太陽能作為一種清潔能源能有效緩解能源緊缺和環(huán)境污染,光伏發(fā)電是太陽能利用的主要形式。但由于光伏出力具有不穩(wěn)定性,導(dǎo)致棄光問題嚴(yán)重,利用火電調(diào)峰實現(xiàn)光火聯(lián)合調(diào)度能有效解決該問題。而傳統(tǒng)的光火聯(lián)合調(diào)度是以單值預(yù)測為基礎(chǔ),未能考慮光伏出力特性以及火電經(jīng)濟(jì)性,使其在解決棄光問題上大打折扣。因此,在聯(lián)合調(diào)度系統(tǒng)中,提高光伏出力預(yù)測精度,充分考慮光伏出力特性,能有效解決棄光問題。本文首先對光伏出力預(yù)測相關(guān)技術(shù)進(jìn)行了研究,在支持向量機(jī)(Support Vector Machine,SVM)、自回歸滑動平均(Auto-Regressive and Moving Average,ARMA)模型和BP神經(jīng)網(wǎng)絡(luò)(Back Propagation NeuralNetwork,BPNN)基礎(chǔ)上,分別建立了三種預(yù)測模型。針對單模型預(yù)測精度和穩(wěn)定性較低的不足,提出基于誘導(dǎo)有序加權(quán)平均(Induced Ordered Weighted Averaging,IOWA)算子的組合預(yù)測方法,并利用云南某光伏電站實測數(shù)據(jù)對模型進(jìn)行訓(xùn)練和驗證,結(jié)果表明,組合預(yù)測能有效提高光伏出力的整體預(yù)測精度和穩(wěn)定性。其次,針對傳統(tǒng)調(diào)度中,光...

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1我國近十年光伏發(fā)電裝機(jī)容量Figure1-1TheinstalledcapacityofPhotovoltaicpowerinrecenttenyears

實現(xiàn)減排是一個值得思考的問題【3】。太陽能的出現(xiàn)有效解決了這一矛盾，地球上的能源主要來自太陽能，其中包括包風(fēng)能、潮汐能以及生物質(zhì)能。而我國地域廣闊，太陽能資源十分豐富。據(jù)不完全統(tǒng)計每年僅陸上太陽能輻射量就有185010kJ，其中全年日照2000小時以上的地區(qū)占到全面....

圖2-2時間序列模型建模流程

ARMA預(yù)測模型的建模過程如圖2-2所示。圖2-2時間序列模型建模流程Figure2-2Modelingprocessdiagramoftimeseriesmodel時間序列模型的選擇，主要是利用模型的自相關(guān)函數(shù)與偏自相關(guān)函數(shù)對模型加以判別。假如有任一時間....

圖2-3神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

絡(luò)概述絡(luò)(ArtificialNeuralNetworks,ANN)是仿照生物大腦的結(jié)數(shù)據(jù)樣本下網(wǎng)絡(luò)可以通過自我學(xué)習(xí)，不斷調(diào)整網(wǎng)絡(luò)中的出數(shù)據(jù)的函數(shù)關(guān)系，從而得到期望的輸出結(jié)果。網(wǎng)絡(luò)的發(fā)展中，感知機(jī)對其產(chǎn)生了深遠(yuǎn)的影響，也因此引，最初的神經(jīng)網(wǎng)絡(luò)模型很簡單，只有一層感知網(wǎng)絡(luò)，由....

圖3-6四種預(yù)測模型對Ⅰ類出力曲線預(yù)測結(jié)果

西安理工大學(xué)專業(yè)碩士學(xué)位論文min為第n個特征量的最小值，maxn為第個特征量的最大值。.3光伏出力預(yù)測結(jié)果分析對該光伏電站2013年全年歷史出力數(shù)據(jù)整理分析，選取相似日光伏出力作為輸入預(yù)測，將預(yù)測結(jié)果與實際光伏出力對比分析。.3.1對Ⅰ類出力曲線預(yù)測結(jié)果分析分別對四....

本文編號：3984175