风光储能电站数据分析与评价模型研究

发布时间：2017-05-15 18:10

  本文关键词：风光储能电站数据分析与评价模型研究，由笔耕文化传播整理发布。

【摘要】：本课题研究依托于国家863项目“多类型储能系统协调控制技术及示范”,针对风光储能电站现场环境复杂、风、光伏电站数据量巨大、波动性大、数据信息多样化等特点,研究并开发了一套面向风、光、储能电站数据分析的算法库,结合具体电站数据,对光伏、风电站的输出数据进行分析,并对风、光、储能电站构成的微电网进行量化评价与研究。利用VC++开发了一套数据预处理及数据分析算法库,主要包括：奇异点检测、奇异点修复、归一化、聚类分析、主成分分析、小波算法等。另外开发了一个基于MFC的算法应用程序界面。以保定英利光伏示范电站实测数据作为分析案例。研究了光伏电源全年、典型天出力波动在时间尺度、幅值上的分布规律得出：采用聚类算法对80天数据进行相似日聚类,可有效分出晴天、多云、阴雨三类天气,以气象天气作为评价标准聚类准确度达87.8%以上；从典型天的出力波动可看出多云天气光伏出力波动频繁且幅值较大,短时出力最大波动可超过装机容量60%；再由概率密度拟合5min变化率分布直方图,得到当置信区间为99%时,最大波动率达12%,全年数据满足波动程度小于5%/min、12%/30min的概率约70%。在对光伏电站出力特性进行分析后,进一步利用算法库中小波算法分析研究应用于砣矶岛智能海岛电站的储能配置。本文,对微电网的储能配置从两方面进行了研究。一是微电网系统处于并网系统时,需以《国内风电场有功功率并网标准》作为评价指标平抑并网波动,采用一阶低通滤波和并网校正的方法校正并网波动,得到并网分量和波动分量,再将波动分量利用小波分解的方法得到各储能的功率信号,从而作为混合储能配置的依据。二是微电网系统处于孤网系统时,此时微电网是一种风光柴储典型的孤网系统,为实现微网内部的发电-负荷平衡,需配置储能和柴油发电机系统进行内在调节,建立负荷缺电率和供电可靠性两个评价模型作为约束条件,实现柴发与储能系统的功率的同时配置。
【关键词】：数据分析 VC++ 聚类算法 小波算法 微网
【学位授予单位】：北方工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM61
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 绪论8-11
• 1.1 研究背景与意义8
• 1.2 课题相关研究现状8-10
• 1.2.1 风光储电站数据分析研究现状8-9
• 1.2.2 微网储能配置研究现状9-10
• 1.3 本课题结构10-11
• 第二章 数据预处理11-17
• 2.1 数据问题及预处理11
• 2.2 归一化11-12
• 2.3 奇异点检测、奇异点修复12-13
• 2.4 主成分分析13-14
• 2.5 聚类算法原理和应用14-16
• 2.5.1 K-means算法14-15
• 2.5.2 聚类算法分类15
• 2.5.3 聚类算法在风、光、储能电网的应用15-16
• 2.6 本章小结16-17
• 第三章 数据分析算法-小波算法17-26
• 3.1 小波算法发展历程17
• 3.2 尺度函数和小波函数17-19
• 3.3 小波理论19-22
• 3.3.1 连续小波变换20
• 3.3.2 离散小波变换20-21
• 3.3.3 多分辨率分析和小波包算法21-22
• 3.4 小波算法的应用22-23
• 3.5 算法库实现及GUI测试界面23-25
• 3.5.1 数据分析算法库实现23
• 3.5.2 测试界面23-25
• 3.6 本章小结25-26
• 第四章 分析案例-光伏电站出力特性分析26-35
• 4.1 出力特性分析研究意义26
• 4.2 数据样本26-27
• 4.3 出力分布特性分析27-29
• 4.4 不同气象条件下的光伏出力特性29-32
• 4.5 光伏出力主成分分析32-33
• 4.6 变化率分布特性分析33
• 4.7 本章小结33-35
• 第五章 数据分析应用-微网混合储能配置35-53
• 5.1 海岛微网介绍35-36
• 5.2 并网运行状态混合储能配置36-44
• 5.2.1 多类型储能系统38-39
• 5.2.2 算例分析39-44
• 5.3 孤网运行状态储能配置44-52
• 5.3.1 电池储能和柴发能量分配介绍45-48
• 5.3.2 微网系统技术指标48-49
• 5.3.3 算例分析49-52
• 5.4 本章小结52-53
• 结论与展望53-55
• 参考文献55-58
• 附录58-62
• 申请学位期问的研究成果及发表的学术论文62-63
• 致谢63

