没有合适的资源?快使用搜索试试~ 我知道了~
人工智能-基于改进神经网络的光伏发电功率短期预测研究.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 91 浏览量
2022-06-28
02:45:32
上传
评论
收藏 1.45MB PDF 举报
温馨提示
试读
59页
人工智能-基于改进神经网络的光伏发电功率短期预测研究.pdf
资源推荐
资源详情
资源评论
摘 要
I
摘 要
随着全球工业化进程的持续推进,全球能源产业发展战略规划也发生了翻天覆地
的变化,继风力发电后,光伏发电技术因其清洁无污染、安装便利、维护成本低和使
用效率高等优势近年来获得了快速的发展,光伏装机容量和装机比例呈爆发式状态增
长。与此同时,光伏输出功率具有明显的随机性和不确定性,当其大规模接入电网后
其波动特性表现的更为突出,给电网带来巨大冲击的同时降低了电网运行的可靠性,
增添了电网调度运行管理的成本与难度。因此,对光伏发电系统功率进行合理预测对
提高光伏电站利用率和电网安全稳定运行水平具有重要的现实意义。
本文至力于提高光伏功率预测精度,开展相关研究工作,首先对光伏并网系统的
建模和控制方法进行详细归纳总结,深入了解光伏并网过程能量的转换过程;其次基
于历史运行数据对影响光伏功率输出的各类因子(日类型、辐射强度、湿度和温度)
的内在机理进行深入挖掘;再次,对光伏功率预测模型和预测算法的优缺点进行评估,
提出一种基于粒子群算法和神经网络算法的组合预测方法对光伏发电功率进行短期
预测;最后对模拟仿真结果和实际工程进行功率预测计算,结果表明所提的光伏功率
预测模型能充分兼顾多类光伏功率影响因子的相互联系,所采用的预测算法预测结论
与光伏实际运行功率具有很好的吻合性,具有很好的工程推广价值。
关键词:光伏发电技术 功率预测 粒子群算法 神经网络 利用率
万方数据
Abstract
II
Abstract
With the continuous progress of global industrialization, the strategic plan for the
development of the global energy industry has also undergone earth-shaking changes. After
wind power generation, the photovoltaic( photovoltaic, PV) power generation technology
has gained rapid development in recent years due to its clean, non-polluting, convenient
installation, low maintenance costs, and high efficiency of use. PVs installed capacity and
installed ratio show burst state growth. At the same time, PV output power has obvious
randomness and uncertainty. When it is connected to the power grid on a large scale, its
fluctuation characteristics are more prominent, which brings a huge impact on the power
grid and reduces the reliability of the power grid operation, adding to the power grid
dispatching operation management. Therefore, it is of great practical significance to predict
the power of PV power system reasonably to improve the utilization rate of PV power
station and the safe and stable operation level of power grid.
In order to improve the precision of PV power prediction, the paper firstly
summarizes the modeling and control methods of PV grid-connected system in detail, and
deeply understands the energy conversion process of PV grid-connected process. Secondly,
based on the historical running data, the internal mechanism of various factors(daily type,
radiation intensity, humidity and temperature) that affect the power output of PV is deeply
explored. Thirdly, the advantages and disadvantages of PV power prediction model and
prediction algorithm are evaluated, and a combined prediction method based on (particle
swarm optimization, PSO) algorithm analysis and neural network algorithm is proposed to
predict PV power in the short term. Finally, the simulation results and the actual
engineering power prediction calculations show that the proposed PV power prediction
model can fully take into account the interaction of multiple types of PV power influence
factors. The prediction results of the prediction algorithm are in good agreement with the
actual operating power of PV and have good engineering generalization value.
