光伏发电出力的条件预测误差概率分布估计方法
本文关键词： 光伏发电 Copula 点预测 概率性预测 条件预测误差 天气类型 出处：《电力系统自动化》2015年16期 论文类型：期刊论文
【摘要】：光伏发电出力的可预测性较低,相比点预测而言,光伏发电出力的概率性预测能够提供更多的信息,有利于电力系统的安全经济运行。提出了一种基于Copula理论的光伏发电出力的条件预测误差分布估计方法。采用Copula函数对光伏实际出力与点预测的联合概率分布进行建模,实现了任意点预测对应的光伏实际出力的条件概率分布的估计。针对天气状况,对光伏预测精度影响较大的实际情况,采用聚类的方法按天气类型将历史数据进行分类,针对每类天气类型的光伏预测误差分别进行建模以提高预测误差估计的准确度。以2014全球能源预测竞赛(GEFC 2014)中的光伏出力数据进行了实证分析,验证了所提出方法对光伏出力条件预测误差估计的有效性,结果表明提出的方法在校准性和锐度方面均优于常用的正态分布的预测误差估计方法。
[Abstract]:The predictability of photovoltaic power generation is low, compared with point prediction, the probabilistic prediction of photovoltaic power generation can provide more information. This paper presents a conditional prediction error distribution estimation method for photovoltaic power generation based on Copula theory. The Copula function is used to estimate the actual output force and point of photovoltaic system. The predicted joint probability distribution is modeled. The conditional probability distribution of photovoltaic actual output force is estimated at any point to predict the actual photovoltaic force. In view of the weather conditions, it has a great impact on the photovoltaic prediction accuracy. The historical data are classified according to the weather type by clustering method. The photovoltaic prediction errors for each type of weather are modeled separately to improve the accuracy of the prediction error estimates. The photovoltaic output data are analyzed empirically. The validity of the proposed method for the prediction error estimation of photovoltaic force condition is verified. The results show that the proposed method is superior to the normal distribution method in terms of calibration and sharpness.
【作者单位】： 清华大学电机工程与应用电子技术系;电力系统及发电设备控制和仿真国家重点实验室清华大学;中国电力科学研究院新能源研究所(风电并网与评估中心);
【基金】：国家自然科学基金资助项目(51307092,51325702) 国家电网公司科技项目“新能源发电接纳能力评估分析平台研发与示范应用”~~
【分类号】：TM615
【正文快照】： 0引言近年来,中国光伏发电产业发展迅速,引人瞩目。据中电联数据统计,2013年全国全年新增并网太阳能发电11.3GW,年增长率为122%,居全球首位[1]。《可再生能源“十二五”规划》中预计的2015年全国光伏累计装机容量已经由原定的20GW提高至35GW[2]。太阳能光伏发电对地表太阳辐射
