基于异构数据融合的超短期太阳能预测

发布时间：2022-01-01 20:35

　　可再生能源的高度变化性是制约可再生能源在电力系统中普及应用的主要障碍。不同于风能预测已有的成熟方法和系统,超短期太阳能预测因为受云层影响而存在剧烈及不规则波动,一直以来都是行业的难题。采用高精度、高时间分辨率的太阳能预测可以有效减轻太阳能并网的负面影响,从而提高太阳能并网的普及率。太阳能预测的目的是提前几分钟准确地预测太阳辐射值,特别是实现斜坡事件的预测,而基于单一数据源的传统太阳能预测方法无法实现。因此,本文提出了一种基于深度学习算法的异构数据融合的太阳能预测方法,异构数据源包括7年夏天的全天空图像、气象数据和太阳几何数据。全文主要工作内容如下:首先,针对云层运动对太阳能变化影响较大的问题,本文采用卷积神经网络（ConvolutionalNeural Networks）和迁移学习算法提取天空图像特征。本文先搭建了CNN分类网络,用于识别天空图像中太阳是否被云层遮挡。之后将分类网络学习到的特征迁移到CNN回归网络,并验证提取的天空图像特征的有效性。实验结果表明系统的拟合程度R2为0.8185,总能量误差百分比仅为1.91%。相比其他利用天空图像预测太阳能的复杂方法,本文提出的特征提取系... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

图１．２晴天?

图１．１某一天光伏输出中的发生的许多斜坡事件??（来源：Ｎｏｎｌｉｎｅａｒ?Ｄｙｎａｍｉｃｓ?ｏｆ?Ａｇｇｇｒｅｇａｔｅ?Ｌｏａｄ?Ｍｏｄｅｌｓ，作者：Ｉａｎ?Ａ．Ｈｉｓｋｅｎｓ，时间：２０１９）??

图１．３系统框架??

【参考文献】：
期刊论文
[1]基于神经网络的光伏阵列发电预测模型的设计[J]. 陈昌松,段善旭,殷进军.  电工技术学报. 2009(09)
[2]对中国能源问题的思考[J]. 江泽民.  上海交通大学学报. 2008(03)



本文编号：3562798