光伏發(fā)電功率預(yù)報(bào)與負(fù)荷預(yù)報(bào)

【摘要】：隨著光伏發(fā)電系統(tǒng)的裝機(jī)容量的擴(kuò)大，其對(duì)電力系統(tǒng)的影響也越發(fā)明顯。光伏陣列的發(fā)電功率預(yù)報(bào)對(duì)于減輕光伏發(fā)電功率的不確定性對(duì)電網(wǎng)運(yùn)行的影響有重要作用。負(fù)荷預(yù)報(bào)是制定發(fā)電計(jì)劃和遠(yuǎn)景規(guī)劃的基礎(chǔ)，預(yù)測(cè)結(jié)果的準(zhǔn)確性直接關(guān)系到電力系統(tǒng)運(yùn)行的經(jīng)濟(jì)性和安全性。因此，提高光伏發(fā)電功率預(yù)報(bào)和負(fù)荷預(yù)報(bào)的精確度一直是國內(nèi)外學(xué)者致力研究的方向之一。 選取相似日的目的是通過歷史數(shù)據(jù)預(yù)測(cè)未來數(shù)據(jù)。光伏發(fā)電功率數(shù)據(jù)及負(fù)荷數(shù)據(jù)與歷史數(shù)據(jù)之間存在緊密的聯(lián)系。因此，本文中將相似日理論應(yīng)用于光伏發(fā)電功率預(yù)報(bào)和負(fù)荷預(yù)報(bào)模型中。相似日選擇原理是根據(jù)建立的日特征向量，使用歐式距離判斷不同日之間的特征向量的差異。 近幾年來，人工智能大量應(yīng)用于光伏發(fā)電功率預(yù)報(bào)和負(fù)荷預(yù)報(bào)領(lǐng)域。目前應(yīng)用比較廣泛的是BP神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)是一種靜態(tài)前饋型神經(jīng)網(wǎng)絡(luò)，預(yù)測(cè)動(dòng)態(tài)系統(tǒng)時(shí)容易陷入局部極小值點(diǎn)。Elman神經(jīng)網(wǎng)絡(luò)相比于BP神經(jīng)網(wǎng)絡(luò)增加了一層承接層，可以看做一個(gè)具有局部記憶單元和局部反饋連接的前向神經(jīng)網(wǎng)絡(luò)，具有動(dòng)態(tài)特性好、逼近速度快、精度高等特點(diǎn)。因此對(duì)于光伏發(fā)電功率預(yù)報(bào)和負(fù)荷預(yù)報(bào)領(lǐng)域Elman神經(jīng)網(wǎng)絡(luò)更優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。 光伏系統(tǒng)發(fā)電功率的主要影響因素有季節(jié)、日類型、太陽能輻照強(qiáng)度和溫度等。另外，負(fù)荷水平受內(nèi)在規(guī)律和外部氣象因素的影響，具有周期性和隨機(jī)性。本文根據(jù)發(fā)電功率和負(fù)荷特性的影響因素分別建立日特征向量，從而得到相似日。根據(jù)得到的相似日數(shù)據(jù)結(jié)合氣象預(yù)報(bào)數(shù)據(jù)分別建立了基于Elman神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)報(bào)和負(fù)荷預(yù)報(bào)模型。實(shí)驗(yàn)結(jié)果表明相比于傳統(tǒng)的預(yù)報(bào)模型，本模型有著一定的優(yōu)勢(shì)。 太陽能輻照強(qiáng)度是影響光伏發(fā)電功率的最直接因素，太陽能輻照強(qiáng)度曲線變化規(guī)律和光伏陣列輸出功率曲線變化規(guī)律幾乎一致。本文根據(jù)太陽能輻照強(qiáng)度預(yù)報(bào)值分別建立了基于線性外推法和基于太陽能電池I/V特性曲線的預(yù)報(bào)模型。實(shí)驗(yàn)結(jié)果表明，準(zhǔn)確預(yù)報(bào)太陽能輻照強(qiáng)度對(duì)于提高光伏發(fā)電功率預(yù)報(bào)精度具有重要意義。 相比于光伏發(fā)電功率，負(fù)荷水平具有明顯的規(guī)律性，和歷史數(shù)據(jù)具有更緊密的關(guān)系。本文通過選取的相似日建立了一種簡(jiǎn)單實(shí)用的基于線性外推法的超短期負(fù)荷預(yù)報(bào)模型。實(shí)驗(yàn)結(jié)果表明這種模型具有簡(jiǎn)單、實(shí)用、預(yù)測(cè)精度高等優(yōu)點(diǎn)。 【關(guān)鍵詞】：光伏發(fā)電功率預(yù)測(cè) 負(fù)荷預(yù)測(cè) 相似日 Elman神經(jīng)網(wǎng)絡(luò) 線性外推法
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TM615
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-19
• 1.1 課題的背景及意義11
• 1.2 微電網(wǎng)的概念11-13
• 1.3 微電網(wǎng)研究現(xiàn)狀13-15
• 1.4 光伏發(fā)電功率預(yù)報(bào)現(xiàn)狀15-16
• 1.4.1 國外研究現(xiàn)狀15
• 1.4.2 國內(nèi)研究現(xiàn)狀15-16
• 1.5 負(fù)荷預(yù)報(bào)研究現(xiàn)狀16-17
• 1.6 本文主要工作17-19
• 第二章 光伏發(fā)電及其影響因素分析19-30
• 2.1 光伏發(fā)電系統(tǒng)原理19-21
• 2.2 光伏并網(wǎng)發(fā)電系統(tǒng)的組成21
