發(fā)布時間：2022-01-01 20:35

　　可再生能源的高度變化性是制約可再生能源在電力系統(tǒng)中普及應(yīng)用的主要障礙。不同于風(fēng)能預(yù)測已有的成熟方法和系統(tǒng),超短期太陽能預(yù)測因為受云層影響而存在劇烈及不規(guī)則波動,一直以來都是行業(yè)的難題。采用高精度、高時間分辨率的太陽能預(yù)測可以有效減輕太陽能并網(wǎng)的負面影響,從而提高太陽能并網(wǎng)的普及率。太陽能預(yù)測的目的是提前幾分鐘準確地預(yù)測太陽輻射值,特別是實現(xiàn)斜坡事件的預(yù)測,而基于單一數(shù)據(jù)源的傳統(tǒng)太陽能預(yù)測方法無法實現(xiàn)。因此,本文提出了一種基于深度學(xué)習(xí)算法的異構(gòu)數(shù)據(jù)融合的太陽能預(yù)測方法,異構(gòu)數(shù)據(jù)源包括7年夏天的全天空圖像、氣象數(shù)據(jù)和太陽幾何數(shù)據(jù)。全文主要工作內(nèi)容如下:首先,針對云層運動對太陽能變化影響較大的問題,本文采用卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeural Networks）和遷移學(xué)習(xí)算法提取天空圖像特征。本文先搭建了CNN分類網(wǎng)絡(luò),用于識別天空圖像中太陽是否被云層遮擋。之后將分類網(wǎng)絡(luò)學(xué)習(xí)到的特征遷移到CNN回歸網(wǎng)絡(luò),并驗證提取的天空圖像特征的有效性。實驗結(jié)果表明系統(tǒng)的擬合程度R2為0.8185,總能量誤差百分比僅為1.91%。相比其他利用天空圖像預(yù)測太陽能的復(fù)雜方法,本文提出的特征提取系... 

【文章來源】：廈門大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．２晴天?

圖１．１某一天光伏輸出中的發(fā)生的許多斜坡事件??（來源：Ｎｏｎｌｉｎｅａｒ?Ｄｙｎａｍｉｃｓ?ｏｆ?Ａｇｇｇｒｅｇａｔｅ?Ｌｏａｄ?Ｍｏｄｅｌｓ，作者：Ｉａｎ?Ａ．Ｈｉｓｋｅｎｓ，時間：２０１９）??

圖１．３系統(tǒng)框架??

【參考文獻】：
期刊論文
[1]基于神經(jīng)網(wǎng)絡(luò)的光伏陣列發(fā)電預(yù)測模型的設(shè)計[J]. 陳昌松,段善旭,殷進軍.  電工技術(shù)學(xué)報. 2009(09)
[2]對中國能源問題的思考[J]. 江澤民.  上海交通大學(xué)學(xué)報. 2008(03)



本文編號：3562798