基于时空关系的广域分布式光伏发电群出力预测关键模型研究
发布时间：2022-08-07 22:17
本文提出一种面向大规模分布式光伏用户出力预测的光伏分群方法;首先将气象对光伏出力的影响分为大气候和小气候两类:大气候主要是日照或四类天气类型影响,通过光伏日出力平均值来划分,从而将历史数据时段划分为四类天气类型样本群;小气候认为是光伏安装高程、温度、湿度以及周围地理环境等广义小气候影响,对历史四类天气类型样本群,进行空间相关的聚类分析,得到用户光伏区域划分;综合分块中不合群的光伏用户点数量和子区域气象一致性来决定最优地域分块方案为用户光伏划群策略,为气象站点最少部署或提出多用户空间-时间相关的功率预测提供依据。基于已提出的大规模区域光伏分群方法,进一步筛选分群电站中与待预测电站具有空间相关性的光伏电站,建立ARMA模型来预测光伏发电出力的方法。选择与待预测电站具有相关关系的光伏电站作为相关性从站,引入ARMA模型进行预测并对预测精度进行了分析,表明此模型具有一定的预测能力;最后,对整个区域里所有分布式光伏用户进行预测并进行了误差分析,证明此方法对于广域分布式光伏群具有普遍适用性。
【文章页数】：55 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景
1.2 研究目的及意义
1.3 已有研究综述
1.4 本文关键技术
1.4.1 聚类分析
1.4.2 时间序列模型
1.5 本文的研究内容及结构
1.5.1 研究内容
1.5.2 论文结构
2 广域分布式光伏群区域划分
2.1 光伏出力过程与气象的关联原理
2.1.1 太阳辐射
2.1.2 温度
2.1.3 其他因素
2.2 广义天气类型
2.3 聚类初始位置
2.4 基于聚类分析的子区域划分
2.4.1 不和谐电站占比
2.4.2 气象一致性
2.5 本章小结
3 基于空间相关性改进ARMA模型的预测模型
3.1 基于ARMA模型的单站实际出力预测
3.2 基于空间相关性改进ARMA预测模型
3.2.1 数据预处理
3.2.2 空间相关性匹配过程
3.2.3 基于空间相关性的预测模型
3.3 预测误差统计分析
3.4 本章小结
4 案例分析
4.1 编程平台
4.2 模型验证
4.2.1 数据来源
4.2.2 天气类型识别
4.2.3 区域划分
4.2.4 模型预测
4.3 区域预测评价
4.4 本章小结
5 总结与展望
5.1 全文总结
5.2 展望
致谢
参考文献
附录一
附录二
【参考文献】：
期刊论文
[1]基于多尺度聚类分析的光伏功率特性建模及预测应用[J]. 管霖,赵琦,周保荣,吕耀棠,赵文猛,姚文峰. 电力系统自动化. 2018(15)
[2]基于气象因子权重相似日的短期光伏功率预测[J]. 李伟,王冰,陈献慧,缪永来. 广东电力. 2018(04)
[3]基于分层聚类算法的地区风电出力典型场景选取方法[J]. 林俐,费宏运,刘汝琛,潘险险. 电力系统保护与控制. 2018(07)
[4]Photovoltaic yield prediction using an irradiance forecast model based on multiple neural networks[J]. Saad Parvaiz DURRANI,Stefan BALLUFF,Lukas WURZER,Stefan KRAUTER. Journal of Modern Power Systems and Clean Energy. 2018(02)
[5]光伏发电出力特征提取及区域集群聚合特性[J]. 苏适,陆海,严玉廷,杨家全. 云南电力技术. 2018(01)
[6]基于相似日和主成分分析的光伏发电系统短期出力预测[J]. 侯松宝,王侃宏,石凯波,孔力,曹辉. 可再生能源. 2018(01)
[7]面向分布式光伏虚拟集群的有源配电网多级调控[J]. 窦晓波,常莉敏,倪春花,段向梅,葛浦东,吴在军. 电力系统自动化. 2018(03)
[8]光伏发电并网输电效率性能评价研究[J]. 王湘艳,苗淼,陈宁,汤奕. 计算机仿真. 2017(11)
[9]光伏出力特性指标体系和分类典型曲线研究[J]. 王建学,张耀,万筱钟. 电力需求侧管理. 2017(05)
[10]基于ARMA模型的短期风功率预测研究[J]. 刘军涛,欧阳孜. 西北水电. 2017(06)
本文编号：3671143
【文章页数】：55 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景
1.2 研究目的及意义
1.3 已有研究综述
1.4 本文关键技术
1.4.1 聚类分析
1.4.2 时间序列模型
1.5 本文的研究内容及结构
1.5.1 研究内容
1.5.2 论文结构
2 广域分布式光伏群区域划分
2.1 光伏出力过程与气象的关联原理
2.1.1 太阳辐射
2.1.2 温度
2.1.3 其他因素
2.2 广义天气类型
2.3 聚类初始位置
2.4 基于聚类分析的子区域划分
2.4.1 不和谐电站占比
2.4.2 气象一致性
2.5 本章小结
3 基于空间相关性改进ARMA模型的预测模型
3.1 基于ARMA模型的单站实际出力预测
3.2 基于空间相关性改进ARMA预测模型
3.2.1 数据预处理
3.2.2 空间相关性匹配过程
3.2.3 基于空间相关性的预测模型
3.3 预测误差统计分析
3.4 本章小结
4 案例分析
4.1 编程平台
4.2 模型验证
4.2.1 数据来源
4.2.2 天气类型识别
4.2.3 区域划分
4.2.4 模型预测
4.3 区域预测评价
4.4 本章小结
5 总结与展望
5.1 全文总结
5.2 展望
致谢
参考文献
附录一
附录二
【参考文献】：
期刊论文
[1]基于多尺度聚类分析的光伏功率特性建模及预测应用[J]. 管霖,赵琦,周保荣,吕耀棠,赵文猛,姚文峰. 电力系统自动化. 2018(15)
[2]基于气象因子权重相似日的短期光伏功率预测[J]. 李伟,王冰,陈献慧,缪永来. 广东电力. 2018(04)
[3]基于分层聚类算法的地区风电出力典型场景选取方法[J]. 林俐,费宏运,刘汝琛,潘险险. 电力系统保护与控制. 2018(07)
[4]Photovoltaic yield prediction using an irradiance forecast model based on multiple neural networks[J]. Saad Parvaiz DURRANI,Stefan BALLUFF,Lukas WURZER,Stefan KRAUTER. Journal of Modern Power Systems and Clean Energy. 2018(02)
[5]光伏发电出力特征提取及区域集群聚合特性[J]. 苏适,陆海,严玉廷,杨家全. 云南电力技术. 2018(01)
[6]基于相似日和主成分分析的光伏发电系统短期出力预测[J]. 侯松宝,王侃宏,石凯波,孔力,曹辉. 可再生能源. 2018(01)
[7]面向分布式光伏虚拟集群的有源配电网多级调控[J]. 窦晓波,常莉敏,倪春花,段向梅,葛浦东,吴在军. 电力系统自动化. 2018(03)
[8]光伏发电并网输电效率性能评价研究[J]. 王湘艳,苗淼,陈宁,汤奕. 计算机仿真. 2017(11)
[9]光伏出力特性指标体系和分类典型曲线研究[J]. 王建学,张耀,万筱钟. 电力需求侧管理. 2017(05)
[10]基于ARMA模型的短期风功率预测研究[J]. 刘军涛,欧阳孜. 西北水电. 2017(06)
本文编号：3671143
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3671143.html
