分布式光伏电站中长期发电量影响因素分析及预测方法研究

发布时间：2022-10-29 14:23

　　目前我国分布式光伏电站建设缺乏系统全面的前期规划,项目发电量预测涉及到投资者的利益,同时,准确估算中长期光伏电站的发电量对电网规划改进、调度优化、管理发展也具有重要意义。然而,由于中长期预测的时间尺度大、天气预报精度低、历史发电量数据样本有限,以及中长期发电预测与短期电力预测存在显着差异,短期电力预测技术无法直接应用于中长期预测。因此,建立一种有效的中长期分布式光伏发电电量预测方法具有重要意义。本文围绕分布式光伏电站中长期发电量影响因素分析及预测方法展开了研究,具体的研究成果如下:针对主要影响因子选取不当以及数据质量不高的问题,建立了一种基于copula函数的相关性分析方法模型,利用copula函数的非线性效应和趋势相关测度,有效地提取光伏发电的关键影响因子。并运用数据预处理技术对数据样本中存在的缺失值、异常值等处理,得到较全、质量较高的输入数据。为了选取分布式光伏电站系统效率（PR）影响因子,分析了气象因素与PR的关联程度,分析了光伏组件的损耗模型并给出光伏组件5参数计算模型,建立了分布式光伏电站能量传输设备如逆变器、交直流电缆、汇流箱等的物理损耗模型。该模型为分布式光电站PR预测模... 

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

标准化前后对比

PR与辐照度的散点图

PR与环境温度的散点图

【参考文献】：
期刊论文
[1]考虑时空特性的分布式光伏出力预测研究[J]. 丁建豪,郭佳田,施勇,张昊,杨东升,高勤践.  电气技术与经济. 2019(04)
[2]灰色关联度分析模型的特征与应用[J]. 朱斓瑛,赵越,戴玉,刘占军.  科学咨询（科技·管理）. 2019(08)
[3]基于长短期记忆神经网络的配电网负荷预测方法研究[J]. 史静,李琥,李冰洁,谈健,刘丽新.  供用电. 2019(07)
[4]2019年一季度我国光伏发电建设运行情况[J]. National Energy Administration;.  太阳能. 2019(06)
[5]基于多元分析的优化模糊神经网络太阳能辐射量短期预测[J]. 高亮,张新燕,杨琪,张家军,高敏.  水力发电. 2019(07)
[6]光伏发电工程执行概算与设计概算差异性研究[J]. 薛惠娟.  价值工程. 2019(12)
[7]基于遗传算法和模糊C均值聚类的WSN分簇路由算法[J]. 董发志,丁洪伟,杨志军,熊成彪,张颖婕.  计算机应用. 2019(08)
[8]典型分布式光伏发电工程电力系统接入的优化设计[J]. 李晟,吴江,朱军峰.  太阳能. 2019(03)
[9]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)
[10]基于TensorFlow的LSTM循环神经网络短期电力负荷预测[J]. 李松岭.  上海节能. 2018(12)

博士论文
[1]光伏发电超短期输出功率的概率预测若干方法研究[D]. 倪强.西南交通大学 2018

硕士论文
[1]基于模糊集的不确定数据聚类算法研究[D]. 王霄.哈尔滨理工大学 2018
[2]基于随机森林的电力系统短期负荷预测研究[D]. 黄青平.华北电力大学(北京) 2018
[3]光伏电站损耗模型及其功率预测方法研究[D]. 刘姣.浙江大学 2018
[4]分布式光伏发电全气象系统及出力预测方法研究[D]. 叶颖.浙江工业大学 2017
[5]分布式光伏出力相关因素分析及短时尺度预测研究[D]. 吴雄增.浙江工业大学 2016
[6]基于智能计算的变权重组合优化短期负荷预测研究[D]. 洪杨欢.广东工业大学 2013
[7]大功率光伏逆变器损耗模型的研究[D]. 宋静文.西南交通大学 2013
[8]并网光伏电站仿真建模及逆变器群控方法研究[D]. 曾雅文.华北电力大学 2013
[9]新能源并网的关键技术研究[D]. 李兴鹏.浙江大学 2013



本文编号：3697846