• 2.3 光伏電池輸入輸出特性21-25
• 2.3.1 光伏電池特性21-24
• 2.3.2 光電轉(zhuǎn)換效率24-25
• 2.4 影響光伏系統(tǒng)發(fā)電特性的因素25-29
• 2.4.1 季節(jié)25-26
• 2.4.2 日類型26-27
• 2.4.3 太陽能輻照強(qiáng)度27-28
• 2.4.4 溫度28-29
• 2.5 本章小結(jié)29-30
• 第三章 微電網(wǎng)負(fù)荷特性與影響因素分析30-38
• 3.1 電力系統(tǒng)負(fù)荷分類30
• 3.2 微電網(wǎng)負(fù)荷特性分析30-33
• 3.3 負(fù)荷氣象影響因素分析33-35
• 3.4 負(fù)荷預(yù)報(bào)35-37
• 3.4.1 負(fù)荷預(yù)報(bào)的分類35-36
• 3.4.2 用電負(fù)荷的特點(diǎn)36
• 3.4.3 影響微電網(wǎng)負(fù)荷預(yù)報(bào)的因素36-37
• 3.5 本章小結(jié)37-38
• 第四章 基于相似日的預(yù)報(bào)模型數(shù)據(jù)分類38-47
• 4.1 相似日選擇原理38-39
• 4.1.1 日特征相似日原理38
• 4.1.2 形狀相似日原理38-39
• 4.2 數(shù)據(jù)的采集和處理39-43
• 4.2.1 氣象參數(shù)數(shù)據(jù)的選取39-40
• 4.2.2 光伏發(fā)電功率和負(fù)荷數(shù)據(jù)的選取40-42
• 4.2.3 數(shù)據(jù)處理42-43
• 4.3 相似日理論在光伏發(fā)電功率預(yù)報(bào)中的應(yīng)用43-44
• 4.3.1 光伏發(fā)電功率中的日特征向量的建立43
• 4.3.2 相似日選取結(jié)果43-44
• 4.4 相似日理論在負(fù)荷預(yù)報(bào)中的應(yīng)用44-46
• 4.4.1 負(fù)荷預(yù)報(bào)中的日特征向量的建立44-45
• 4.4.2 相似日選取結(jié)果45-46
• 4.5 本章小結(jié)46-47
• 第五章 光伏發(fā)電功率預(yù)報(bào)47-58
• 5.1 光伏發(fā)電功率預(yù)報(bào)概述47-49
• 5.1.1 光伏發(fā)電功率概述47
• 5.1.2 光伏發(fā)電預(yù)報(bào)的分類47-48
• 5.1.3 光伏發(fā)點(diǎn)功率預(yù)報(bào)的原則48
• 5.1.4 光伏發(fā)電功率預(yù)測(cè)方式48-49
• 5.2 Elman 神經(jīng)網(wǎng)絡(luò)49-53
• 5.2.1 Elman 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)50-51
• 5.2.2 Elman 神經(jīng)網(wǎng)絡(luò)原理與算法51-52
• 5.2.3 Elman 神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)流程52-53
• 5.3 基于相似日的 Elman 神經(jīng)網(wǎng)絡(luò)無輻照度預(yù)測(cè)模型53-57
• 5.3.1 預(yù)測(cè)模型的輸入輸出層節(jié)點(diǎn)的確定54
• 5.3.2 預(yù)測(cè)模型隱含層節(jié)點(diǎn)的選取54-55
• 5.3.3 Elman 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)55
• 5.3.4 預(yù)報(bào)模型訓(xùn)練和評(píng)估55
• 5.3.5 預(yù)測(cè)結(jié)果分析55-57
• 5.4 本章小結(jié)57-58
• 第六章 基于輻照度預(yù)報(bào)的光伏發(fā)電功率預(yù)報(bào)58-67
• 6.1 太陽能輻照度預(yù)報(bào)58-59
• 6.2 基于輻照度預(yù)報(bào)的線性外推法預(yù)報(bào)光伏發(fā)電功率59-62
• 6.2.1 線性外推法的基本原理59-60
• 6.2.2 預(yù)測(cè)結(jié)果及分析60-62
• 6.3 基于太陽能輻照強(qiáng)度預(yù)報(bào)和太陽能電池 I/V 特性曲線的預(yù)測(cè)法62-66
• 6.3.1 太陽能電池的 I/V 特性曲線62-64
• 6.3.2 預(yù)測(cè)結(jié)果及分析64-66
• 6.4 本章小結(jié)66-67
• 第七章 基于相似日的超短期負(fù)荷預(yù)報(bào)方法研究67-74
• 7.1 基于相似日理論的 Elman 神經(jīng)網(wǎng)絡(luò)超短期負(fù)荷預(yù)報(bào)67-70
• 7.1.1 數(shù)據(jù)的采集和處理67-68
• 7.1.2 預(yù)測(cè)模型的輸入68
• 7.1.3 預(yù)測(cè)模型隱含層節(jié)點(diǎn)選取68-69
• 7.1.4 預(yù)測(cè)結(jié)果分析69-70
• 7.2 基于相似日的線性外推法負(fù)荷預(yù)報(bào)模型70-73
• 7.3 本章小結(jié)73-74
• 第八章 總結(jié)與展望74-76
• 8.1 本文總結(jié)74-75
• 8.2 工作展望75-76
• 致謝76-77
• 參考文獻(xiàn)77-82
• 附錄82

