检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

超短期光伏发电功率预测方法的研究

超短期光伏发电功率预测方法的研究

作者：朱晓飞南京邮电大学

学位级别：硕士

光伏发电呈现出时变性、波动性和随机性,对光伏发电的稳定性带来不利影响。当光伏电站大规模接入电网后,由于其波动性给电网的整体稳定运行带来了巨大挑战,降低了电网运行的可靠性,增加了维护电网波动所带来的的运行和管理成本。因此,... 详细信息

光伏发电呈现出时变性、波动性和随机性,对光伏发电的稳定性带来不利影响。当光伏电站大规模接入电网后,由于其波动性给电网的整体稳定运行带来了巨大挑战,降低了电网运行的可靠性,增加了维护电网波动所带来的的运行和管理成本。因此,光伏发电功率的准确且合理的预测对电网的安全调度、维护电网的稳定运行和提高光伏电站利用率具有重要意义。目前传统的机器学习对光伏发电预测大多都是通过直接预测的方式,本文本着提升精度的思想,首先通过结合光伏的特征融合选取和模型参数组合选取的方式设计了一种基于改进Xgboost算法的光伏发电功率的预测模型。考虑到这种方式的缺陷在于对极端天气的适用度较差,提出了一种基于天气类型的高斯混合聚类相似日筛选模型。最后,针对单个模型提升精度有限的问题设计了基于Stacking模型融合的算法。主要研究内容包括:（1）基于改进的Xgboost的超短期光伏预测算法。目前传统的机器学习对光伏发电预测大多都是通过直接预测的方式,无法对特征进行有效的筛选。本文设计一种改进的Xgboost的超短期预测算法,通过一种特征融合的方式去有效的筛选模型和参数组合的方式去有效提高Xgboost对光伏发电功率的预测精度。（2）基于高斯混合聚类算法的相似日筛选模型。为了解决光伏发电在一些极端天气（阴天、雨天等）下的光伏预测精度低的问题,在不同天气情况下基于高斯混合聚类算法设计了相似日的筛选模型。与传统的筛选方式筛选出的样本在同一模型下进行对比分析,发现该方式筛选出的样本有利于模型在极端天气情况下的拟合。（3）基于Stacking模型融合下的光伏发电功率预测算法。针对单一的预测模型预测精度提升有限的问题,引入了集成学习的思想和方法,提出一种基于Stacking方法来结合支持向量机、BP神经网络、线性回归、决策树、xgboost等模型的短期预测方式,通过与单一模型Xgboost、BP神经网络相对比,精度有了明显的提升,通过与光伏发电的实际功率对比,具有很好的吻合性,在实际应用中具有很高的工程推广价值。

关键词：光伏发电短期预测模型融合Stacking 相似日的聚类高斯混合聚类 Xgboost

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时空相关性的短期光伏出力预测混合模型

电力系统及其自动化学报 2024年第5期36卷 121-129页

作者：李豪马刚李天宇李伟康沈静文南京师范大学电气与自动化工程学院南京210000

光伏功率预测是电网优化调度、稳定运行的关键基础,为了应对传统预测模型对潜在特性发掘不到位等问题,提出了基于时空相关性的短期光伏出力预测混合模型。它由图卷积神经网络GCN(graph convolutional neural network)、辛几何模态分解SG... 详细信息

光伏功率预测是电网优化调度、稳定运行的关键基础,为了应对传统预测模型对潜在特性发掘不到位等问题,提出了基于时空相关性的短期光伏出力预测混合模型。它由图卷积神经网络GCN(graph convolutional neural network)、辛几何模态分解SGMD(symplectic geometry mode decomposition)、卷积神经网络CNN(convolutional neural network)和双向长短期记忆BiLSTM(bi-directional long short-term memory)神经网络组成。首先,建立区域光伏电站图结构,利用GCN推导出待测电站空间信息;其次,采用SGMD对输入特征进行模态分解,得到表现数据时序变化特征的多级模态子序列;最后,采用CNN-BiLSTM神经网络进行特征提取和光伏发电功率预测。实验结果表明,与多种组合预测模型相比,所提方法具有更高的预测精度。

关键词：光伏发电短期预测图卷积神经网络辛几何模态分解卷积神经网络双向长短期记忆神经网络

在线全文

学校读者我要写书评

暂无评论

区域综合能源系统供需预测研究

区域综合能源系统供需预测研究

作者：姜鑫西安科技大学

学位级别：硕士

区域综合能源系统是包含电、热、冷等多种类型能源的体系,其一方面可以实现多种类型能源(电能、热能、冷能等)协调互补,实现不同能源的梯级利用,提高能源的使用效率,另一方面可以实现不同能源间的互联互通,扩大社会的用电需求,从而促进... 详细信息

