大型并網光伏電站功率預測研究.pdf_第1頁
已閱讀1頁,還剩81頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、能源是經濟社會發(fā)展的重要物質基礎。隨著全球經濟增長和世界人口增加,建立在化石能源基礎上的傳統(tǒng)能源發(fā)展方式已難以為繼。堅強智能電網和全球能源互聯(lián)網理念的實施,未來將使清潔能源的比重大幅度提升。因光伏發(fā)電系統(tǒng)出力具有明顯的間歇性、隨機波動性,大規(guī)模接入電網給電網調度管理帶來巨大挑戰(zhàn)。如何充分利用清潔能源、最大限度消納成為電力系統(tǒng)的研究熱點。所以研究光伏發(fā)電系統(tǒng)和對其輸出功率進行有效預測具有重要實際意義。
  本研究分析了并網型光伏電站

2、系統(tǒng)發(fā)電原理、系統(tǒng)組成和運行方式,并對光伏電站的控制調節(jié)系統(tǒng)進行詳細設計。在研究分析了影響光伏電站出力的因素和出力特性基礎上,確定了以天氣類型指數、太陽輻照度、溫度、濕度為主要影響因子,將高斯過程回歸算法應用到光伏短期功率預測方面,驗證了方法的可行性,并且實例驗證了改方法預測效果優(yōu)于小波神經網絡與最小二乘支持向量機。針對光伏短期功率預測問題,提出一種基于分類建模思想和相似日原理結合粒子群改進高斯過程回歸的預測方法。該方法以天氣類型指數建

3、立三類數據庫,并應用相似日原理以天氣類型指數、日平均溫度、日平均濕度作為預測時選取相似日的參考指標,針對不同的預測類型,選擇相應的數據庫,從中選取6天相似日,并采用組合協(xié)方數函差,權重線性遞減粒子群算法(LinW-PSO)代替共軛梯度算法優(yōu)化高斯過程回歸模型超參數,在matlab中分別建立三種類型的高斯過程回歸預測模型。針對陜西定邊和甘肅省武威兩個不同區(qū)域的實際并網光伏電站進行算例驗證分析,結果均表明本文提出的分類方法和LinWPSO-

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論