您可以在本站搜索以下學(xué)術(shù)論文文獻(xiàn)來了解更多相關(guān)內(nèi)容

基于神經(jīng)網(wǎng)絡(luò)的光伏陣列發(fā)電預(yù)測(cè)模型的設(shè)計(jì)    陳昌松;段善旭;殷進(jìn)軍;

應(yīng)用于負(fù)荷預(yù)測(cè)中的回歸分析的特殊問題    康重慶,夏清,劉梅,相年德

基于氣象負(fù)荷因子的Elman神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測(cè)    朱晟,蔣傳文,侯志儉

考慮人體舒適度的擴(kuò)展短期負(fù)荷預(yù)測(cè)新方法    毛弋;唐偲;

非線性季節(jié)型電力負(fù)荷灰色組合預(yù)測(cè)研究    李金穎,牛東曉

微電網(wǎng)的研究現(xiàn)狀及在我國的應(yīng)用前景    鄭漳華;艾芊;

含分布式發(fā)電系統(tǒng)的微網(wǎng)技術(shù)研究綜述    黃偉;孫昶輝;吳子平;張建華;

改進(jìn)相似日評(píng)價(jià)函數(shù)在短期負(fù)荷預(yù)測(cè)中的應(yīng)用    李敏;李钷;劉滌塵;

電網(wǎng)夏季氣象敏感負(fù)荷特性分析    朱振偉;方鴿飛;王國福;徐祥海;

光伏發(fā)電功率預(yù)測(cè)統(tǒng)計(jì)方法研究    盧靜;翟海青;劉純;王曉蓉;

農(nóng)產(chǎn)品市場(chǎng)價(jià)格短期預(yù)測(cè)方法的選擇及應(yīng)用——以鮮奶零售價(jià)格為例    董曉霞;李干瓊;劉自杰;

變電站光伏直流系統(tǒng)的研究與應(yīng)用    林航;陳曉明;

基于PSO的RBF神經(jīng)網(wǎng)絡(luò)短期電力負(fù)荷預(yù)測(cè)    田麗;黃世偉;李澤應(yīng);王軍;

智能組合預(yù)測(cè)法在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用研究    魏安靜;田麗;

基于Elman網(wǎng)絡(luò)的地面太陽總輻射估算方法    黃巖;畢坤;

雙面太陽電池垂直安裝發(fā)電性能的測(cè)試    王寧;吳昌宏;舒杰;

大型集中并網(wǎng)光伏電站硬件設(shè)計(jì)要求及安全保護(hù)    王志剛;龍維緒;崔海昱;鄧菊蓮;劉祖明;廖華;涂潔磊;

太陽能高效路燈系統(tǒng)工作原理與設(shè)計(jì)    張鵬;

太陽能光伏支架系統(tǒng)的應(yīng)用    李天下;

光伏控制器新型充電管理模式研究    普平貴;

基于LS-SVM方法的晴空逐時(shí)太陽輻射模型    蘇高利;柳欽火;鄧芳萍;辛?xí)灾?