区域综合能源系统是包含电、热、冷等多种类型能源的体系,其一方面可以实现多种类型能源(电能、热能、冷能等)协调互补,实现不同能源的梯级利用,提高能源的使用效率,另一方面可以实现不同能源间的互联互通,扩大社会的用电需求,从而促进以光伏、风能为代表的可再生能源的消纳,一定程度上缓解“弃风”“弃光”的现象。区域综合能源系统的构建对于促进清洁能源转型,提高可再生能源的占比具有显著的意义。精确的能源需求预测是区域综合能源系统规划设计、运行设计和能量管理的必要前提,具有重要的实用价值。本论文以区域综合能源系统中的短期预测为目标,分为用能侧预测和供能侧预测。用能侧预测是指对含电、热、冷的多元负荷进行预测。首先,从月级、周级、小时级多个时间尺度对单一负荷及多元负荷间耦合关系进行详细分析。其次,通过K-MEANS算法对多元负荷的场景进行用能模式聚类,并提取典型日负荷曲线。引入COPULA理论对不同典型日下的电-热,电-冷相关性进行定量分析。然后,通过绘制电-热、电-冷在典型场景下的散点图,拟合出负荷间的函数关系,为高阶特征变量的提取提供了依据。最后,采用蝙蝠算法优化的极限学习机模型对不同的负荷进行预测,通过算例对比分析,本文所提出的方法可以有效提高多元负荷的预测精度。供能侧预测则是以光伏功率预测为例,对区域综合能源系统中的光伏发电功率进行短期预测。首先,基于COPULA理论对影响光伏发电功率的因素进行相关性度量。其次,针对光伏发电功率与辐照强度高度相关的特性,提出一种相似日选取方法,即选取非线性相关性最高的辐照强度作为相似日选取的依据,采用K-MEANS聚类算法对样本的辐照强度序列进行聚类,计算每一类的类重心坐标矩阵。接着,通过计算待预测日辐照强度与每一类重心坐标的绝对值距离,选取总的绝对值距离最小的样本类作为预测模型训练的样本。最后采用随机森林模型进行预测,利用网格搜索算法对随机森林模型中的决策树棵数和分裂属性值进行优化,有效提高了光伏发电短期功率预测的精度。

关键词：区域综合能源系统耦合特性分析多元负荷预测光伏发电短期预测 COPULA理论蝙蝠算法

基于雾霾参数数据挖掘的光伏并网发电功率预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于雾霾参数数据挖掘的光伏并网发电功率预测

作者：蒋春晓天津大学

学位级别：硕士

随着煤、石油、天然气等常规不可再生能源储量的日益衰减,各个国家和地区都在不断调整自己的能源消费结构。相较于不可再生能源在使用过程中所带来的污染日益严重等问题,太阳能作为一种开发便利、安全并且无污染的可再生能源越来越受到... 详细信息

随着煤、石油、天然气等常规不可再生能源储量的日益衰减,各个国家和地区都在不断调整自己的能源消费结构。相较于不可再生能源在使用过程中所带来的污染日益严重等问题,太阳能作为一种开发便利、安全并且无污染的可再生能源越来越受到人们的关注,所以光伏发电越来越受到了广泛的应用与关注,但光伏发电量受大气环境中辐照度、温度、湿度、气压等诸多因素的影响,具有明显的不稳定性、多变性、间歇性和随机性等特征,影响电网系统的可靠性和稳定性,提高了电网经济运行成本,容易造成巨大的经济损失。如何安全稳定地利用太阳能已成为光伏发电研究的重中之重,因此光伏并网发电功率预测课题的研究在太阳能应用领域具有非常重要的价值。常见的光伏发电预测方法都是采用基于多维气象变量的单一模型,并且是以多维的气象数据直接作为模型的输入变量的模式进行预测的,因此传统的预测方法存在严重的过拟合导致精度不佳。本文是在综合了逐步选择法(stepwise selection)、混合高斯模型(GMM)聚类和径向基函数(radical basis function,RBF)神经网络以及模糊数学等方法的基础之上提出了一种针对雾霾天气的光伏发电功率预测方法。首先基于逐步选择方法对与雾霾相关的AQI和PM2.5等参数进行变量之间耦合研究,剔除耦合度较高的数据变量,利用高斯混合模型对不同天气类型进行聚类,在不同的日类型基础上分别建立神经网络模型,最后利用模糊数学的方法选择适当的日类型模型进行预测。本文基于2012年下半年到2015年10月份的天津大学26楼光伏智能电网的功率数据及当地相应气象数据分时进行光伏发电预测。仿真结果表明,与传统预测方法相比,本文所提出的方法模型输入变量少、拟合度高、雾霾影响参数对发电量显著度高、预测精度更高。

