光伏发电及电动汽车充放电的预测方法研究
发布时间：2020-12-01 17:56
目前,随着经济社会发展不断深入,传统能源的消耗在持续增长,而因污染性能源的使用,环境也日趋恶化,能源供给和环境恶化危机在世界范围内爆发。于是,可再生能源和电动汽车应运而生,成为世界各国力捧的“宠儿”。由于新能源发电的不稳定和电动汽车负荷的增加,必然会对微电网产生不利影响,引发新一轮的电力问题。因此,新能源的发电功率和电动汽车充放电的预测对电力系统的安全稳定运行就显得至关重要,本文从光伏发电和电动汽车充放电预测两个方面进行研究。一方面,针对光伏系统的发电特性,本文提出了一种使用关联规则和核主成分分析的Elman神经网络光伏功率预测方法。首先,采用灰色关联分析法选取与预测日气象特征高度相似的若干相似日作为训练样本;其次,利用核主成分分析法对训练样本的输入个数进行降维优选,提取出主成分序列;然后,利用蚁群算法优化的Elman神经网络对数据进行预测;最后,针对Elman神经网络预测模型在功率波动的峰值处预测误差较大及预测精度存在波动性,采用马尔科夫方法对初步得到的预测值进行修正,得到最终的预测结果。另一方面,针对电动汽车的充放电随车主的行为在时间与空间上具有很强的随机性,提出一种考虑不同充电方...
【文章来源】：燕山大学河北省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
晴天的预测相对误差对比图
方法 1 方法 2 -44.17 -68.12 -55.89 -65.47 11.69 22.35 -6.04 -13.62 24.02 38.02 6.37 14.83 -44.17 -68.12 -3.13 3.65 19.34 26.81 20.40 14.27 23.90 -38.14 40.15 54.01 61.76 42.65 -3.13 3.65
车辆日首次出行时刻不同车辆不同目的地之间的日行驶里程电池的荷电状态判断是否充电不同充电方式的起始充电时间充电方式的比例拟布图 4-1 电动汽车负荷时空分布预测思路4.2 电动汽车的出行与停车规律4.2.1 私家车出行情况电动公交车和电动商务车一般都有自己固定的出行路径，其时空规律性很强而电动私家车的时空分布规律主要取决于车主的行为，其时空随机性很强。文献[研究和分析了居民的出行行为，从分析结果可以得到私家车的出行情况。一般情下，在劳动日和休息日，用户的出行行为是有一定差别的，因此图 4-2 从劳动日和息日两个方面分别给出了私家车的出行情况。
【参考文献】：
期刊论文
[1]基于IAFSA-GM的化工园区光伏电站功率预测模型[J]. 张予泽,韩伟. 电子设计工程. 2019(08)
[2]频域分解和深度学习算法在短期负荷及光伏功率预测中的应用[J]. 张倩,马愿,李国丽,马金辉,丁津津. 中国电机工程学报. 2019(08)
[3]基于晴朗系数和多层次匹配的光伏功率预测方法研究[J]. 王志忠,韩茂林,胡海,陈尧. 电测与仪表. 2019(08)
[4]基于LSTM神经网络的复合变量电动汽车充电负荷预测方法技术研究[J]. 王琨,高敬更,张勇红,魏立兵,李鹏,杨春光,董智颖. 工业仪表与自动化装置. 2019(01)
[5]基于粗糙集-混沌时间序列Elman神经网络的短期用电量预测[J]. 吴佳懋,李艳,符一健. 电力系统保护与控制. 2019(03)
[6]融合多源信息的电动汽车充电负荷预测及其对配电网的影响[J]. 陈丽丹,张尧,Antonio Figueiredo. 电力自动化设备. 2018(12)
[7]计及路-网-车交互作用的电动汽车充电实时优化调度[J]. 王珂,李媛,杨文涛,李涛,岑海凤,许苑,文福拴. 电力建设. 2018(12)
[8]基于MDP随机路径模拟的电动汽车充电负荷时空分布预测[J]. 张谦,王众,谭维玉,刘桦臻,李晨. 电力系统自动化. 2018(20)
[9]基于日类型及融合理论的BP网络光伏功率预测[J]. 冉成科,夏向阳,杨明圣,张真,李延和,曾小勇,黄海,滕欣元,蔡昱宽,曹伯霖. 中南大学学报(自然科学版). 2018(09)
[10]计及雾霾影响因素的光伏发电超短期功率预测[J]. 刘卫亮,刘长良,林永君,李静,李金拓,熊峰,陈晨. 中国电机工程学报. 2018(14)
[1]基于相似日和小波神经网络的光伏短期功率预测[D]. 祝暄懿.西安理工大学 2018
[2]基于神经网络的分布式光伏电站短期功率预测[D]. 张鹏华.安徽理工大学 2017
