基于奇异谱分析的短期光伏出力特性分析与预测
发布时间：2021-01-18 02:48
近年来,太阳能因其可再生、易开发等优点得到规模化发展,光伏发电成为当今可再生能源领域的研究热点。然而,光伏发电出力其固有的间歇性和波动性给电力系统的调度决策和可靠运行带来挑战。准确的光伏出力预测可以帮助调度部门制定科学合理的决策计划,降低系统备用和运行成本,提高光伏电站并网接入水平。针对光伏出力的特性,本文分析了光伏出力的特性和影响光伏出力的气象因素。基于实测光伏电站出力及气象数据,采用线形图法和相关系数法定性和定量研究了光伏出力与温度、辐照强度、风速、相对湿度、云量及降雨量等气象因素之间的关系,确定了温度和辐照强度为影响光伏出力的主要气象因素,采用灵敏度分析法定量研究了温度和辐照强度对光伏出力的影响程度。针对光伏出力预测,本文提出了一种基于奇异谱分析的短期光伏出力预测方法 SSA-MF（Singular Spectrum Analysis method considering Meteorological Factors）。首先,采用奇异谱分析技术对原始光伏出力序列进行分解得到不同的光伏出力子序列即低频序列、高频序列和噪声序列,挖掘不同子序列所呈现的规律和特征;接着,根据光伏出力的各...
【文章来源】：广西大学广西壮族自治区 211工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
光伏出力点预浏方法分类F龟.1一3ClassificationofPred址tionmethodsforPhotovo{talco皿PUtPo血lts
￣７??Ｚ出力预测值／??图１－４基于物理方法的光仗发电出力预测原理图??Ｆｉｇ．?１－４?Ｔｈｅ?ｐｒｉｎｃｉｐｌｅ?ｍａｐ?ｏｆ?ＰＶ?ｐｏｗｅｒ?ｏｕｔｐｕｔ?ｐｒｅｄｉｃｔｉｏｎ?ｂａｓｅｄ?ｏｎ?ｐｈｙｓｉｃａｌ?ｍｅｔｈｏｄ??７??
样步长为ｌｈ，分别共计７４４和７２０个采样点（分别含夜间２９４、２８２个出力为零的采样??点）。根据电站出力的大小，将全球１号电站的７４４个出力采样点划分为９个区间，区??间长度均为０．１ＭＷ，然后统计和计算各个出力落在不同区间的频率（图２－２?（ａ））；将澳??大利亚电站的７２０个出力采样点划分为９个区间，区间长度均为０．５ＭＷ，然后统计和??计算各个出力落在不同区间的频率（图２－２?（ｂ））。??￣?０６３??０．６?－?Ｉ??０．５?－?Ｉ??０．４?￣?Ｉ??薔??？?０．３?－?Ｉ??０．２?－?Ｉ??ｏ?—＾＾＾＾＾?＾＾＾??０?０．１?０．２?０．３?０．４?０．５?０．６?０．７?０．８?０．９??区间中心??（ａ）全球１号电站??０．６?卜??０．５?－?Ｉ??－??０．２?－?Ｉ??ｊ?０．１３??０．０??０?０．５?１．０?１．５?２．０?２．５?３．０?３．５?４．０?４．５??区间中心??（ｂ）澳大利亚电站??图２－２光仗电站１周的出力频率分布直方图??Ｆｉｇ．?２－２?Ｈｉｓｔｏｇｒａｍ?ｏｆ?ｏｕｔｐｕｔ?ｆｒｅｑｕｅｎｃｙ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｐｈｏｔｏｖｏｌｔａｉｃ?ｐｏｗｅｒ?ｓｔａｔｉｏｎ?ｉｎ?ｏｎｅ?ｗｅｅｋ??由图２－２?（ａ）分析可知，有６３％的概率落在０．１ＭＷ以内，其出力值较小，随着出??力值的增大，频率也相应地减小，频率分布在０．０３－０．０７。计算发现，该电站光伏发电瞬??时出力值为零的时段所占比例为４０％。在其他的几个出力区间内
