光伏发电功率多时间尺度预测方法研究
发布时间：2023-04-03 21:36
作为太阳能开发利用的重要方式,光伏发电因其无燃料消耗、无污染物排放、应用形式灵活、容量规模不受限制、安全可靠、维护简单等优点得到了迅速发展。然而光伏发电功率具有明显的间歇性与随机波动特性,电网中光伏发电的渗透率不断增加给电力系统的发电、输电、用电实时动态平衡带来了巨大挑战,严重制约了光伏发电功率的安全可靠消纳。光伏发电功率预测是目前解决此问题的一种兼具经济性与有效性的方案。由于光伏发电功率自身出力特性在不同时间尺度上具有不同的周期性波动性表现,而电网系统的调度计划安排也涉及多个时间段范围,需要不同时间尺度的光伏发电功率预测提供数据支撑。因此为促进光伏发电功率消纳,保障高光伏功率渗透率下电网的安全稳定运行,需要开展光伏发电功率多时间尺度预测方法研究。光伏发电功率短期预测需要提供光伏电站未来1～3天的日功率出力数据,而预测日的天气状态会显著影响当天的光伏功率出力特性。因此需要建立面向光伏功率预测应用的天气状态模式识别模型,针对预测日的不同天气状态分别建立由历史数据映射到光伏功率数据的预测模型。本文首先研究了在实际应用中模型训练样本数据状态与所使用分类器特性对天气状态模式识别模型性能的影响,...
【文章页数】：131 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 选题背景及其意义
1.2 国内外研究现状及发展动态分析
1.2.1 光伏发电功率短期预测研究
1.2.2 光伏发电功率超短期预测研究
1.2.3 光伏发电功率分钟级预测研究
1.3 本文的主要研究内容
第2章 光伏发电功率短期预测问题研究
2.1 引言
2.2 模式分类算法
2.2.1 模式分类与识别
2.2.2 K近邻算法
2.2.3 支持向量机
2.3 天气状态模式识别
2.3.1 数据说明
2.3.2 仿真建模
2.4 面向光伏电站天气状态模式识别的分类器性能对比分析
2.4.1 分类器性能全局比较
2.4.2 训练样本数量规模影响
2.4.3 类间样本数量分布差异影响
2.4.4 K近邻算法参数选择
2.5 光伏发电功率短期预测模型
2.5.1 长短记忆递归神经网络模型
2.5.2 时间关联模型
2.6 基于日前天气状态预判的光伏发电功率短期预测模型
2.6.1 日前天气状态预判
2.6.2 预测模型设计
2.6.3 仿真数据说明
2.6.4 结果分析与比较
2.7 本章小结
第3章 光伏发电功率超短期预测问题研究
3.1 引言
3.2 组合预测方法
3.3 基于小波分解的多重并行预测
3.4 基于自适应时间断面融合的组合预测方法
3.5 算法仿真与讨论
3.5.1 仿真过程设计
3.5.2 仿真结果比较
3.5.3 结果讨论分析
3.6 本章小结
第4章 光伏发电功率分钟级预测问题研究
4.1 引言
4.2 基于天空图像的光伏发电功率分钟级预测方法
4.2.1 云团运动对光伏发电功率的影响机理
4.2.2 光伏发电功率分钟级预测基本技术路线
4.3 天空图像云空识别
4.3.1 基于最大类间方差原理的云团辨识方法
4.3.2 基于k均值聚类的云团辨识方法
4.4 基于相位相关理论的天空图像云团位移计算
4.4.1 傅里叶相位相关理论
4.4.2 云团位移计算流程
4.4.3 算法鲁棒性分析
4.4.4 仿真结果与分析
4.5 基于相移不变性的改进云团位移计算
4.5.1 相移不变性
4.5.2 基于相移不变性的天空图像云团位移计算改进算法
4.5.3 仿真结果与分析
4.6 基于天空图像的地表辐照度映射模型
4.6.1 地表辐照度计算流程
4.6.2 晴空地表辐照度
4.6.3 天空图像云遮挡特征提取
4.6.4 模型选择与设计
4.6.5 仿真结果
4.7 本章小结
第5章 结论与展望
5.1 结论
5.2 展望
参考文献
攻读博士学位期间发表的论文及其它成果
攻读博士学位期间参加的科研工作
致谢
作者简介
本文编号：3781188
【文章页数】：131 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 选题背景及其意义
1.2 国内外研究现状及发展动态分析
1.2.1 光伏发电功率短期预测研究
1.2.2 光伏发电功率超短期预测研究
1.2.3 光伏发电功率分钟级预测研究
1.3 本文的主要研究内容
第2章 光伏发电功率短期预测问题研究
2.1 引言
2.2 模式分类算法
2.2.1 模式分类与识别
2.2.2 K近邻算法
2.2.3 支持向量机
2.3 天气状态模式识别
2.3.1 数据说明
2.3.2 仿真建模
2.4 面向光伏电站天气状态模式识别的分类器性能对比分析
2.4.1 分类器性能全局比较
2.4.2 训练样本数量规模影响
2.4.3 类间样本数量分布差异影响
2.4.4 K近邻算法参数选择
2.5 光伏发电功率短期预测模型
2.5.1 长短记忆递归神经网络模型
2.5.2 时间关联模型
2.6 基于日前天气状态预判的光伏发电功率短期预测模型
2.6.1 日前天气状态预判
2.6.2 预测模型设计
2.6.3 仿真数据说明
2.6.4 结果分析与比较
2.7 本章小结
第3章 光伏发电功率超短期预测问题研究
3.1 引言
3.2 组合预测方法
3.3 基于小波分解的多重并行预测
3.4 基于自适应时间断面融合的组合预测方法
3.5 算法仿真与讨论
3.5.1 仿真过程设计
3.5.2 仿真结果比较
3.5.3 结果讨论分析
3.6 本章小结
第4章 光伏发电功率分钟级预测问题研究
4.1 引言
4.2 基于天空图像的光伏发电功率分钟级预测方法
4.2.1 云团运动对光伏发电功率的影响机理
4.2.2 光伏发电功率分钟级预测基本技术路线
4.3 天空图像云空识别
4.3.1 基于最大类间方差原理的云团辨识方法
4.3.2 基于k均值聚类的云团辨识方法
4.4 基于相位相关理论的天空图像云团位移计算
4.4.1 傅里叶相位相关理论
4.4.2 云团位移计算流程
4.4.3 算法鲁棒性分析
4.4.4 仿真结果与分析
4.5 基于相移不变性的改进云团位移计算
4.5.1 相移不变性
4.5.2 基于相移不变性的天空图像云团位移计算改进算法
4.5.3 仿真结果与分析
4.6 基于天空图像的地表辐照度映射模型
4.6.1 地表辐照度计算流程
4.6.2 晴空地表辐照度
4.6.3 天空图像云遮挡特征提取
4.6.4 模型选择与设计
4.6.5 仿真结果
4.7 本章小结
第5章 结论与展望
5.1 结论
5.2 展望
参考文献
攻读博士学位期间发表的论文及其它成果
攻读博士学位期间参加的科研工作
致谢
作者简介
本文编号：3781188
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3781188.html