关键词：天气聚类 RBF 模糊推理光伏发电短期预测

基于EEMD和IPSO的SVM短期光伏出力预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电气工程学报 2016年第4期11卷 47-54页

作者：朱梅梅苏建徽陈智慧合肥工业大学教育部光伏系统工程研究中心合肥230009 广东易事特电源股份有限公司东莞523808

针对光伏发电短期预测准确性问题,提出一种基于集合经验模态分解(EEMD)和改进粒子群优化算法(IPSO)的支持向量机(SVM)预测模型。该模型选择与预测日具有相同天气类型的历史光伏小时出力数据及相关气象因素作为输入变量,采用EEMD方法将... 详细信息

针对光伏发电短期预测准确性问题,提出一种基于集合经验模态分解(EEMD)和改进粒子群优化算法(IPSO)的支持向量机(SVM)预测模型。该模型选择与预测日具有相同天气类型的历史光伏小时出力数据及相关气象因素作为输入变量,采用EEMD方法将历史光伏小时出力数据分解为一系列相对比较平稳的分量序列,针对不同特征子序列,建立选用不同核函数的SVM模型分别进行短期预测,并采用IPSO对不同SVM模型的参数进行优化。通过建立不同预测模型进行比较分析,验证了本文提出的组合预测模型具有较高的预测精度,对大规模光伏并网电力系统的决策优化调度具有一定的意义和参考价值。

关键词：光伏发电短期预测集合经验模态分解改进粒子群优化算法支持向量机

在线全文

学校读者我要写书评

暂无评论

基于多传感器系统的光伏并网发电功率预测

传感器与微系统 2018年第3期37卷 44-47,50页

作者：程泽蒋春晓杨柏松天津大学电气与自动化工程学院天津300072 广东石油化工学院广东茂名525000

针对耦合性较强的多维气象数据,在光伏(PV)多传感器系统中获取有效数据的基础上,提出了一种基于雾霾因素影响的数据挖掘光伏发电预测方法。利用多传感器采集大数据,利用逐步选择法对多维变量进行约减,有效降低了不同天气因素之间的耦合... 详细信息

针对耦合性较强的多维气象数据,在光伏(PV)多传感器系统中获取有效数据的基础上,提出了一种基于雾霾因素影响的数据挖掘光伏发电预测方法。利用多传感器采集大数据,利用逐步选择法对多维变量进行约减,有效降低了不同天气因素之间的耦合性。通过混合高斯聚类算法对样本进行聚类,并分别建立不同的径向基函数(RBF)神经网络模型,经过模糊推理的方法选择适当模型,实际预测结果验证了方法的高精度和实用性。

关键词：天气聚类径向基函数模糊推理光伏发电短期预测

基于GA-BP和POS-BP神经网络的光伏电站出力短期预测

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2015年第20期43卷 83-89页

作者：姚仲敏潘飞沈玉会吴金秋于晓红齐齐哈尔大学通信与电子工程学院黑龙江齐齐哈尔161006 哈尔滨师范大学计算机与信息工程学院黑龙江哈尔滨150080

当前在光伏电站出力短期预测方面较多的采用BP或者优化的BP神经网络算法,存在采用的优化算法单一、缺乏多种优化算法比较选优、预测误差大的问题。基于本地5 k W小型分布式光伏电站,综合考虑影响光伏出力的太阳光辐射强度、环境温度、... 详细信息

当前在光伏电站出力短期预测方面较多的采用BP或者优化的BP神经网络算法,存在采用的优化算法单一、缺乏多种优化算法比较选优、预测误差大的问题。基于本地5 k W小型分布式光伏电站,综合考虑影响光伏出力的太阳光辐射强度、环境温度、风速气象相关因素和光伏电站历史发电数据,分别采用BP以及遗传算法和粒子群算法优化的BP神经网络算法—GA-BP和POS-BP构建了晴天、多云、阴雨三种天气条件下光伏出力短期预测模型。实测结果表明,三种神经网络算法预测模型在三种不同天气条件下均达到了一定的预测精度。其中GA-BP、POS-BP相比传统的BP预测模型降低了预测误差,且POS算法相比GA算法对于BP神经网络预测模型的优化效果更好,进一步降低了预测误差,适用性更强。

关键词： BP神经网络算法 GA-BP算法 POS-BP算法光伏发电短期预测