【相似文献】

中国期刊全文数据库 前10条

1 孙印秀;;审核中“数据分析”常见问题[J];中国船检;2009年10期

2 王银书;陈晋;;浅谈数据分析[J];机械工业标准化与质量;2006年08期

3 C·P·Chapman;B·R·Sotomayor;李伟;;用数控随机试验系统作脱机数据分析和处理[J];国外导弹技术;1979年09期

4 严雪林;;中国企业应用数据分析大概情况和未来趋势[J];电气时代;2014年07期

5 赵新林 ,赵建敏;数据分析与持续改进的理解与实施[J];机械工业标准化与质量;2004年06期

6 ;数据分析的重要性[J];航天器环境工程;2010年04期

7 陈春雁;;数据分析在质量管理持续改进中的运用[J];质量探索;2011年Z1期

8 ;数据分析[J];铁路技术创新;2012年01期

9 赵新林,赵建敏,王秀梅;对数据分析与持续改进的理解与实施[J];河南机电高等专科学校学报;2004年05期

10 李鑫;;关于加强税收数据分析应用工作的思考[J];科学之友;2010年09期

中国重要会议论文全文数据库 前10条

1 申敏;;数据分析的原则和一般方法[A];2010年云南电力技术论坛论文集（文摘部分）[C];2010年

2 刘刚;;小学生数据分析观念的培养[A];中华教育理论与实践科研论文成果选编(第五卷)[C];2013年

3 石勇;;在银行和金融数据分析中的评分方法[A];Data Analysis, Econo-physics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

4 吴一平;;基于数据分析的离校工作改进[A];中国高等教育学会教育信息化分会第十二次学术年会论文集[C];2014年

5 吕大青;;送变电施工企业中数据分析的运用[A];第二届浙江中西部科技论坛论文集（第一卷）[C];2005年

6 李小花;李姝;;大数据分析在指挥信息系统中的应用[A];2014第二届中国指挥控制大会论文集（下）[C];2014年

7 范丽伟;唐焕文;唐一源;;空间独立成分分析在fMRⅠ数据分析中的应用[A];第九次全国生物物理大会学术会议论文摘要集[C];2002年

8 张军;李婕;;中国国民休闲状态变化研究——基于网上数据分析[A];第十五届全国区域旅游学术开发研讨会暨度假旅游论坛论文册[C];2010年

9 徐小龙;王汝传;姜波;;一种新的基于P2P的电信海量数据分析业务模式[A];普适计算及其软件新技术——第三届长三角计算机科技论坛文集[C];2006年

10 邵东华;;高速公路的平面控制复测与数据分析[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

中国重要报纸全文数据库 前10条

1 匿铭;数据分析的“磨刀阶段”[N];中华读书报;2013年

2 胡英;澳发布政府可信数据分析指导草案[N];人民邮电;2014年

3 郑爱民;陕西加强消费维权数据分析利用[N];中国工商报;2014年

4 本报驻美国记者 吴成良;“数据分析”成了“金饭碗”[N];人民日报;2014年

5 本报记者 杨群;大数据分析亮出专家的“自贸研判”[N];解放日报;2014年

6 周桂生　汤建国;数据分析行业登陆湖南,带来巨大商机[N];中国企业报;2008年

7 朱文明 甫瀚公司咨询专家;数据分析提升决策智慧[N];中国审计报;2009年

8 ;国采中心空调协议供货数据分析[N];政府采购信息报;2010年

9 武虹 审计署驻沈阳特派办;以数据分析为统领开展数字化审计工作[N];中国审计报;2012年

10 杰弗尼;行走在大数据分析误区旁的零售商[N];中国商报;2013年

中国博士学位论文全文数据库 前6条

1 刘岳;区域地球化学数据分析及成矿信息融合模型研究[D];中国地质大学;2015年

2 董媛香;基于软集合的不完备不一致数据分析及决策方法研究[D];重庆大学;2014年

3 张睿;数据分析在污染控制领域的节能优化应用[D];中国科学技术大学;2014年

4 陈宜治;函数型数据分析若干方法及应用[D];浙江工商大学;2011年

5 郭广报;基于并行统计计算的金融数据分析[D];山东大学;2012年

6 孙建强;生物磁共振数据分析中的几个问题[D];中国科学院研究生院（武汉物理与数学研究所）;2014年

中国硕士学位论文全文数据库 前10条

1 周儒军;基于Hadoop的分布式监控平台的研究与实现[D];华南理工大学;2015年

2 施建辉;中职生职业道德认识现状调查研究[D];上海师范大学;2015年

3 丁国辉;核磁共振数据分析中的两个问题[D];中国科学院研究生院(武汉物理与数学研究所);2015年

4 张清;面向精准广告投放的数据分析与可视化系统设计与实现[D];山东大学;2015年

5 周徐;基于分层采样的DeepWeb数据分析方法研究[D];苏州大学;2015年

6 王佳琦;纠正性反馈对高中生英语冠词习得的影响[D];内蒙古师范大学;2015年

7 顾星竹;基于Hadoop的PCF系统的设计与实现[D];南京大学;2014年

8 张海洋;大数据的统计分析技术比较研究[D];南京大学;2014年

9 扎娟娟;银保通管理系统的构建与实施[D];电子科技大学;2014年

10 关晨静;高中生英语跨文化交际能力的调查研究[D];江西师范大学;2015年

  本文关键词：风光储能电站数据分析与评价模型研究，，由笔耕文化传播整理发布。

本文编号：368483