【参考文献】
相关期刊论文 前6条
1 王彩霞;鲁宗相;乔颖;闵勇;周双喜;;基于非参数回归模型的短期风电功率预测[J];电力系统自动化;2010年16期
2 周封;金丽斯;刘健;张再利;;基于多状态空间混合Markov链的风电功率概率预测[J];电力系统自动化;2012年06期
3 王守相;张娜;;基于灰色神经网络组合模型的光伏短期出力预测[J];电力系统自动化;2012年19期
4 杨明;朱思萌;韩学山;王洪涛;;风电场输出功率的多时段联合概率密度预测[J];电力系统自动化;2013年10期
5 黄磊;舒杰;姜桂秀;张继元;;基于多维时间序列局部支持向量回归的微网光伏发电预测[J];电力系统自动化;2014年05期
6 张宁;康重庆;;风电出力分析中的相依概率性序列运算[J];清华大学学报(自然科学版);2012年05期
【共引文献】
相关期刊论文 前10条
1 ;Achievements and Prospects of Wind Power Prediction[J];Electricity;2011年05期
2 王彩霞;鲁宗相;;风电功率预测信息在日前机组组合中的应用[J];电力系统自动化;2011年07期
3 徐曼;乔颖;鲁宗相;;短期风电功率预测误差综合评价方法[J];电力系统自动化;2011年12期
4 陈颖;周海;王文鹏;曹潇;丁杰;;风电场输出功率超短期预测结果分析与改进[J];电力系统自动化;2011年15期
5 张粒子;周娜;王楠;;大规模风电接入电力系统调度模式的经济性比较[J];电力系统自动化;2011年22期
6 王彩霞;乔颖;鲁宗相;徐飞;;低碳经济下风火互济系统日前发电计划模式分析[J];电力系统自动化;2011年22期
7 王扬;张金江;温柏坚;郭创新;曹一家;吴栋梁;;风电场超短期风速预测的相空间优化邻域局域法[J];电力系统自动化;2011年24期
8 王彩霞;乔颖;鲁宗相;;考虑风电效益的风火互济系统旋转备用确定方式[J];电力系统自动化;2012年04期
9 周封;金丽斯;刘健;张再利;;基于多状态空间混合Markov链的风电功率概率预测[J];电力系统自动化;2012年06期
10 王少义;李英姿;王泽峰;;太阳能光伏并网系统发电量预测方法[J];北京建筑工程学院学报;2013年01期
相关会议论文 前2条
1 张宏图;李晓奇;;基于AIMA的改进神经网络模型在风电功率短期预测中的应用[A];第十一届中国不确定系统年会、第十五届中国青年信息与管理学者大会论文集[C];2013年
2 章勇高;王妍;;基于灰色神经网络优化组合的风力发电量预测研究[A];2014年江西省电机工程学会年会论文集[C];2014年
相关博士学位论文 前10条
1 刘慧芳;非并网风电直供系统方案设计及控制策略研究[D];中国地质大学（北京）;2011年
2 许遐祯;江苏省风能资源评估及开发利用的若干问题研究[D];南京信息工程大学;2011年
3 张学清;风电预测、协同调度及电网电压安全评估研究[D];山东大学;2013年
4 林少伯;含光伏电源的微电网储能控制技术研究[D];华北电力大学;2013年
5 周松林;风电功率预测及微电网概率潮流分析[D];合肥工业大学;2013年
6 李建生;基于电气信息的变电设备状态渐变过程分析方法研究[D];山东大学;2014年
7 吴艳娟;FACTS在含大型风电场的电力系统稳定控制中的应用研究[D];天津大学;2013年
8 姚传安;小型风光互补发电系统控制和能量预测技术研究[D];河南农业大学;2013年
9 张娜;间歇性能源输出功率预测与储能系统规划[D];天津大学;2014年
10 代倩;多能源复合型电动汽车充换储放电站的能量管理技术研究[D];华中科技大学;2014年
相关硕士学位论文 前10条
1 段彬;风光互补发电控制系统中的短期功率预测研究[D];电子科技大学;2011年
2 孟洋洋;风电场发电功率短期预测模型研究[D];重庆大学;2011年
3 东海光;光伏并网发电系统的发电预测研究[D];天津大学;2012年
4 蔡祯祺;基于数值天气预报NWP修正的BP神经网络风电功率短期预测研究[D];浙江大学;2012年
5 陈前程;风电场输出功率的短期预测研究[D];兰州理工大学;2012年
6 阎洁;风电场功率预测不确定性分析方法及其应用研究[D];华北电力大学;2012年