【参考文献】：
期刊论文
[1]光伏发电出力预测技术研究综述[J]. 赖昌伟,黎静华,陈博,黄玉金,韦善阳. 电工技术学报. 2019(06)
[2]考虑气象因素的短期光伏出力预测的奇异谱分析方法[J]. 黎静华,赖昌伟. 电力自动化设备. 2018(05)
[3]基于Adaboost算法的并网光伏发电系统的孤岛检测法[J]. 贾科,宣振文,林瑶琦,魏宏升,李光辉. 电工技术学报. 2018(05)
[4]基于S-BGD和梯度累积策略的改进深度学习方法及其在光伏出力预测中的应用[J]. 黎静华,黄乾,韦善阳,黄玉金. 电网技术. 2017(10)
[5]风电功率预测技术研究综述[J]. 黎静华,桑川川,甘一夫,潘毅. 现代电力. 2017(03)
[6]基于萤火虫算法?广义回归神经网络的光伏发电功率组合预测[J]. 王昕,黄柯,郑益慧,李立学,邵凤鹏,贾立凯,徐清山. 电网技术. 2017(02)
[7]基于改进BP-SVM-ELM与粒子化SOM-LSF的微电网光伏发电组合预测方法[J]. 单英浩,付青,耿炫,朱昌亚. 中国电机工程学报. 2016(12)
[8]光伏功率预测技术[J]. 龚莺飞,鲁宗相,乔颖,王强. 电力系统自动化. 2016(04)
[9]面向新能源并网的电力系统鲁棒调度模式[J]. 黎静华,文劲宇,潘毅,崔晖. 电力系统保护与控制. 2015(22)
[10]基于不确定理论的光伏出力预测研究[J]. 赵书强,王明雨,胡永强,刘晨亮. 电工技术学报. 2015(16)
博士论文
[1]社交网络用户隐私关注动态影响因素及行为规律研究[D]. 郭龙飞.北京邮电大学 2013
硕士论文
[1]光伏电站短期功率预测方法研究[D]. 荆博.江苏大学 2017
[2]并网光伏电站发电功率短期预测方法的研究[D]. 张菁.辽宁工业大学 2017
[3]基于改进神经网络的光伏发电短期功率预测[D]. 程名.沈阳农业大学 2016
[4]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
[5]光伏发电系统短期功率预测方法的研究[D]. 徐菁.南昌大学 2016
[6]针对气象数据弱相关的光伏输出功率预测方法研究[D]. 杜翠.华北电力大学(北京) 2016
[7]基于典型日出力特性分析的光伏电站功率预测研究[D]. 李旭.华北电力大学(北京) 2016
[8]大规模光伏电站并网的备用容量需求分析及优化调度方法研究[D]. 陈逍潇.华北电力大学(北京) 2016
[9]考虑气象要素的光伏预测模型研究[D]. 谢恩哲.哈尔滨理工大学 2015
[10]基于改进神经网络的光伏出力预测[D]. 涂雨曦.南昌大学 2015
本文编号：2984115
【文章来源】：广西大学广西壮族自治区 211工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
光伏出力点预浏方法分类F龟.1一3ClassificationofPred址tionmethodsforPhotovo{talco皿PUtPo血lts
￣７??Ｚ出力预测值／??图１－４基于物理方法的光仗发电出力预测原理图??Ｆｉｇ．?１－４?Ｔｈｅ?ｐｒｉｎｃｉｐｌｅ?ｍａｐ?ｏｆ?ＰＶ?ｐｏｗｅｒ?ｏｕｔｐｕｔ?ｐｒｅｄｉｃｔｉｏｎ?ｂａｓｅｄ?ｏｎ?ｐｈｙｓｉｃａｌ?ｍｅｔｈｏｄ??７??
