基于多源數(shù)據(jù)融合的短期太陽輻照度預(yù)測研究
發(fā)布時間:2023-09-13 22:39
隨著經(jīng)濟和科學(xué)技術(shù)的迅猛發(fā)展,人類對于能源的需求日益增大。太陽能作為一種無污染、可再生的清潔能源,其開發(fā)和利用愈發(fā)受到公眾的關(guān)注。光照短期波動和周期性變化引起的光伏電站線路電壓超限現(xiàn)象隨著光伏電站的增加也逐步增多,使得電網(wǎng)局部輸電斷面過載或越限。因此,準確預(yù)測光伏發(fā)電在未來一段時間內(nèi)的輸出功率對維護電網(wǎng)安全、穩(wěn)定、經(jīng)濟運行有著重要意義,而太陽輻照度作為光伏發(fā)電量最主要的影響因素,能否準確預(yù)測對電網(wǎng)穩(wěn)定運行至關(guān)重要。本文以天津市為研究區(qū),結(jié)合地面氣象站數(shù)據(jù)和風(fēng)云四號衛(wèi)星數(shù)據(jù)建立了一個基于注意力機制的seq2seq模型對天津市短期太陽輻照度進行預(yù)測。主要研究成果如下:(1)將太陽輻照度轉(zhuǎn)換為晴空指數(shù)。晴空指數(shù)與太陽輻照度相比,蘊含更多的大氣狀況信息,有助于提高太陽輻照度預(yù)測準確性。(2)建立了一個卷積神經(jīng)網(wǎng)絡(luò),對天津市西青區(qū)站點周圍50*50大小的衛(wèi)星圖像進行特征提取作為模型訓(xùn)練特征,從而提高了太陽輻照度預(yù)測的準確性。(3)對天津市西青區(qū)太陽輻照度進行分析,發(fā)現(xiàn)該地區(qū)太陽輻照度具有明顯的季節(jié)性特征,5、6、7月份太陽輻照度最高,全年有超過7個月適宜用于光伏發(fā)電。(4)建立了基于注意力機制的...
【文章頁數(shù)】:63 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景及研究意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 研究內(nèi)容和技術(shù)路線
1.3.1 研究內(nèi)容
1.3.2 技術(shù)路線
第二章 地面站數(shù)據(jù)預(yù)處理
2.1 研究區(qū)概況
2.2 數(shù)據(jù)介紹
2.3 數(shù)據(jù)預(yù)處理
2.3.1 數(shù)據(jù)標準化
2.3.2 晴空指數(shù)
2.3.3 相關(guān)分析
2.3.4 PCA算法
2.4 本章小結(jié)
第三章 衛(wèi)星數(shù)據(jù)預(yù)處理
3.1 引言
3.2 衛(wèi)星數(shù)據(jù)介紹
3.3 衛(wèi)星數(shù)據(jù)預(yù)處理
3.3.1 卷積神經(jīng)網(wǎng)絡(luò)原理
3.3.2 衛(wèi)星數(shù)據(jù)特征提取
3.4 本章小結(jié)
第四章 神經(jīng)網(wǎng)絡(luò)模型
4.1 基于注意力機制的seq2seq模型原理
4.1.1 seq2seq模型原理
4.1.2 注意力機制
4.1.3 LSTM神經(jīng)網(wǎng)絡(luò)原理
4.1.4 GRU神經(jīng)網(wǎng)絡(luò)原理
4.2 BP神經(jīng)網(wǎng)絡(luò)原理
4.2.1 BP神經(jīng)網(wǎng)絡(luò)建模過程
4.2.2 激活函數(shù)
4.2.3 BP算法的限制與不足
4.3 本章小結(jié)
第五章 短期太陽輻照度預(yù)測
5.1 引言
5.2 評估指標
5.3 太陽輻照度預(yù)測
5.3.1 傳統(tǒng)seq2seq模型預(yù)測結(jié)果
5.3.2 基于注意力機制的seq2seq模型預(yù)測結(jié)果
5.3.3 BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果
5.4 算法對比
5.5 本章小結(jié)
第六章 結(jié)論與展望
6.1 結(jié)論
6.1.1 研究成果
6.1.2 主要創(chuàng)新點
6.2 不足與展望
致謝
參考文獻
作者簡介
本文編號:3846049
【文章頁數(shù)】:63 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景及研究意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 研究內(nèi)容和技術(shù)路線
1.3.1 研究內(nèi)容
1.3.2 技術(shù)路線
第二章 地面站數(shù)據(jù)預(yù)處理
2.1 研究區(qū)概況
2.2 數(shù)據(jù)介紹
2.3 數(shù)據(jù)預(yù)處理
2.3.1 數(shù)據(jù)標準化
2.3.2 晴空指數(shù)
2.3.3 相關(guān)分析
2.3.4 PCA算法
2.4 本章小結(jié)
第三章 衛(wèi)星數(shù)據(jù)預(yù)處理
3.1 引言
3.2 衛(wèi)星數(shù)據(jù)介紹
3.3 衛(wèi)星數(shù)據(jù)預(yù)處理
3.3.1 卷積神經(jīng)網(wǎng)絡(luò)原理
3.3.2 衛(wèi)星數(shù)據(jù)特征提取
3.4 本章小結(jié)
第四章 神經(jīng)網(wǎng)絡(luò)模型
4.1 基于注意力機制的seq2seq模型原理
4.1.1 seq2seq模型原理
4.1.2 注意力機制
4.1.3 LSTM神經(jīng)網(wǎng)絡(luò)原理
4.1.4 GRU神經(jīng)網(wǎng)絡(luò)原理
4.2 BP神經(jīng)網(wǎng)絡(luò)原理
4.2.1 BP神經(jīng)網(wǎng)絡(luò)建模過程
4.2.2 激活函數(shù)
4.2.3 BP算法的限制與不足
4.3 本章小結(jié)
第五章 短期太陽輻照度預(yù)測
5.1 引言
5.2 評估指標
5.3 太陽輻照度預(yù)測
5.3.1 傳統(tǒng)seq2seq模型預(yù)測結(jié)果
5.3.2 基于注意力機制的seq2seq模型預(yù)測結(jié)果
5.3.3 BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果
5.4 算法對比
5.5 本章小結(jié)
第六章 結(jié)論與展望
6.1 結(jié)論
6.1.1 研究成果
6.1.2 主要創(chuàng)新點
6.2 不足與展望
致謝
參考文獻
作者簡介
本文編號:3846049
本文鏈接:http://sikaile.net/projectlw/qxxlw/3846049.html
最近更新
教材專著