简介:摘要:针对目前分布式光伏发电系统发电量的影响因素较多,不易预测,与其他发电系统之间运行优化策略不完善等问题。文章参考国内外光伏行业大数据应用的典型经验,基于光伏发电数据和用户的负荷需求数据,提出了一种基于 RBF 神经网络的光伏发电量预测和负荷预测模型,运用归一化处理方法对数据进行处理分析,再通过量化处理方法和相似度处理方法对天气因素进行处理分析,从而能够较高准确度的预测接下来几个阶段的光伏用电量 ;采用青岛市某光伏电站的实际数据进行学习和预测,取得较好效果,从而验证了模型的可行性。此外通过对负荷的预测和对发电量的预测数据,以经济性能最优为目标制定了运行优化策略,实现了光伏发电的有效利用,使发电侧和负荷侧功率平衡,大大降低了网损和线损,提升了分布式光伏用电可靠性和经济性。
简介:摘要随着经济在我国不断地发展,一些社会性和能源性的问题也随之凸现出来。这些问题包括日益增加的能源消耗,不可再生资源的大量使用造成资源的枯竭,还有过量的能源消耗产生的过量温室气体等等。光伏发电在保护环境的基础上利用天然的太阳能资源为电网输送电力,成为了一种对环境无损害的新型发电方式,并因其独特的特点在世界范围内广泛的应用起来。光伏发电站的一项重要组成就是良好的接入系统,因为光伏发电受到温度和光照射量的影响,具有一定的波动性,因此整体发电系统的稳定需要靠接入系统的稳定来保证。本文对光伏发电系统接入电力输配网常见问题及对策进行分析研究。