考虑光伏出力预测不确定性的光—火联合调度

发布时间：2024-05-29 06:05

　　太阳能作为一种清洁能源能有效缓解能源紧缺和环境污染,光伏发电是太阳能利用的主要形式。但由于光伏出力具有不稳定性,导致弃光问题严重,利用火电调峰实现光火联合调度能有效解决该问题。而传统的光火联合调度是以单值预测为基础,未能考虑光伏出力特性以及火电经济性,使其在解决弃光问题上大打折扣。因此,在联合调度系统中,提高光伏出力预测精度,充分考虑光伏出力特性,能有效解决弃光问题。本文首先对光伏出力预测相关技术进行了研究,在支持向量机(Support Vector Machine,SVM)、自回归滑动平均(Auto-Regressive and Moving Average,ARMA)模型和BP神经网络(Back Propagation NeuralNetwork,BPNN)基础上,分别建立了三种预测模型。针对单模型预测精度和稳定性较低的不足,提出基于诱导有序加权平均(Induced Ordered Weighted Averaging,IOWA)算子的组合预测方法,并利用云南某光伏电站实测数据对模型进行训练和验证,结果表明,组合预测能有效提高光伏出力的整体预测精度和稳定性。其次,针对传统调度中,光...

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图1-1我国近十年光伏发电装机容量Figure1-1TheinstalledcapacityofPhotovoltaicpowerinrecenttenyears

实现减排是一个值得思考的问题【3】。太阳能的出现有效解决了这一矛盾，地球上的能源主要来自太阳能，其中包括包风能、潮汐能以及生物质能。而我国地域广阔，太阳能资源十分丰富。据不完全统计每年仅陆上太阳能辐射量就有185010kJ，其中全年日照2000小时以上的地区占到全面....

图2-2时间序列模型建模流程

ARMA预测模型的建模过程如图2-2所示。图2-2时间序列模型建模流程Figure2-2Modelingprocessdiagramoftimeseriesmodel时间序列模型的选择，主要是利用模型的自相关函数与偏自相关函数对模型加以判别。假如有任一时间....

图2-3神经网络拓扑结构

络概述络(ArtificialNeuralNetworks,ANN)是仿照生物大脑的结数据样本下网络可以通过自我学习，不断调整网络中的出数据的函数关系，从而得到期望的输出结果。网络的发展中，感知机对其产生了深远的影响，也因此引，最初的神经网络模型很简单，只有一层感知网络，由....

图3-6四种预测模型对Ⅰ类出力曲线预测结果

西安理工大学专业硕士学位论文min为第n个特征量的最小值，maxn为第个特征量的最大值。.3光伏出力预测结果分析对该光伏电站2013年全年历史出力数据整理分析，选取相似日光伏出力作为输入预测，将预测结果与实际光伏出力对比分析。.3.1对Ⅰ类出力曲线预测结果分析分别对四....

本文编号：3984175