基于改进的广义回归神经网络短期光伏发电功率预测

发布时间：2022-01-25 17:14

　　伴随着全世界的能源经济的高速发展,人们对于传统能源的应用需求量与日俱增,能源方面巨大的需求一方面带来不可再生能源的日渐枯竭,另一方面会引起环境污染,破坏生活和工作的环境。为了缓解环境污染问题以及传统化石能源的日渐短缺的问题,人们对于寻找可再生能源作出积极的尝试与努力,在未来,清洁能源有望替代不可再生能源。太阳能是一种可再生能源,分布范围广泛、能源利用率高、便于开采且无污染,相对于其他能源,有明显的优势。但是光伏发电功率受气象等因素影响,有明显的随机性,给大规模光伏电站的安全稳定运行带来严峻挑战,因此需要提高太阳能光伏发电输出功率的预测准确度,本文的研究重点主要围绕太阳能光伏发电功率的相关预测方法展开。首先,从研究光伏发电功率预测^[13]方法的必要性以及重要性入手,简单介绍了世界太阳能光伏产业的发展现状,对目前的光伏功率预测算法进行了归类。分析了发电系统原理以及系统构造,对光伏发电系统的阵列模型进行了严格的数学分析,并且在理论分析的基础上,对光伏发电功率的几个影响因素进行了描述,为预测功率奠定了理论基础。其次,对目前几个主要的太阳能光伏的预测方法进行了对比分析,提出... 

【文章来源】：南京邮电大学江苏省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

我国光伏产业发展模式

发电系统介绍电池的基本构造以及工作原理电的基本原理，是利用了太阳光照射进半导体界面时所引起以将光能变为电能，而两个能量间无过度。光伏发电的关键的材料主要是由非晶硅、单晶硅以及多晶硅等一些半导体原原材料是硅，硅是一种特殊的材料，它的导电性是介于导体不同，单质内除了含有电子外，还会有空穴的出现。单质硅光中得到能量，摆脱束缚，成为自由电子，那么原先电子存下，空穴带正电，而电子带负电。

图 2.2 N 型硅模拟图图 2.3 P 型硅模拟图空穴相对较多，而在 N 型硅中的自由穴会扩散到 N 型硅中，而与此同时， P、N 型硅的交界处，产生一个内建会把空穴推向 P 型硅。最终硅的电场

【参考文献】：
期刊论文
[1]光伏发电功率预测方法综述[J]. 曹煜祺,张立梅.  黑龙江科学. 2017(21)
[2]大规模分布式光伏短期集群功率预测综述[J]. 张小萌,白恺,柳玉,李智,卢玺宁,周少祥.  华北电力技术. 2017(06)
[3]光伏发电功率区间概率预测[J]. 周同旭,周松林.  铜陵学院学报. 2017(02)
[4]基于多维气象数据和PCA-BP神经网络的光伏发电功率预测[J]. 刘俊,王旭,郝旭东,陈业夫,丁坤,汪宁渤,牛拴保.  电网与清洁能源. 2017(01)
[5]基于萤火虫算法?广义回归神经网络的光伏发电功率组合预测[J]. 王昕,黄柯,郑益慧,李立学,邵凤鹏,贾立凯,徐清山.  电网技术. 2017(02)
[6]光伏功率预测技术[J]. 龚莺飞,鲁宗相,乔颖,王强.  电力系统自动化. 2016(04)
[7]功率预测技术在光伏发电中的应用研究[J]. 高阳,钟宏宇,许傲然,代小敏,张博,曹宇.  电器与能效管理技术. 2015(17)
[8]基于遗传算法—模糊径向基神经网络的光伏发电功率预测模型[J]. 叶林,陈政,赵永宁,朱倩雯.  电力系统自动化. 2015(16)
[9]光伏发电功率预测方法研究综述[J]. 钱振,蔡世波,顾宇庆,童建军,鲍官军.  机电工程. 2015(05)
[10]地基云图结合径向基函数人工神经网络的光伏功率超短期预测模型[J]. 陈志宝,丁杰,周海,程序,朱想.  中国电机工程学报. 2015(03)

博士论文
[1]并网型光伏电站发电功率预测方法与系统[D]. 王飞.华北电力大学 2013



本文编号：3608931