基于小波包理论的光伏功率短期概率区间预测研究
发布时间：2022-12-17 14:56
随着环境问题的日益凸显和能源需求的不断增长,发展以风电、光伏为典型代表的新能源已成为世界各国的共识。其中,作为太阳能开发利用的重要方式,光伏发电具有应用形式多样、容量规模灵活、维护便捷等优点,应用前景广阔。但由于光伏发电与多种气象因素密切相关,受其制约,具有明显的周期性和非平稳特性,大规模接入电网导致发用电平衡难度加大,电力系统运行不确定性显著增加。因此,为了应对这一挑战,世界各国开展了光伏功率预测技术的研究。本文在考虑光伏发电功率自身特性的基础上,实现了对光伏发电异常数据的有效识别,构建了光伏发电功率短期点预测模型,最后通过对短期点预测结果进行误差分析,提出了一种基于参数估计的光伏发电功率短期概率区间预测模型。首先,针对光伏发电功率具有周期性和非平稳特性,采用周期图法实现了对光伏功率序列周期分量和随机分量的提取,并利用因子分析法和皮尔森相关系数对影响光伏发电功率的多种气象因素进行筛选,并依据所得到的气象因素,提出了一种相似日选择算法,相似日数据可以形成后续模型的训练样本集,作为后续研究的基础。其次,准确可靠的光伏数据是进行大部分光伏研究的基础,但由于人为或通信故障等因素使光伏采集系统...
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题的研究背景和意义
1.1.1 课题研究的背景
1.1.2 课题研究的意义
1.2 国内外该课题的研究现状及文献综述简析
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 光伏功率点预测文献综述简析
1.2.4 光伏功率概率区间预测文献综述简析
1.3 主要研究内容
第2章 光伏发电功率特性及影响因素分析
2.1 光伏电站输出功率特性分析
2.1.1 光伏电站输出功率的周期性和随机性
2.1.2 周期图法对光伏电站输出功率周期性分量的提取
2.2 光伏电站输出功率影响因素分析
2.2.1 基于皮尔森相关系数的样本优化筛选
2.2.2 基于因子分析的样本优化筛选
2.3 相似日选择方法
2.4 本章小结
第3章 基于气象因素分析的光伏功率异常数据识别算法
3.1 光伏功率异常数据识别原理
3.2 气象因素对光伏功率的影响分析
3.3 算例分析
3.4 本章小结
第4章 基于小波包与LSSVM的光伏发电功率短期预测
4.1 小波包理论
4.2 最小二乘支持向量机(LSSVM)
4.3 基于小波包-LSSVM模型的建立
4.3.1 小波包分解与重构
4.3.2 数据预处理
4.3.3 LSSVM模型的建立
4.3.4 预测流程
4.3.5 评价指标的选取
4.4 算例分析
4.5 本章小结
第5章 基于混合t Location-scale分布的光伏功率短期区间预测
5.1 混合t Location-scale分布模型的建立
5.1.1 t Location-scale分布模型
5.1.2 K均值聚类
5.1.3 混合t Location-scale分布模型的建立
5.2 光伏功率点预测误差概率分布分析
5.2.1 拟合优度评价指标
5.2.2 光伏功率点预测误差概率密度函数和累积概率密度函数
5.3 算例分析
5.3.1 区间预测的评价指标
5.3.2 区间预测步骤
5.3.3 光伏功率概率区间预测
5.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢
【参考文献】：
期刊论文
[1]中长期负荷预测的异常数据辨识与缺失数据处理[J]. 毛李帆,姚建刚,金永顺,李文杰,关石磊,陈芳. 电网技术. 2010(07)
[2]基于马尔可夫链的光伏发电系统输出功率短期预测方法[J]. 丁明,徐宁舟. 电网技术. 2011(01)
[3]光伏电源输出功率的非参数核密度估计模型[J]. 颜伟,任洲洋,赵霞,余娟,李一铭,户秀琼. 电力系统自动化. 2013(10)
[4]周期图法的功率谱估计[J]. 黄英. 中国西部科技. 2013(09)
[5]基于集对分析理论的太阳辐照度区间预测[J]. 罗明武,孙朝霞,刘强民,罗云月,朱锦峰,李巍威,邹丹丹,汪磊. 电力科学与工程. 2015(10)
[6]风电场弃风异常数据簇的特征及处理方法[J]. 赵永宁,叶林,朱倩雯. 电力系统自动化. 2014(21)
[7]基于遗传算法—模糊径向基神经网络的光伏发电功率预测模型[J]. 叶林,陈政,赵永宁,朱倩雯. 电力系统自动化. 2015(16)
[8]基于皮尔逊相关系数法的水树枝与超低频介损的相关性研究[J]. 杨帆,冯翔,阮羚,陈俊武,夏荣,陈昱龙,金志辉. 高压电器. 2014(06)
