光伏电站并网发电短期功率数据预测研究

发布时间：2017-07-28 21:10

  本文关键词：光伏电站并网发电短期功率数据预测研究

  更多相关文章： 光伏短期功率预测 改进BP神经网络 区间预测管理 Bootstrap方法

【摘要】：随着工业化的发展,人类在经济与科技不断取得进步的同时,也面临着能源危机与环境污染的严峻考验,寻找可替代的清洁能源是实现可持续发展必须采取的措施。光伏(Photovoltaic, PV)发电技术直接将太阳能转化为电能,绿色无污染,已经成为清洁能源领域的发展潮流,其发电的应用比例愈来愈高。为了保证电网安全稳定运行以及为电网调度人员提供可靠的数据,对光伏电站并网发电短期功率数据预测管理进行研究具有很重要的意义。要实现光伏电站并网发电短期功率数据预测的有效管理,必须建立在可靠的预测方法和对预测数据的合理利用的基础上。本文在分析已有模型优缺点的基础上,提出基于Levenberg-Marquardt算法的改进BP神经网络模型,用于光伏运行系统输出功率短期预测。通过案例计算表明,算法的收敛速度和功率预测精度得到了较大改进,可有效地对电站运行状态做到可靠预判。另外,为满足电网安全稳定运行的要求,光伏电站并网发电短期功率数据预测不仅要给出确定的测算值,还应该对测算值包含的风险做出合理的管理评估。针对这种需求,本文进一步提出了基于误差分布特性的置信区间估计方法,采用Bootstrap方法(一种再抽样统计方法)构造光伏电站并网发电短期功率数据预测管理区间,通过PICP、PINAW、CWC三个评价指标对区间预测结果的性能进行分析,为电网企业在风险评估和系统可靠性分析方面提供数据支持。最后,基于本文的研究成果,设计并实现了一个光伏电站并网发电短期功率数据预测管理系统,主要包括四个模块：系统管理、数据管理、基于LM(Levenberg-Marquardt)改进BP神经网络功率预测管理和基于Bootstrap方法的功率区间数据预测管理。结合功率数据预测管理系统,对光伏电站并网发电短期功率预测数据应用于电站并网运行和配合调度运行管理进行了探讨,提出光伏电站短期功率管理控制方案。
【关键词】：光伏短期功率预测 改进BP神经网络 区间预测管理 Bootstrap方法
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM615
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-17
• 1.1 选题背景及研究的目的和意义11-13
• 1.1.1 选题背景11-12
• 1.1.2 选题意义12-13
• 1.2 国内外研究现状13-15
• 1.2.1 光伏发电发展现状13
• 1.2.2 光伏发电短期功率数据预测管理的研究现状13-15
• 1.3 论文的研究内容及组织结构15-17
• 第2章 光伏发电系统的特性分析17-25
• 2.1 光伏发电的原理17-18
• 2.2 光伏发电系统的组成18-20
• 2.3 光伏发电功率特性分析20-23
• 2.3.1 辐照强度对输出功率的影响21-22
• 2.3.2 日类型对输出功率的影响22
• 2.3.3 季节类型对输出功率的影响22-23
• 2.3.4 温度对输出功率的影响23
• 2.4 光伏电站的经营管理23-24
• 2.5 本章小结24-25
• 第3章 基于LM改进BP神经网络的短期功率数据预测25-40
• 3.1 神经网络的基本知识25-31
• 3.1.1 BP神经网络25-29
• 3.1.2 改进BP神经网络29-31
• 3.2 相似日选择法31-32
• 3.3 光伏电站并网发电系统输出功率短期预测管理32-38
• 3.3.1 数据预测模型输入变量的筛选32-33
• 3.3.2 基于改进BP神经网络模型预测光伏发电系统输出功率数据33-37
• 3.3.3 数据预测结果分析37-38
• 3.4 本章小结38-40
• 第4章 基于历史数据的区间预测管理40-50
• 4.1 数据区间预测实施步骤40-41
• 4.2 Bootstrap方法41-43
• 4.3 基于Bootstrap方法的光伏发电系统输出功率数据区间预测管理43-48
• 4.3.1 案例分析43-46
• 4.3.2 评价性能及实验结果分析46-48
• 4.4 本章小结48-50
• 第5章 光伏电站并网发电功率数据预测管理系统及功率数据应用管理50-69
• 5.1 预测管理系统设计50-54
• 5.1.1 体系结构设计50-51
• 5.1.2 系统模块设计51-52
• 5.1.3 数据库设计52-54
• 5.2 系统实现相关技术54-56
• 5.2.1 SSH框架54
• 5.2.2 JAVA调用Matlab实现的算法54-55
• 5.2.3 导出Word报告55-56
• 5.3 数据管理56-60
• 5.3.0 导入数据56-57
• 5.3.1 功率数据57-58
• 5.3.2 气象数据58-60
• 5.4 基于LM改进BP神经网络功率数据预测管理60-62
• 5.4.1 数据预测参数设置60-61
• 5.4.2 数据预测结果查看61
• 5.4.3 数据误差分析61-62
• 5.4.4 导出Word报告62
• 5.5 基于Bootstrap方法功率区间数据预测管理62-65
• 5.5.1 数据预测参数设置63-64
• 5.5.2 数据预测结果查看64
• 5.5.3 数据误差分析64-65
• 5.5.4 导出Word报告65
• 5.6 光伏电站并网运行功率管理和控制65-68
• 5.6.1 有功功率管理框架66-67
• 5.6.2 基于预测功率数据的电站管理控制方案67-68
• 5.7 本章小结68-69
• 第6章 研究成果及结论69-71
• 6.1 本文工作总结69-71
• 参考文献71-76
• 致谢76

