简介:摘要:随着我国大力发展可再生能源,光伏并网发电系统的装机容量不断增加。然而,光伏并网发电系统的发电功率由于受气象因素的影响,其发电功率具有间歇性和波动性特点。大量光伏并网发电系统的随机接入会增加电网系统的复杂度,改变电网系统现有的裕度和发电计划,导致系统面临崩溃的风险。提高光伏并网发电系统的预测精度,有助于电力部门制定详细的发电以及调度计划,提高电力系统的运行稳定性。在大量阅读国内外文献的基础上,本文从三个不同方面对光伏并网的发电功率预测进行了研究。通过分析影响光伏并网发电功率的相关因素,选取主要影响因子作为神经网络的输入变量,采用基于神经网络的光伏发电预测模型对光伏发电功率进行预测。通过数据挖掘技术,从大量数据中筛选出与预测时段具有相似气象特征的数据序列,采用灰色关联度理论对光伏发电功率进行预测。通过组合预测技术的权值计算理论,分别对神经网络的光伏发电预测结果和灰色关联度的光伏发电预测结果赋予不同的权值,采用组合预测技术对光伏发电功率进行预测。
简介:摘要:现如今,我国的经济在迅猛发展,社会在不断进步,电力企业在我国发展十分迅速,为解决光伏发电系统发电功率在不同条件下误差较大问题,提出光伏发电系统发电功率预测新方法。通过分析光伏发电系统结构,研究光伏发电系统发电功率影响因素;以季节和天气类型作为历史样本选取样本源,针对气象部门提供的预测日分时气象数据在历史数据库中寻找相似数据点作为历史样本;依据历史样本构建离线参数寻优数据总集,使用核函数极限学习机算法构建发电系统发电功率预测模型,通过粒子群算法优化模型参数。实验结果表明:所提方法在不同条件下预测太阳能光伏发电系统发电功率的平均绝对百分比误差分别为 1.47%和 6.39%,光伏组件在综合异常条件下发电功率预测误差相对变化均低于 1%,证明所提方法满足实际预测要求。
简介:摘要:随着我国大力发展可再生能源,光伏并网发电系统的装机容量不断增加。然而,光伏并网发电系统的发电功率由于受气象因素的影响,其发电功率具有间歇性和波动性特点。大量光伏并网发电系统的随机接入会增加电网系统的复杂度,改变电网系统现有的裕度和发电计划,导致系统面临崩溃的风险。提高光伏并网发电系统的预测精度,有助于电力部门制定详细的发电以及调度计划,提高电力系统的运行稳定性。在大量阅读国内外文献的基础上,本文从三个不同方面对光伏并网的发电功率预测进行了研究。通过分析影响光伏并网发电功率的相关因素,选取主要影响因子作为神经网络的输入变量,采用基于神经网络的光伏发电预测模型对光伏发电功率进行预测。通过数据挖掘技术,从大量数据中筛选出与预测时段具有相似气象特征的数据序列,采用灰色关联度理论对光伏发电功率进行预测。通过组合预测技术的权值计算理论,分别对神经网络的光伏发电预测结果和灰色关联度的光伏发电预测结果赋予不同的权值,采用组合预测技术对光伏发电功率进行预测。
简介:摘 要:随着时代和工业的发展,能源的消耗速度越来越快,不可再生的能源在快速的消耗之下总归有耗尽的一天,也会对环境有一定的污染,所以人们对可再生的清洁能源的述求越来越高,希望在生活在更多的使用一些能够再生的不会污染环境的能源。而电力正是一种可再生且对环境污染较小的能源,电力的产生也可以通过风力水利和光伏发电等清洁的动力源来实现,可以说从发电到使用电能都是一个极为清洁的过程。