样步长为ｌｈ，分别共计７４４和７２０个采样点（分别含夜间２９４、２８２个出力为零的采样??点）。根据电站出力的大小，将全球１号电站的７４４个出力采样点划分为９个区间，区??间长度均为０．１ＭＷ，然后统计和计算各个出力落在不同区间的频率（图２－２?（ａ））；将澳??大利亚电站的７２０个出力采样点划分为９个区间，区间长度均为０．５ＭＷ，然后统计和??计算各个出力落在不同区间的频率（图２－２?（ｂ））。??￣?０６３??０．６?－?Ｉ??０．５?－?Ｉ??０．４?￣?Ｉ??薔??？?０．３?－?Ｉ??０．２?－?Ｉ??ｏ?—＾＾＾＾＾?＾＾＾??０?０．１?０．２?０．３?０．４?０．５?０．６?０．７?０．８?０．９??区间中心??（ａ）全球１号电站??０．６?卜??０．５?－?Ｉ??－??０．２?－?Ｉ??ｊ?０．１３??０．０??０?０．５?１．０?１．５?２．０?２．５?３．０?３．５?４．０?４．５??区间中心??（ｂ）澳大利亚电站??图２－２光仗电站１周的出力频率分布直方图??Ｆｉｇ．?２－２?Ｈｉｓｔｏｇｒａｍ?ｏｆ?ｏｕｔｐｕｔ?ｆｒｅｑｕｅｎｃｙ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｐｈｏｔｏｖｏｌｔａｉｃ?ｐｏｗｅｒ?ｓｔａｔｉｏｎ?ｉｎ?ｏｎｅ?ｗｅｅｋ??由图２－２?（ａ）分析可知，有６３％的概率落在０．１ＭＷ以内，其出力值较小，随着出??力值的增大，频率也相应地减小，频率分布在０．０３－０．０７。计算发现，该电站光伏发电瞬??时出力值为零的时段所占比例为４０％。在其他的几个出力区间内
【参考文献】：
期刊论文
[1]光伏发电出力预测技术研究综述[J]. 赖昌伟,黎静华,陈博,黄玉金,韦善阳. 电工技术学报. 2019(06)
[2]考虑气象因素的短期光伏出力预测的奇异谱分析方法[J]. 黎静华,赖昌伟. 电力自动化设备. 2018(05)
[3]基于Adaboost算法的并网光伏发电系统的孤岛检测法[J]. 贾科,宣振文,林瑶琦,魏宏升,李光辉. 电工技术学报. 2018(05)
[4]基于S-BGD和梯度累积策略的改进深度学习方法及其在光伏出力预测中的应用[J]. 黎静华,黄乾,韦善阳,黄玉金. 电网技术. 2017(10)
[5]风电功率预测技术研究综述[J]. 黎静华,桑川川,甘一夫,潘毅. 现代电力. 2017(03)
[6]基于萤火虫算法?广义回归神经网络的光伏发电功率组合预测[J]. 王昕,黄柯,郑益慧,李立学,邵凤鹏,贾立凯,徐清山. 电网技术. 2017(02)
[7]基于改进BP-SVM-ELM与粒子化SOM-LSF的微电网光伏发电组合预测方法[J]. 单英浩,付青,耿炫,朱昌亚. 中国电机工程学报. 2016(12)
[8]光伏功率预测技术[J]. 龚莺飞,鲁宗相,乔颖,王强. 电力系统自动化. 2016(04)
[9]面向新能源并网的电力系统鲁棒调度模式[J]. 黎静华,文劲宇,潘毅,崔晖. 电力系统保护与控制. 2015(22)
[10]基于不确定理论的光伏出力预测研究[J]. 赵书强,王明雨,胡永强,刘晨亮. 电工技术学报. 2015(16)
博士论文
[1]社交网络用户隐私关注动态影响因素及行为规律研究[D]. 郭龙飞.北京邮电大学 2013
硕士论文
[1]光伏电站短期功率预测方法研究[D]. 荆博.江苏大学 2017
[2]并网光伏电站发电功率短期预测方法的研究[D]. 张菁.辽宁工业大学 2017
[3]基于改进神经网络的光伏发电短期功率预测[D]. 程名.沈阳农业大学 2016
[4]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
[5]光伏发电系统短期功率预测方法的研究[D]. 徐菁.南昌大学 2016
[6]针对气象数据弱相关的光伏输出功率预测方法研究[D]. 杜翠.华北电力大学(北京) 2016
[7]基于典型日出力特性分析的光伏电站功率预测研究[D]. 李旭.华北电力大学(北京) 2016
[8]大规模光伏电站并网的备用容量需求分析及优化调度方法研究[D]. 陈逍潇.华北电力大学(北京) 2016
[9]考虑气象要素的光伏预测模型研究[D]. 谢恩哲.哈尔滨理工大学 2015
[10]基于改进神经网络的光伏出力预测[D]. 涂雨曦.南昌大学 2015
本文编号：2984115
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/2984115.html