太陽能光伏并網(wǎng)發(fā)電系統(tǒng)的研究    王飛,余世杰,蘇建徽,沈玉梁

一種獨(dú)立光伏發(fā)電系統(tǒng)雙向變換器的控制策略    廖志凌;阮新波;

微網(wǎng)中分布式電源逆變器的多環(huán)反饋控制策略    王成山;肖朝霞;王守相;

基于神經(jīng)網(wǎng)絡(luò)的光伏陣列發(fā)電預(yù)測(cè)模型的設(shè)計(jì)    陳昌松;段善旭;殷進(jìn)軍;

多逆變器環(huán)境微網(wǎng)環(huán)流控制新方法    呂志鵬;羅安;蔣雯倩;徐欣慰;

太陽能光伏發(fā)電技術(shù)現(xiàn)狀及其發(fā)展    趙晶;趙爭(zhēng)鳴;周德佳;

電網(wǎng)電壓不平衡條件下微網(wǎng)PQ控制策略研究    呂志鵬;羅安;榮飛;郭镥;

中國陸地太陽能資源開發(fā)潛力區(qū)域分析    李柯;何凡能;

一種規(guī)范化的處理相關(guān)因素的短期負(fù)荷預(yù)測(cè)新策略    康重慶,程旭,夏清,沈瑜

基于極端學(xué)習(xí)機(jī)的光伏發(fā)電功率短期預(yù)測(cè)    劉士榮;李松峰;寧康紅;周嘯波;榮延澤;

科技文摘    

風(fēng)電場(chǎng)發(fā)電功率的建模和預(yù)測(cè)研究綜述    王麗婕;廖曉鐘;高陽;高爽;

聯(lián)合條件下風(fēng)力發(fā)電風(fēng)速預(yù)測(cè)    田麗;鄧閱;

光伏發(fā)電功率預(yù)測(cè)統(tǒng)計(jì)方法研究    盧靜;翟海青;劉純;王曉蓉;

采用氣象信息的神經(jīng)網(wǎng)絡(luò)應(yīng)用于短期風(fēng)力發(fā)電功率預(yù)測(cè)    徐星;張虹;樂海洪;徐敏;

身背核電站移民外星    阿碧;

海島風(fēng)柴蓄發(fā)電功率分配方法與運(yùn)行預(yù)測(cè)    許昌;李旻;田薔薔;鄭源;

風(fēng)電場(chǎng)發(fā)電功率組合預(yù)測(cè)方法研究    胡婷;劉觀起;邵龍;劉哲;孫勃;

基于小波分析的風(fēng)電場(chǎng)短期發(fā)電功率預(yù)測(cè)    王麗婕;冬雷;廖曉鐘;高陽;

光伏發(fā)電功率預(yù)測(cè)預(yù)報(bào)系統(tǒng)升級(jí)方案設(shè)計(jì)及關(guān)鍵技術(shù)實(shí)現(xiàn)    崔楊;陳正洪;成馳;唐俊;谷春;

龍?jiān)磧?nèi)蒙古公司風(fēng)電場(chǎng)發(fā)電功率預(yù)測(cè)系統(tǒng)獲省級(jí)科技進(jìn)步獎(jiǎng)    

基于AR模型的風(fēng)力發(fā)電功率預(yù)測(cè)仿真    馮雷;黃宏;張秀坤;張欣;

美將建“清潔煤炭”電廠    欣華

歐洲試驗(yàn)利用海下“風(fēng)車”發(fā)電    劉 琴

日本研發(fā)海上浮動(dòng)發(fā)電站    錢錚

全省風(fēng)電發(fā)電功率創(chuàng)最高紀(jì)錄    記者 張劍雯

并網(wǎng)型光伏電站發(fā)電功率預(yù)測(cè)方法與系統(tǒng)    王飛

大型變速變距風(fēng)力發(fā)電機(jī)組的柔性協(xié)調(diào)控制技術(shù)研究    邢作霞

人工智能方法在光伏發(fā)電功率預(yù)測(cè)中的應(yīng)用研究    王軍

新能源風(fēng)光發(fā)電功率預(yù)測(cè)模型的研究    陸劉春

風(fēng)電場(chǎng)發(fā)電功率預(yù)測(cè)及風(fēng)機(jī)運(yùn)行優(yōu)化的研究    張琦

并網(wǎng)型光伏電站發(fā)電功率的建模與預(yù)測(cè)研究    王旭峰

光伏發(fā)電功率預(yù)報(bào)與負(fù)荷預(yù)報(bào)    羅小蘭

風(fēng)能及光伏發(fā)電功率短期預(yù)測(cè)方法研究    陳垣毅

并網(wǎng)型光伏電站發(fā)電功率與其主氣象影響因子相關(guān)性分析    郭佳

風(fēng)電場(chǎng)風(fēng)速及發(fā)電功率預(yù)測(cè)與經(jīng)濟(jì)效益研究    王麗偉

光伏發(fā)電功率的預(yù)測(cè)方法研究    王鴻璽

并網(wǎng)型光伏發(fā)電功率預(yù)測(cè)系統(tǒng)的研究與實(shí)現(xiàn)    曲洪達(dá)