Key words: Photovoltaics technology Power forecasting Particle swarm optimization
algorithm Neural networks Utilization ratio
万方数据
目 录
III
目 录
摘 要 ................................................................ I
Abstract ............................................................. II
第 1 章 绪 论 ........................................................ 1
1.1
课题背景及研究的目的和意义 ...................................... 1
1.1.1 光伏发电发展应用前景 ....................................... 1
1.1.2 光伏功率出力预测意义 ....................................... 2
1.2
光伏功率预测基本原理 ............................................ 3
1.3
光伏功率预测方法研究情况 ........................................ 5
1.4
课题主要研究内容 ................................................ 8
第 2 章 光伏发电系统及其影响光伏功率出力因素分析 ...................... 9
2.1
光伏发电系统基本原理与组成 ...................................... 9
2.1.1 光伏电池基本原理 ........................................... 9
2.1.2 光伏发电系统组成 .......................................... 10
2.2
光伏发电系统建模 ............................................... 11
2.2.1 光伏电池建模 .............................................. 11
2.2.2 光伏发电系统控制策略建模 .................................. 12
2.3
影响光伏功率输出关键因素分析 ................................... 14
2.3.1 日类型对光伏功率输出的影响 ................................ 14
2.3.2 辐射强度对光伏功率输出的影响 .............................. 16
2.3.3 温度对光伏功率输出的影响 .................................. 16
2.3.4 湿度对光伏功率输出的影响 .................................. 17
2.3.5 风速对光伏功率输出的影响 .................................. 18
2.4
本章小结 ....................................................... 18
第 3 章 光伏功率预测方法分析 .......................................... 19
3.1
单一功率预测方法 ............................................... 19
3.1.1 灰色理论功率预测方法 ...................................... 19
3.1.2 多元线性回归功率预测方法 .................................. 20
3.1.3 支持向量机功率预测方法 .................................... 21
3.1.4 神经网络功率预测方法 ...................................... 21
万方数据
目 录
IV
3.2
组合功率预测方法 ............................................... 22
3.2.1 非最优组合预测方法 ........................................ 23
3.2.2 最优组合预测方法 .......................................... 23
3.3
光伏发电功率预测评价指标 ....................................... 24
3.4
基于神经网络的光伏功率预测方法研究 ............................. 25
3.4.1 基于神经网络的光伏功率预测模型 ............................ 25
3.4.2 神经网络功率预测结果分析 .................................. 26
3.5
本章小结 ....................................................... 30
第 4 章 基于改进神经网络的光伏发电短期功率预测 ........................ 31
4.1
光伏预测数据预处理 ............................................. 31
4.1.1 数据归一化处理 ............................................ 31
4.1.2 异常数据剔除 .............................................. 33
4.1.3 缺失数据修正 .............................................. 35
4.2
基于改进神经网络算法光伏功率预测模型实现 ....................... 35
4.2.1 BP 神经网络 ............................................... 35
4.2.2 粒子群优化算法 ............................................ 36
4.2.3 神经网络算法性能改善 ...................................... 36
4.2.4 光伏短期功率预测步骤 ...................................... 37
4.3
算例分析 ....................................................... 38
4.3.1 模拟仿真算例 .............................................. 38
4.3.2 实际算例 .................................................. 40
4.4
本章小结 ....................................................... 44
第 5 章 结论及展望 ................................................... 45
5.1
课题结论 ....................................................... 45
5.2
课题展望 ....................................................... 45
致 谢 ............................................................... 46
参考文献 ............................................................. 47
附 录 ............................................................... 51
作者简介 ............................................................. 57
攻读硕士学位期间研究成果 ............................................. 58
万方数据
第 1 章 绪 论
1
第 1 章 绪 论
1.1 课题背景及研究的目的和意义
1.1.1 光伏发电发展应用前景
环境问题一直是困扰当前经济高速发展的主要限制因素,并且很长一段时间内任
然是急需解决的关键问题之一。随着大量化石资源的过度开采与利用,大气污染和水
资源污染问题日益突出,对社会发展和人类生存带来了严重的破坏与影响。因此,如
何快速有效的挖掘新型能源、加强资源利用方式的清洁替代至关重要。现阶段主流清
洁能源主要为风电、光伏、水电和生物质发电,此种能源利用率高,最重要的是不排
放污染物,对环境改善具有很好的促进作用,对提高化石能源存储具有很好的延缓作
用。跟传统的火力发电形式相比,清洁的风、光发电形式拥有规模小、分布范围广、
开采方便、无污染等优点,在近些年获得了快速的发展,以光伏发电为例,近 6 年全
球光伏发展情况大致如图 1.1 所示。可以看出自 2016 年开始,太阳能发展趋势猛烈,
年增长幅度均超过 100GW,预计到 2019 年底世界上太阳能发电装机规模情况将达到
635.9GW。
图 1.1 2014-2019 年世界上太阳能发电装机规模变化趋势
太阳能电池技术和原始供应材料的不断突破,利用太阳能进行发电的成本降低的
同时,而且其光电转换效率提高,一定程度上促进了光伏产业的发展,其规模在近些
年得到了大规模的提升。另一方面,由于环境问题恶化,大力发展清洁的光伏利用方
式对改善环境污染问题具有很好的改善作用,因此,光伏发电呈爆发式增长,表 1-1
2014 2015 2016 2017 2018 2019
0
100
200
300
400
500
600
700
时间 年
( )
装机容量
(GW)
188.8
306.8
408.8
512.9
预测
635.9( )
236.8
万方数据
剩余58页未读,继续阅读
资源评论
programcx
- 粉丝: 40
- 资源: 13万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功