[3]光伏电站并网发电短期功率数据预测研究[D]. 俞震.华北电力大学(北京) 2016
[4]并网型光伏电站发电功率预测研究[D]. 李多.兰州交通大学 2016
[5]规模化电动汽车用电需求的空间分布预测[D]. 蒋毅舟.华北电力大学 2012
[6]基于用地区位分析的停车需求预测研究[D]. 王瑞.昆明理工大学 2010
硕士论文
[1]基于IAFSA-GM的化工园区光伏电站功率预测模型[J]. 张予泽,韩伟. 电子设计工程. 2019(08)
[2]频域分解和深度学习算法在短期负荷及光伏功率预测中的应用[J]. 张倩,马愿,李国丽,马金辉,丁津津. 中国电机工程学报. 2019(08)
[3]基于晴朗系数和多层次匹配的光伏功率预测方法研究[J]. 王志忠,韩茂林,胡海,陈尧. 电测与仪表. 2019(08)
[4]基于LSTM神经网络的复合变量电动汽车充电负荷预测方法技术研究[J]. 王琨,高敬更,张勇红,魏立兵,李鹏,杨春光,董智颖. 工业仪表与自动化装置. 2019(01)
[5]基于粗糙集-混沌时间序列Elman神经网络的短期用电量预测[J]. 吴佳懋,李艳,符一健. 电力系统保护与控制. 2019(03)
[6]融合多源信息的电动汽车充电负荷预测及其对配电网的影响[J]. 陈丽丹,张尧,Antonio Figueiredo. 电力自动化设备. 2018(12)
[7]计及路-网-车交互作用的电动汽车充电实时优化调度[J]. 王珂,李媛,杨文涛,李涛,岑海凤,许苑,文福拴. 电力建设. 2018(12)
[8]基于MDP随机路径模拟的电动汽车充电负荷时空分布预测[J]. 张谦,王众,谭维玉,刘桦臻,李晨. 电力系统自动化. 2018(20)
[9]基于日类型及融合理论的BP网络光伏功率预测[J]. 冉成科,夏向阳,杨明圣,张真,李延和,曾小勇,黄海,滕欣元,蔡昱宽,曹伯霖. 中南大学学报(自然科学版). 2018(09)
[10]计及雾霾影响因素的光伏发电超短期功率预测[J]. 刘卫亮,刘长良,林永君,李静,李金拓,熊峰,陈晨. 中国电机工程学报. 2018(14)
[1]基于相似日和小波神经网络的光伏短期功率预测[D]. 祝暄懿.西安理工大学 2018
[2]基于神经网络的分布式光伏电站短期功率预测[D]. 张鹏华.安徽理工大学 2017
[3]光伏电站并网发电短期功率数据预测研究[D]. 俞震.华北电力大学(北京) 2016
[4]并网型光伏电站发电功率预测研究[D]. 李多.兰州交通大学 2016
[5]规模化电动汽车用电需求的空间分布预测[D]. 蒋毅舟.华北电力大学 2012
[6]基于用地区位分析的停车需求预测研究[D]. 王瑞.昆明理工大学 2010
本文编号：2894958
【文章来源】：燕山大学河北省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
晴天的预测相对误差对比图
方法 1 方法 2 -44.17 -68.12 -55.89 -65.47 11.69 22.35 -6.04 -13.62 24.02 38.02 6.37 14.83 -44.17 -68.12 -3.13 3.65 19.34 26.81 20.40 14.27 23.90 -38.14 40.15 54.01 61.76 42.65 -3.13 3.65
车辆日首次出行时刻不同车辆不同目的地之间的日行驶里程电池的荷电状态判断是否充电不同充电方式的起始充电时间充电方式的比例拟布图 4-1 电动汽车负荷时空分布预测思路4.2 电动汽车的出行与停车规律4.2.1 私家车出行情况电动公交车和电动商务车一般都有自己固定的出行路径，其时空规律性很强而电动私家车的时空分布规律主要取决于车主的行为，其时空随机性很强。文献[研究和分析了居民的出行行为，从分析结果可以得到私家车的出行情况。一般情下，在劳动日和休息日，用户的出行行为是有一定差别的，因此图 4-2 从劳动日和息日两个方面分别给出了私家车的出行情况。
【参考文献】：
期刊论文
[1]基于IAFSA-GM的化工园区光伏电站功率预测模型[J]. 张予泽,韩伟. 电子设计工程. 2019(08)
[2]频域分解和深度学习算法在短期负荷及光伏功率预测中的应用[J]. 张倩,马愿,李国丽,马金辉,丁津津. 中国电机工程学报. 2019(08)
