基于EEMD和集成神经网络的光伏短期功率预测

发布时间：2020-05-31 13:01

【摘要】：在世界工业和经济飞速发展的今天,环境日益恶化以及能源资源的日益枯竭,使得以风能发电和光伏发电为代表的新能源等清洁能源日益受到世界人民的普遍关注。相比于其他可再生能源,光伏发电具有非常突出的特点和优势。发电系统建立后,对位于偏远地区架设输电线路难等问题得到了有效的解决。然而,光伏发电由于自身固有的属性而具有一些缺点。光伏发电本身也具有间歇性,受辐照度等气象因素影响十分剧烈,本身随机性和不确定性很大,其并网影响整个电网的稳定。为了克服这个缺陷,减少光伏并网对电网的冲击,同时有利于电网的节能调度和经济运行,需要高精度的预测光伏输出功率,可见提高光伏功率预测这一课题具有十分重要的意义。目前国内外已有相当数量的研究人员对此进行研究,并取得了一定的成果,但是预测精度还没有达到特别完美的水平,有待进一步的研究。本文基于前人的研究成果,以及研究了光伏功率预测的基本理论以及影响因素分析的基础上,提出了基于经验模态分解算法和集成神经网络的光伏短期功率滚动预测模型。该模型首先要用聚类算法和判别算法,根据日特征指标选取相似日;其次将功率序列及影响因素序列用经验模态分解算法进行分解,并用排列熵算法进行重构,分别得到高频、低频和趋势项三个序列;再次,采用简单灵活,收敛速度快,优化效果好、应用广泛的粒子群算法对Elman神经网络进行优化。从而得到Elman神经网络的优化参数:连接反馈增益因子以及全部权值,以便进行预测。最后,针对高频、低频和趋势项用集成优化的Elman神经网络进行滚动预测,然后6将三者的预测值相加,即得到光伏功率的预测值。通过所提出模型的预测及其他模型的对比分析,得出本文所突出的模型非常适合于光伏功率预测,并对本文的数据预测有良好的预测效果。
【图文】：

散点图,光伏,辐照度,输出功率

图 3-1 光伏输出功率与辐照度的散点图3.3 温度和湿度分析由于电池板在室外，并非恒温的环境。一天内的温度变化很大，而正是这种变不确定性在一定程度上赋予了光伏发电输出功率的随机性和波动性，即温度对光伏的光电转化过程的影响很大。温度包括两个因素：气象温度（空气或环境温度）以伏组件本身的温度。之前有很多对光伏功率预测的大量研究，大多都是充分考虑了温度（环境温度）对光伏输出功率的影响，有极少量的研究将光伏组件本身的温度功率预测的主要影响因素进行研究。本研究将分别研究环境温度和光伏组件温度对发电输出功率的影响。这两个因素对光伏发电过程都会产生重要影响，而且两者并相互独立的，其被称为光伏电池板的温度特性。环境温度的变化对光伏组件温度的很大，并且组件温度对光伏发电输出功率的影响更直接。

散点图,散点图,环境温度,功率

图 3-2 环境温度与功率的散点图王彬的有相关研究，利用控制变量法，研究温度对光伏电池板发电的影响即光池板的温度特性。控制温度之外的其他所有变量谓不变量，而给予光伏电池板不同度条件，，从而观测得到电池板的电压和电流的实际值[76]。该研究结果表明，在同一下，电流会随着光伏电池板电压的增大先保持不变再急速下降；在不同温度情况下流会先跟随电压的升高而先升高，接着达到一定的程度后再下降。根据由物理关系功率 P 等于电压 U 乘以电流 I，可知在其他变量不变的情况下，光伏电池板的输出的规律是：随着温度的提高先增加，在达到功率的最大值之后而再下降。由此可见度的升高对于光伏发电来说并不是一直都是正向作用。
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F426.61

【相似文献】