[9]基于MRMR的集合经验模态分解和支持向量机的风电功率实时预测[J]. 李国庆,张钰,张明江,张礼珏. 东北电力大学学报. 2017(02)
[10]基于卡尔曼滤波和支持向量机的风电功率实时预测研究[J]. 杨茂,黄宾阳,江博,林思思. 东北电力大学学报. 2017(02)
博士论文
[1]并网型光伏电站发电功率预测方法与系统[D]. 王飞.华北电力大学 2013
[2]电力系统负荷区间预测[D]. 方仍存.华中科技大学 2008
本文编号：3720133
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题的研究背景和意义
1.1.1 课题研究的背景
1.1.2 课题研究的意义
1.2 国内外该课题的研究现状及文献综述简析
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 光伏功率点预测文献综述简析
1.2.4 光伏功率概率区间预测文献综述简析
1.3 主要研究内容
第2章 光伏发电功率特性及影响因素分析
2.1 光伏电站输出功率特性分析
2.1.1 光伏电站输出功率的周期性和随机性
2.1.2 周期图法对光伏电站输出功率周期性分量的提取
2.2 光伏电站输出功率影响因素分析
2.2.1 基于皮尔森相关系数的样本优化筛选
2.2.2 基于因子分析的样本优化筛选
2.3 相似日选择方法
2.4 本章小结
第3章 基于气象因素分析的光伏功率异常数据识别算法
3.1 光伏功率异常数据识别原理
3.2 气象因素对光伏功率的影响分析
3.3 算例分析
3.4 本章小结
第4章 基于小波包与LSSVM的光伏发电功率短期预测
4.1 小波包理论
4.2 最小二乘支持向量机(LSSVM)
4.3 基于小波包-LSSVM模型的建立
4.3.1 小波包分解与重构
4.3.2 数据预处理
4.3.3 LSSVM模型的建立
4.3.4 预测流程
4.3.5 评价指标的选取
4.4 算例分析
4.5 本章小结
第5章 基于混合t Location-scale分布的光伏功率短期区间预测
5.1 混合t Location-scale分布模型的建立
5.1.1 t Location-scale分布模型
5.1.2 K均值聚类
5.1.3 混合t Location-scale分布模型的建立
5.2 光伏功率点预测误差概率分布分析
5.2.1 拟合优度评价指标
5.2.2 光伏功率点预测误差概率密度函数和累积概率密度函数
5.3 算例分析
5.3.1 区间预测的评价指标
5.3.2 区间预测步骤
5.3.3 光伏功率概率区间预测
5.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢
【参考文献】：
期刊论文
[1]中长期负荷预测的异常数据辨识与缺失数据处理[J]. 毛李帆,姚建刚,金永顺,李文杰,关石磊,陈芳. 电网技术. 2010(07)
[2]基于马尔可夫链的光伏发电系统输出功率短期预测方法[J]. 丁明,徐宁舟. 电网技术. 2011(01)
[3]光伏电源输出功率的非参数核密度估计模型[J]. 颜伟,任洲洋,赵霞,余娟,李一铭,户秀琼. 电力系统自动化. 2013(10)
[4]周期图法的功率谱估计[J]. 黄英. 中国西部科技. 2013(09)
[5]基于集对分析理论的太阳辐照度区间预测[J]. 罗明武,孙朝霞,刘强民,罗云月,朱锦峰,李巍威,邹丹丹,汪磊. 电力科学与工程. 2015(10)
[6]风电场弃风异常数据簇的特征及处理方法[J]. 赵永宁,叶林,朱倩雯. 电力系统自动化. 2014(21)
[7]基于遗传算法—模糊径向基神经网络的光伏发电功率预测模型[J]. 叶林,陈政,赵永宁,朱倩雯. 电力系统自动化. 2015(16)
[8]基于皮尔逊相关系数法的水树枝与超低频介损的相关性研究[J]. 杨帆,冯翔,阮羚,陈俊武,夏荣,陈昱龙,金志辉. 高压电器. 2014(06)
[9]基于MRMR的集合经验模态分解和支持向量机的风电功率实时预测[J]. 李国庆,张钰,张明江,张礼珏. 东北电力大学学报. 2017(02)
[10]基于卡尔曼滤波和支持向量机的风电功率实时预测研究[J]. 杨茂,黄宾阳,江博,林思思. 东北电力大学学报. 2017(02)
博士论文
[1]并网型光伏电站发电功率预测方法与系统[D]. 王飞.华北电力大学 2013
[2]电力系统负荷区间预测[D]. 方仍存.华中科技大学 2008
本文编号：3720133
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3720133.html
