本文關(guān)鍵詞：基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的光伏輸出功率短期預(yù)測(cè)研究　出處：《沈陽農(nóng)業(yè)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 功率預(yù)測(cè) 通徑分析法 主成分分析 遺傳算法 BP神經(jīng)網(wǎng)絡(luò)

【摘要】：基于我國(guó)現(xiàn)階段的基本國(guó)情可以知道,國(guó)家科學(xué)技術(shù)的發(fā)展和社會(huì)的進(jìn)步都離不開良好的自然環(huán)境,因此環(huán)保工作需要予以足夠重視。太陽能作為清潔能源之一其來源廣泛且無窮無盡,又具有清潔無污染的特點(diǎn),正逐漸走進(jìn)我們的生活成為二十一世紀(jì)最具大規(guī)模開發(fā)潛能的能源之一。分布式光伏發(fā)電是太陽能的一種主要的和有效的利用方式,我國(guó)的分布式光伏盡管與西方國(guó)家相比起步較晚但發(fā)展迅速,總的裝機(jī)容量在2015年就達(dá)到了 43GW且其中包含新增裝機(jī)容量16.5GW,處于全球領(lǐng)先,分布式光伏發(fā)電有巨大的發(fā)展前景和研究?jī)r(jià)值。分布式光伏發(fā)電的出力情況受自身特性和結(jié)構(gòu)影響具有間歇性、周期性、波動(dòng)性和隨機(jī)性的特點(diǎn),并入電網(wǎng)時(shí)會(huì)影響電網(wǎng)的安全穩(wěn)定并增大電網(wǎng)調(diào)度難度。掌握光伏發(fā)電的出力特性并進(jìn)行合理有效的預(yù)測(cè)有助于更好了解和運(yùn)用光伏,有助于相關(guān)電力部門制定發(fā)電計(jì)劃和調(diào)度計(jì)劃并同時(shí)減少光伏并網(wǎng)不穩(wěn)定性,對(duì)光伏發(fā)電的發(fā)展具有重大意義。本文就現(xiàn)階段國(guó)內(nèi)外對(duì)于光伏發(fā)電輸出功率預(yù)測(cè)方法的研究中大多存在輸入量確定方法繁瑣、模型訓(xùn)練用時(shí)較長(zhǎng)等問題,提出一種改進(jìn)輸入量和優(yōu)化預(yù)測(cè)模型結(jié)構(gòu)并存的光伏發(fā)電出力短期預(yù)測(cè)方法。首先對(duì)影響光伏出力的主氣象因子做了單一相關(guān)性分析和復(fù)合相關(guān)性分析,并采用通徑分析的方法將影響因子分為直接影響層面和間接影響層面進(jìn)而進(jìn)行分析,這種分析的結(jié)果更具有可參考性和實(shí)用性。第二,利用主成分分析的降維原理將多數(shù)幾個(gè)彼此存在相關(guān)性關(guān)系的原始變量降維成少數(shù)幾個(gè)的彼此相互獨(dú)立的變量作為神經(jīng)網(wǎng)絡(luò)的輸入;同時(shí)利用遺傳算法的全局搜索特性對(duì)光伏出力的預(yù)測(cè)模型進(jìn)行優(yōu)化,具體途徑是改進(jìn)預(yù)測(cè)常用的誤差前向反饋傳播神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值以彌補(bǔ)其易陷入局部極小值點(diǎn)和收斂用時(shí)較長(zhǎng)的不足。最后通過遼寧地區(qū)某分布式光伏示范基地的實(shí)例數(shù)據(jù)在穩(wěn)定型和突變型天氣下的預(yù)測(cè)結(jié)果分析,得出研究中所提方法具有更高精確度和更快收斂訓(xùn)練速度的結(jié)論,所建立的光伏出力預(yù)測(cè)模型可以很好地針對(duì)遼寧地區(qū)的氣候及地理位置條件進(jìn)行功率預(yù)測(cè),進(jìn)而更好地為遼寧省分布式光伏發(fā)電助力,為相關(guān)電力部門制定發(fā)電計(jì)劃和調(diào)度計(jì)劃提供依據(jù)。
【學(xué)位授予單位】：沈陽農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TM615;TP183

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 白國(guó)振;俞潔皓;;基于改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定[J];計(jì)算機(jī)應(yīng)用研究;2016年11期

2 李燕斌;張久菊;肖俊明;;灰色-馬爾可夫鏈統(tǒng)計(jì)組合模型在光伏發(fā)電功率短期預(yù)測(cè)中的應(yīng)用[J];電測(cè)與儀表;2015年23期

3 葉林;陳政;趙永寧;朱倩雯;;基于遺傳算法—模糊徑向基神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測(cè)模型[J];電力系統(tǒng)自動(dòng)化;2015年16期

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

5 高陽;張碧玲;毛京麗;劉勇;;基于機(jī)器學(xué)習(xí)的自適應(yīng)光伏超短期出力預(yù)測(cè)模型[J];電網(wǎng)技術(shù);2015年02期

6 王曉華;張建成;周春霞;朱立剛;丁曉哲;;聯(lián)網(wǎng)光伏發(fā)電系統(tǒng)調(diào)度運(yùn)行控制方法研究[J];現(xiàn)代電力;2015年02期

7 李衛(wèi);席林;畢佳;;基于ANFIS模型的光伏電站輻照度超短期預(yù)測(cè)[J];上海電氣技術(shù);2014年04期

8 劉大為;彭文博;鮑亮亮;馬銘遠(yuǎn);趙志國(guó);;考慮空氣污染因素的光伏發(fā)電量回歸分析[J];可再生能源;2014年12期

9 楊錫運(yùn);劉歡;張彬;肖運(yùn)啟;;組合權(quán)重相似日選取方法及光伏輸出功率預(yù)測(cè)[J];電力自動(dòng)化設(shè)備;2014年09期

10 盧冬冬;鄭莆燕;袁言周;甘志超;李晉超;;基于天氣預(yù)報(bào)的光伏發(fā)電預(yù)測(cè)研究[J];硅谷;2014年15期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 趙杰;光伏發(fā)電并網(wǎng)系統(tǒng)的相關(guān)技術(shù)研究[D];天津大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 王坤;考慮多重不確定性因素的光伏出力預(yù)測(cè)研究[D];華北電力大學(xué);2013年

2 姚荃;考慮不確定因素的光伏發(fā)電出力預(yù)測(cè)[D];華北電力大學(xué);2012年

，

本文編號(hào)：1310856