太阳辐照度预测及太阳能发电过程的先进控制策略研究

发布时间：2023-12-10 18:42

　　太阳能作为可再生能源是一种绿色能源,几乎不产生碳排放,对于环境保护具有重要的意义。同时,有机朗肯循环(Organic Rankine Cycle,ORC)系统在很多研究中用于废气的余热回收利用,提高能源利用效率,同样对于环境保护来说具有重要意义。本文主要针对太阳能辐照度的预测和太阳能发电过程的先进控制策略进行了研究。本文的主要工作包含三个部分,分别是对于太阳能辐照度的预测,对于太阳能驱动的热发电系统的建模以及针对该系统的最优预见控制研究。第一部分是针对太阳能辐照度,采用分层超限学习机(Hierarchical Extreme Learning Machine,H-ELM)的机器学习算法,将当前时刻天气信息与历史辐照度信息作为输入,当前时刻的辐照度作为输出提出了太阳能辐照度的预测策略,并且与其他成熟的算法进行了对比,通过对比均方根误差,平均绝对值误差和决定系数来判断算法的优劣程度,仿真结果表明H-ELM算法比其他算法具有更小的仿真误差,说明该算法更具有优越性。除此之外,还对这一部分做了一个拓展,采用多区域采样的方法对不同天气情况下的辐照度进行了场景生成,生成的多个场景可用于太阳能发电系统...

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
主要符号表
第1章 绪论
    1.1 选题背景及研究意义
        1.1.1 选题背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 太阳能光热发电国内外发展现状
        1.2.2 太阳能光热发电系统控制策略研究
    1.3 本文主要研究内容
第2章 基于ORC的光热发电系统分析
    2.1 引言
    2.2 光热发电系统原理
    2.3 太阳能驱动的ORC系统
        2.3.1 ORC系统工作原理
        2.3.2 有机朗肯循环系统特点
        2.3.3 ORC系统的热力过程
    2.4 太阳能驱动的ORC系统发电过程分析
    2.5 本章小结
第3章 基于分层超限学习机的辐照度预测研究
    3.1 引言
    3.2 数据预处理
        3.2.1 数据来源
        3.2.2 数据分析与处理
    3.3 选取合适的模型结构和输入数据
    3.4 分层超限学习机原理
        3.4.1 ELM学习算法
        3.4.2 H-ELM框架
        3.4.3 ELM稀疏自编码器
    3.5 对比算法
        3.5.1 在线序列超限学习机
        3.5.2 反向传播神经网络
        3.5.3 支持向量回归算法
        3.5.4 分类与回归树算法
    3.6 基于多区域采样方法的太阳辐照度场景生成
        3.6.1 拉丁超立方
        3.6.2 多区域采样
    3.7 仿真结果与讨论
        3.7.1 太阳辐照度预测仿真研究
        3.7.2 基于多区域采样的场景生成
    3.8 本章小结
第4章 太阳能驱动的ORC系统建模
    4.1 引言
    4.2 太阳能集热部分
        4.2.1 集热器模型
        4.2.2 辅助能量系统模型
    4.3 有机朗肯循环部分
        4.3.1 蒸发器模型
        4.3.2 汽轮机模型
        4.3.3 冷凝器模型
        4.3.4 工质泵模型
    4.4 太阳能驱动的ORC系统模型
    4.5 本章小结
第5章 太阳能发电过程的最优预见控制
    5.1 引言
    5.2 太阳能热发电过程
    5.3 最优预见控制
        5.3.1 基本假设与数学模型
        5.3.2 包含可预见信号的增广误差系统及带有预见作用的控制器
    5.4 仿真研究
    5.5 本章小结
第6章 结论与展望
    6.1 本文所做的工作
    6.2 存在的问题及展望
附录
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢



本文编号：3872930