[3]基于晴朗系数和多层次匹配的光伏功率预测方法研究[J]. 王志忠,韩茂林,胡海,陈尧. 电测与仪表. 2019(08)
[4]基于LSTM神经网络的复合变量电动汽车充电负荷预测方法技术研究[J]. 王琨,高敬更,张勇红,魏立兵,李鹏,杨春光,董智颖. 工业仪表与自动化装置. 2019(01)
[5]基于粗糙集-混沌时间序列Elman神经网络的短期用电量预测[J]. 吴佳懋,李艳,符一健. 电力系统保护与控制. 2019(03)
[6]融合多源信息的电动汽车充电负荷预测及其对配电网的影响[J]. 陈丽丹,张尧,Antonio Figueiredo. 电力自动化设备. 2018(12)
[7]计及路-网-车交互作用的电动汽车充电实时优化调度[J]. 王珂,李媛,杨文涛,李涛,岑海凤,许苑,文福拴. 电力建设. 2018(12)
[8]基于MDP随机路径模拟的电动汽车充电负荷时空分布预测[J]. 张谦,王众,谭维玉,刘桦臻,李晨. 电力系统自动化. 2018(20)
[9]基于日类型及融合理论的BP网络光伏功率预测[J]. 冉成科,夏向阳,杨明圣,张真,李延和,曾小勇,黄海,滕欣元,蔡昱宽,曹伯霖. 中南大学学报(自然科学版). 2018(09)
[10]计及雾霾影响因素的光伏发电超短期功率预测[J]. 刘卫亮,刘长良,林永君,李静,李金拓,熊峰,陈晨. 中国电机工程学报. 2018(14)
[1]基于相似日和小波神经网络的光伏短期功率预测[D]. 祝暄懿.西安理工大学 2018
[2]基于神经网络的分布式光伏电站短期功率预测[D]. 张鹏华.安徽理工大学 2017
[3]光伏电站并网发电短期功率数据预测研究[D]. 俞震.华北电力大学(北京) 2016
[4]并网型光伏电站发电功率预测研究[D]. 李多.兰州交通大学 2016
[5]规模化电动汽车用电需求的空间分布预测[D]. 蒋毅舟.华北电力大学 2012
[6]基于用地区位分析的停车需求预测研究[D]. 王瑞.昆明理工大学 2010
硕士论文
[1]基于IAFSA-GM的化工园区光伏电站功率预测模型[J]. 张予泽,韩伟. 电子设计工程. 2019(08)
[2]频域分解和深度学习算法在短期负荷及光伏功率预测中的应用[J]. 张倩,马愿,李国丽,马金辉,丁津津. 中国电机工程学报. 2019(08)
[3]基于晴朗系数和多层次匹配的光伏功率预测方法研究[J]. 王志忠,韩茂林,胡海,陈尧. 电测与仪表. 2019(08)
[4]基于LSTM神经网络的复合变量电动汽车充电负荷预测方法技术研究[J]. 王琨,高敬更,张勇红,魏立兵,李鹏,杨春光,董智颖. 工业仪表与自动化装置. 2019(01)
[5]基于粗糙集-混沌时间序列Elman神经网络的短期用电量预测[J]. 吴佳懋,李艳,符一健. 电力系统保护与控制. 2019(03)
[6]融合多源信息的电动汽车充电负荷预测及其对配电网的影响[J]. 陈丽丹,张尧,Antonio Figueiredo. 电力自动化设备. 2018(12)
[7]计及路-网-车交互作用的电动汽车充电实时优化调度[J]. 王珂,李媛,杨文涛,李涛,岑海凤,许苑,文福拴. 电力建设. 2018(12)
[8]基于MDP随机路径模拟的电动汽车充电负荷时空分布预测[J]. 张谦,王众,谭维玉,刘桦臻,李晨. 电力系统自动化. 2018(20)
[9]基于日类型及融合理论的BP网络光伏功率预测[J]. 冉成科,夏向阳,杨明圣,张真,李延和,曾小勇,黄海,滕欣元,蔡昱宽,曹伯霖. 中南大学学报(自然科学版). 2018(09)
[10]计及雾霾影响因素的光伏发电超短期功率预测[J]. 刘卫亮,刘长良,林永君,李静,李金拓,熊峰,陈晨. 中国电机工程学报. 2018(14)
[1]基于相似日和小波神经网络的光伏短期功率预测[D]. 祝暄懿.西安理工大学 2018
[2]基于神经网络的分布式光伏电站短期功率预测[D]. 张鹏华.安徽理工大学 2017
[3]光伏电站并网发电短期功率数据预测研究[D]. 俞震.华北电力大学(北京) 2016
[4]并网型光伏电站发电功率预测研究[D]. 李多.兰州交通大学 2016
[5]规模化电动汽车用电需求的空间分布预测[D]. 蒋毅舟.华北电力大学 2012
[6]基于用地区位分析的停车需求预测研究[D]. 王瑞.昆明理工大学 2010
本文编号：2894958
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/2894958.html