7 张宜阳;基于多尺度分解和混沌理论的风电功率短期预测模型研究[D];重庆大学;2012年
8 金丽斯;超短期风电功率预测模型研究[D];哈尔滨理工大学;2012年
9 刘荣;基于Elman神经网络的短期负荷预测[D];浙江大学;2013年
10 宋薇;大规模风电场超短期风电功率预测的误差分析与评价[D];东北电力大学;2013年
【二级参考文献】
相关期刊论文 前10条
1 呼文亮;王惠文;;基于贝叶斯准则的支持向量机预测模型[J];北京航空航天大学学报;2010年04期
2 贺琳;李英姿;;改进GM(1,1)残差修正模型在光伏发电量短期预测中的应用[J];北京建筑工程学院学报;2008年04期
3 陈昌松;段善旭;殷进军;;基于神经网络的光伏阵列发电预测模型的设计[J];电工技术学报;2009年09期
4 雷亚洲;与风电并网相关的研究课题[J];电力系统自动化;2003年08期
5 陈亚红,马丽,穆钢,张显平,范国英;两种短期负荷预测精度考核标准的比较[J];电力系统自动化;2003年17期
6 马彦宏;汪宁渤;刘福潮;刘光途;王蛟;;甘肃酒泉风电基地风电预测预报系统[J];电力系统自动化;2009年16期
7 张国强;张伯明;;基于组合预测的风电场风速及风电机功率预测[J];电力系统自动化;2009年18期
8 颜拥;文福拴;杨首晖;Iain MACGILL;;考虑风电出力波动性的发电调度(英文)[J];电力系统自动化;2010年06期
9 李智;韩学山;韩力;康凯;;地区电网风电场功率超短期预测方法[J];电力系统自动化;2010年07期
10 王彩霞;鲁宗相;乔颖;闵勇;周双喜;;基于非参数回归模型的短期风电功率预测[J];电力系统自动化;2010年16期
相关博士学位论文 前3条
1 韦艳华;Copula理论及其在多变量金融时间序列分析上的应用研究[D];天津大学;2004年
2 刘涵;水库优化调度新方法研究[D];西安理工大学;2006年
3 韩爽;风电场功率短期预测方法研究[D];华北电力大学（北京）;2008年
【相似文献】
相关期刊论文 前10条
1 池毓铳;程鑫;;非直采模式下地区小型发电厂出力推算方法[J];电力与电工;2013年02期
2 龚启龙;;寿宁县坑兜水电站技术改造提高发电出力[J];浙江水利水电专科学校学报;2012年04期
3 陈式献;廖宏;唐剀;;新钢155t/h干熄焦电站发电出力不足的分析与处理[J];江西冶金;2013年04期
4 戴飞;李同;;科学合理地安排发电出力提高电网供电可靠性[J];河南电力;1995年04期
5 张榆海;;浅谈Excel在发电出力计算中的应用[J];山西建筑;2011年29期
6 杨先桥;影响5~#TRT发电出力因素分析[J];冶金动力;1998年05期
7 熊宁;程浩忠;马则良;朱忠烈;姚良忠;张建平;傅业盛;;基于负荷裕度最大化的发电出力优化 (一)优化模型的提出[J];电力系统自动化;2009年19期
8 靳锡敏;饶文广;胡洪钧;;石邯电网220kV主干联络线功率越限快减发电出力装置的设计与计算[J];华北电力技术;1986年03期
9 张强;彭小平;;调整功率因数对考核发电厂发电出力的技术探讨[J];计量与测试技术;2014年02期
10 李利利;涂孟夫;丁恰;戴则梅;;适应大规模风电接入的发电出力计划两阶段优化方法[J];电力系统自动化;2014年09期
相关会议论文 前1条
1 ;光伏发电出力预测系统介绍[A];江苏省微型电脑应用协会产学研成果交流会会议资料[C];2010年
相关重要报纸文章 前8条
1 通讯员 陈建良;浙能集团节后发电出力迅速攀升[N];中国电力报;2008年
2 记者 江时强;三峡电站机组出力接近额定功率[N];经济参考报;2006年
3 杨力;甘肃风电发电出力创历史新高[N];国家电网报;2013年
4 通讯员 黄华;三峡左岸机组首次实现满负荷发电[N];中国电力报;2006年
5 记者 胡晓虹;企业今起可自愿认购调峰电力[N];珠海特区报;2006年
6 程燕军;华中公司科学调度保电网安全[N];国家电网报;2010年
7 荣健 秀梅;马钢热电厂10年节煤241万吨[N];中国冶金报;2008年
8 国家开发银行 吴敬儒 阳书敏 何百磊;增强电网消纳能力 又好又快发展风电[N];中国电力报;2010年
相关硕士学位论文 前1条
1 姚荃;考虑不确定因素的光伏发电出力预测[D];华北电力大学;2012年
，本文编号：1486227
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/1486227.html
