基于D-S证据理论的光伏并网发电量预测研究
【学位授予单位】：北京建筑大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TM615
【图文】：
8图 1-1 光伏并网发电对配网影响的正负效应指标体系1 The positive and negative effect index system of photovoltaic grid-connectegeneration on distribution network于光伏并网系统能够加大光伏的普及率，提高我国清洁能源使用家的光伏发展战略倾向于大规模发展在的内蒙古，新疆等西北部伏发电站。2017 年这一策略已经转变为在发达地区大力发展分布统，随着分布式光伏发电系统的进一步普及。学术届的研究在不负面影响，让清洁的能源产出更多有利的出力而努力。电系统受环境以及其组件特性等多因素的影响，其出力有着随机光伏发电功率进行预测，要综合考虑预测时刻的气象环境等因素电数据。传统的预测方法很难对其进行精准的预测。因此研究新
图 1-2 光伏发电功率预测方法分类Fig.1-2 Photovoltaic power prediction method classification 物理原理预测法物理原理方法包括光伏发电原理预测和利用对气象参数的预测的间接前者利用是设备的电学特性及发电效率，仅适用新建光伏发电站的于中测[6]。后者是以数值天气预报作为输入的一种预测方法，其主要思想是先通过理模型结合数值天气预报预测有效的辐射量。这一方法在国外被广泛应用一步衍生出对天空云量的监测和云的物理运动轨迹的预测方法，从而预发电量[7-12]。 统计预测法统计预测法有回归分析、时间序列和相似日原理。如表 1-1 所示。表 1-1 光伏功率预测统计预测法Tab.1-1 Photovoltaic power forecasting statistical forecasting method类 方法 模型 应用
_4Rp网终的结袖采音图
【参考文献】
相关期刊论文 前10条
1 倪春花;李弘毅;吴在军;;雾霾对光伏发电量的影响分析[J];江苏电机工程;2015年06期
2 郭宇杰;袁晓玲;李昌明;刘皓明;;利用最佳相似日的光伏电站短期出力预测[J];电力需求侧管理;2015年06期
3 姚仲敏;潘飞;沈玉会;吴金秋;于晓红;;基于GA-BP和POS-BP神经网络的光伏电站出力短期预测[J];电力系统保护与控制;2015年20期
4 丛林虎;徐廷学;荀凯;;基于D-S证据理论的导弹制导控制系统的联合最小二乘支持向量机预测模型[J];兵工学报;2015年08期
5 张华彬;杨明玉;;基于最小二乘支持向量机的光伏出力超短期预测[J];现代电力;2015年01期
6 高阳;张碧玲;毛京丽;刘勇;;基于机器学习的自适应光伏超短期出力预测模型[J];电网技术;2015年02期
7 张俊蔚;;基于物理模型的光伏电站输出功率预测[J];甘肃水利水电技术;2015年01期
8 罗建春;晁勤;罗洪;冉鸿;杨杰;罗庆;阿里努尔·阿木提;;基于LVQ-GA-BP神经网络光伏电站出力短期预测[J];电力系统保护与控制;2014年13期
9 敖蕾蕾;王慧芳;张弛;李一泉;何奔腾;;基于D-S证据理论的输变电设备状态检修多目标群决策[J];电网技术;2014年06期
10 周志强;钱建刚;尹康银;王一舟;;一种基于DS证据理论的目标意图预测方法[J];空军预警学院学报;2014年02期
相关博士学位论文 前3条
1 魏亚楠;智能电网中多种发电模式联合调度模型及效益评价研究[D];华北电力大学;2014年
2 彭泓;基于数据挖掘与信息融合的瓦斯灾害预测方法研究[D];中国矿业大学（北京）;2013年
3 陈维;户用光伏建筑一体化发电系统及太阳能半导体照明技术研究[D];中国科学技术大学;2006年
相关硕士学位论文 前7条
1 俞震;光伏电站并网发电短期功率数据预测研究[D];华北电力大学(北京);2016年
2 邓强;基于三支决策理论的光伏并网发电量预测研究[D];北京建筑大学;2016年
3 贾翠玲;并网型光伏发电短期功率预测的研究与应用[D];华北电力大学(北京);2016年
4 杨亚丹;基于生理参数融合的心理压力评估方法及系统研究[D];燕山大学;2015年
5 杨蕾;太阳能光伏电站输出功率预测研究[D];兰州交通大学;2014年
6 徐翻翻;基于D-S证据理论的模式分类问题的研究[D];哈尔滨工业大学;2010年
7 张方方;室内环境多信息融合算法的研究[D];重庆理工大学;2010年
本文编号：2754586
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/2754586.html
