發(fā)布時間：2020-07-14 05:53

【摘要】：光伏發(fā)電因其本身的優(yōu)勢,將逐步替代化石燃料能源。受外界氣候環(huán)境和其設(shè)備本身等各種因素的影響,發(fā)電功率具有周期性和不確定性。光伏并網(wǎng)系統(tǒng)發(fā)電功率的準確預測,將有助于提高電網(wǎng)運行的穩(wěn)定性和可靠性。以北京建筑大學5.6kWp光伏并網(wǎng)發(fā)電系統(tǒng)采集的歷年運行數(shù)據(jù)為基礎(chǔ),建立了以太陽能輻射量、環(huán)境溫度和光伏組件溫度為主要屬性的D-S證據(jù)理論光伏并網(wǎng)發(fā)電功率預測模型。利用決策樹對數(shù)據(jù)包容性大,簡單直接的特性,將歷史數(shù)據(jù)進行劃分,依據(jù)不同屬性條件的決策得到的數(shù)據(jù)樣本,再作為D-S證據(jù)理論的證據(jù)進行數(shù)據(jù)融合,經(jīng)過多重證據(jù)融合后得到預測的發(fā)電功率。在分析四季的各種天氣類型對于光伏發(fā)電功率預測的影響的基礎(chǔ)上,借助Python編程工具實現(xiàn)光伏發(fā)電功率超短期預測。對比分析預測值和實測值,預測結(jié)果顯示日所有預測時間段的最大均方根誤差也在5%以內(nèi),小于技術(shù)要求中規(guī)定的15%的誤差指標,合格率達到100%。證明了D-S證據(jù)理論的作為預測模型的可行性和準確性。
【學位授予單位】：北京建筑大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TM615
【圖文】：

8圖 1-1 光伏并網(wǎng)發(fā)電對配網(wǎng)影響的正負效應(yīng)指標體系1 The positive and negative effect index system of photovoltaic grid-connectegeneration on distribution network于光伏并網(wǎng)系統(tǒng)能夠加大光伏的普及率，提高我國清潔能源使用家的光伏發(fā)展戰(zhàn)略傾向于大規(guī)模發(fā)展在的內(nèi)蒙古，新疆等西北部伏發(fā)電站。2017 年這一策略已經(jīng)轉(zhuǎn)變?yōu)樵诎l(fā)達地區(qū)大力發(fā)展分布統(tǒng)，隨著分布式光伏發(fā)電系統(tǒng)的進一步普及。學術(shù)屆的研究在不負面影響，讓清潔的能源產(chǎn)出更多有利的出力而努力。電系統(tǒng)受環(huán)境以及其組件特性等多因素的影響，其出力有著隨機光伏發(fā)電功率進行預測，要綜合考慮預測時刻的氣象環(huán)境等因素電數(shù)據(jù)。傳統(tǒng)的預測方法很難對其進行精準的預測。因此研究新

圖 1-2 光伏發(fā)電功率預測方法分類Fig.1-2 Photovoltaic power prediction method classification 物理原理預測法物理原理方法包括光伏發(fā)電原理預測和利用對氣象參數(shù)的預測的間接前者利用是設(shè)備的電學特性及發(fā)電效率，僅適用新建光伏發(fā)電站的于中測[6]。后者是以數(shù)值天氣預報作為輸入的一種預測方法，其主要思想是先通過理模型結(jié)合數(shù)值天氣預報預測有效的輻射量。這一方法在國外被廣泛應(yīng)用一步衍生出對天空云量的監(jiān)測和云的物理運動軌跡的預測方法，從而預發(fā)電量[7-12]。 統(tǒng)計預測法統(tǒng)計預測法有回歸分析、時間序列和相似日原理。如表 1-1 所示。表 1-1 光伏功率預測統(tǒng)計預測法Tab.1-1 Photovoltaic power forecasting statistical forecasting method類 方法 模型 應(yīng)用

_4Rp網(wǎng)終的結(jié)袖采音圖

【參考文獻】

相關(guān)期刊論文 前10條

1 倪春花;李弘毅;吳在軍;;霧霾對光伏發(fā)電量的影響分析[J];江蘇電機工程;2015年06期

2 郭宇杰;袁曉玲;李昌明;劉皓明;;利用最佳相似日的光伏電站短期出力預測[J];電力需求側(cè)管理;2015年06期

3 姚仲敏;潘飛;沈玉會;吳金秋;于曉紅;;基于GA-BP和POS-BP神經(jīng)網(wǎng)絡(luò)的光伏電站出力短期預測[J];電力系統(tǒng)保護與控制;2015年20期

4 叢林虎;徐廷學;荀凱;;基于D-S證據(jù)理論的導彈制導控制系統(tǒng)的聯(lián)合最小二乘支持向量機預測模型[J];兵工學報;2015年08期

5 張華彬;楊明玉;;基于最小二乘支持向量機的光伏出力超短期預測[J];現(xiàn)代電力;2015年01期

6 高陽;張碧玲;毛京麗;劉勇;;基于機器學習的自適應(yīng)光伏超短期出力預測模型[J];電網(wǎng)技術(shù);2015年02期

7 張俊蔚;;基于物理模型的光伏電站輸出功率預測[J];甘肅水利水電技術(shù);2015年01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測[J];電力系統(tǒng)保護與控制;2014年13期

9 敖蕾蕾;王慧芳;張弛;李一泉;何奔騰;;基于D-S證據(jù)理論的輸變電設(shè)備狀態(tài)檢修多目標群決策[J];電網(wǎng)技術(shù);2014年06期

10 周志強;錢建剛;尹康銀;王一舟;;一種基于DS證據(jù)理論的目標意圖預測方法[J];空軍預警學院學報;2014年02期

相關(guān)博士學位論文 前3條

1 魏亞楠;智能電網(wǎng)中多種發(fā)電模式聯(lián)合調(diào)度模型及效益評價研究[D];華北電力大學;2014年

2 彭泓;基于數(shù)據(jù)挖掘與信息融合的瓦斯災(zāi)害預測方法研究[D];中國礦業(yè)大學（北京）;2013年

3 陳維;戶用光伏建筑一體化發(fā)電系統(tǒng)及太陽能半導體照明技術(shù)研究[D];中國科學技術(shù)大學;2006年

相關(guān)碩士學位論文 前7條

1 俞震;光伏電站并網(wǎng)發(fā)電短期功率數(shù)據(jù)預測研究[D];華北電力大學(北京);2016年

2 鄧強;基于三支決策理論的光伏并網(wǎng)發(fā)電量預測研究[D];北京建筑大學;2016年

3 賈翠玲;并網(wǎng)型光伏發(fā)電短期功率預測的研究與應(yīng)用[D];華北電力大學(北京);2016年

4 楊亞丹;基于生理參數(shù)融合的心理壓力評估方法及系統(tǒng)研究[D];燕山大學;2015年

5 楊蕾;太陽能光伏電站輸出功率預測研究[D];蘭州交通大學;2014年

6 徐翻翻;基于D-S證據(jù)理論的模式分類問題的研究[D];哈爾濱工業(yè)大學;2010年

7 張方方;室內(nèi)環(huán)境多信息融合算法的研究[D];重慶理工大學;2010年

本文編號：2754586