【参考文献】

中国期刊全文数据库 前10条

1 李春鹏;张廷元;周封;;太阳能光伏发电综述[J];电工材料;2006年03期

2 董君;;Matlab语言的特点与应用[J];吉林省经济管理干部学院学报;2009年05期

3 栗然;李广敏;;基于支持向量机回归的光伏发电出力预测[J];中国电力;2008年02期

4 龙志和;欧变玲;;Bootstrap方法在经济计量领域的应用[J];工业技术经济;2008年07期

5 李碧君;方勇杰;杨卫东;徐泰山;;光伏发电并网大电网面临的问题与对策[J];电网与清洁能源;2010年04期

6 张萍;;基于Bootstrap方法的统计分析[J];宜宾学院学报;2011年12期

7 周松林;茆美琴;苏建徽;;风电功率短期预测及非参数区间估计[J];中国电机工程学报;2011年25期

8 代倩;段善旭;蔡涛;陈昌松;陈正洪;邱纯;;基于天气类型聚类识别的光伏系统短期无辐照度发电预测模型研究[J];中国电机工程学报;2011年34期

9 张岚;张艳霞;郭嫦敏;赵杰;;基于神经网络的光伏系统发电功率预测[J];中国电力;2010年09期

10 蒋兴恒;朱素蓉;;基于Levenberg-Marquardt算法改进BP神经网络的卷烟销量预测模型研究[J];中国烟草学报;2011年05期

中国博士学位论文全文数据库 前3条

1 梅华威;间歇性能源大数据处理与能量管理技术研究[D];华北电力大学;2015年

2 王飞;并网型光伏电站发电功率预测方法与系统[D];华北电力大学;2013年

3 赵杰;光伏发电并网系统的相关技术研究[D];天津大学;2012年

中国硕士学位论文全文数据库 前6条

1 贾良宝;基于神经网络的光伏发电输出功率短期预测的研究[D];中原工学院;2014年

2 白俊良;并网型光伏电站中央监控与能量管理系统的研究与实现[D];华北电力大学;2014年

3 杨德全;基于神经网络的光伏发电系统发电功率预测[D];华北电力大学;2014年

4 王磊;光伏发电系统输出功率短期预测技术研究[D];合肥工业大学;2012年

5 杨巍;光伏并网发电系统关键技术的研究[D];西安理工大学;2010年

6 闫士职;基于太阳能光伏发电并网系统的研究[D];西南交通大学;2009年

，

本文编号：586014