
[10]基于深度學(xué)習(xí)的超短期光伏精細(xì)化預(yù)測(cè)模型研究[J]. 史佳琪,張建華.  電力建設(shè). 2017(06)

博士論文
[1]社交網(wǎng)絡(luò)用戶隱私關(guān)注動(dòng)態(tài)影響因素及行為規(guī)律研究[D]. 郭龍飛.北京郵電大學(xué) 2013

碩士論文
[1]基于信息熵理論的光伏出力預(yù)測(cè)方法研究[D]. 陳云龍.廣東工業(yè)大學(xué) 2018
[2]基于經(jīng)驗(yàn)?zāi)B(tài)分解和極限學(xué)習(xí)機(jī)的風(fēng)電功率短期預(yù)測(cè)方法研究[D]. 董朕.廣東工業(yè)大學(xué) 2018
[3]光伏電站損耗模型及其功率預(yù)測(cè)方法研究[D]. 劉姣.浙江大學(xué) 2018
[4]基于數(shù)據(jù)挖掘的光伏發(fā)電建模及功率預(yù)測(cè)研究和應(yīng)用[D]. 呂耀棠.華南理工大學(xué) 2018
[5]基于高斯過(guò)程回歸模型的貝葉斯濾波故障診斷方法研究[D]. 祁麗潔.北京交通大學(xué) 2017
[6]基于高斯過(guò)程回歸的鋰電池?cái)?shù)據(jù)處理[D]. 葉婧.北京交通大學(xué) 2016
[7]基于小波包的短時(shí)風(fēng)機(jī)出力組合預(yù)測(cè)模型研究[D]. 陳育成.廣東工業(yè)大學(xué) 2014
[8]基于高斯過(guò)程的數(shù)據(jù)處理的研究[D]. 曲軼松.北京交通大學(xué) 2014
[9]光伏發(fā)電功率與氣象影響因子關(guān)聯(lián)關(guān)系的分析研究[D]. 楊光.華北電力大學(xué) 2014



本文編號(hào)：3660887