基于小波分解和卷积神经网络的光伏发电功率预测方法

发布时间：2023-04-02 06:01

　　随着全球能源危机加剧以及环境污染日益加重,各国将更多的注意力放在了新能源并网发电的战略上。在这样的背景下,太阳能以其蕴量丰富、清洁环保等优点在近几年迅速渗透到现代电力网络和能源系统中。不过,由于太阳能发电技术受诸多因素的影响具有很强的不确定性,假若不能准确预测、给电力网络的运行调度提供可靠依据,则会严重影响电网运行的安全稳定和可靠性能。为了降低光伏发电对电力系统的负面影响,我们需要对光伏发电功率进行尽可能准确的预测,以便后续电网的运行调度有依据可寻。为此,寻觅预测精度高的方法是非常有必要的。提出了一种基于小波分解和卷积神经网络的混合型光伏发电功率点预测新方法。该方法先利用小波分解技术将原始光伏发电功率序列分解成多个不同频率的子序列,然后分别基于各子序列建立不同的卷积神经网络子模型,这些子模型的输入与光伏发电功率序列分解后的子序列一一对应,而子模型的输出则对应输入子序列的预测值。最后将由各子预测模型得到的预测序列进行小波重构,便得到完整的光伏发电功率预测序列。将上述点预测模型与分位数回归分析相结合搭建了光伏发电功率的概率预测模型。该模型以点预测模型得到的预测序列和其与真实值之间的误差序列...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景与研究意义
    1.2 光伏发电研究现状
    1.3 光伏发电功率预测研究现状
    1.4 本文主要内容
第2章 光伏发电功率预测的经典方法
    2.1 光伏发电站出力特性
    2.2 光伏发电功率预测方法分类
    2.3 光伏发电功率的典型预测方法
    2.4 小结
第3章 基于小波分解和卷积神经网络的光伏发电功率点预测方法
    3.1 小波分解算法
    3.2 卷积神经网络
        3.2.1 卷积神经网络的卷积层
        3.2.2 卷积神经网络的池化层
    3.3 基于小波分解和卷积神经网络的点预测
        3.3.1 数据维度转换
        3.3.2 点预测流程与机制
    3.4 小结
第4章 基于小波分解和卷积神经网络的光伏发电功率概率预测方法
    4.1 概率预测流程与机制
    4.2 预测性能评价指标
    4.3 小结
第5章 仿真设计与结果分析
    5.1 光伏发电功率数据的收集与整理
    5.2 点预测实验设计与结果分析
    5.3 概率预测实验设计与结果分析
    5.4 小结
第6章 工作总结和研究展望
    6.1 工作总结
    6.2 研究展望
参考文献
攻读硕士学位期间的研究成果



本文编号：3778688