基于神经网络的光伏微网发电量预测研究

发布时间：2017-06-10 17:21

  本文关键词：基于神经网络的光伏微网发电量预测研究，，由笔耕文化传播整理发布。

【摘要】：随着现代社会对能源的需求日趋增强,能源危机和环境污染问题也日趋严峻。太阳能光伏发电能源因其可再生、清洁、环保等优点受到世界各国高度重视。然而,光伏发电系统具有随机性、周期性和不稳定性等自身发电特性,电力系统是一个即时平衡系统,光伏发电系统的发电特性导致其并入大电网后,会对大电网造成冲击,给大电网的稳定运行带来很多不必要的问题。对于大规模光伏发电系统并网时,精确的光伏发电功率预测是有效减缓不利影响的重要前提,所以对于光伏发电系统的发电量预测研究就有了很重要的现实意义和应用价值。本文首先对光伏电池的发电工作原理进行阐述；然后介绍光伏发电系统的基本组成和各种光伏发电系统的分类,并介绍了安徽工程大学110KW光伏微网系统的光伏发电系统基本结构；然后分析光伏发电系统发电功率的输出特性,选取了太阳辐射强度、环境温度和综合天气类型作为影响光伏发电系统发电量的主要因素,为建立发电量预测模型做好准备。本文先后提出了两种基于BP神经网络预测模型；首先是提出了小波神经网络的预测模型,并针对BP算法收敛速度慢、易陷入局部极值等缺陷,提出了附加动量项-自适应改变学习率的改进BP算法；然后,针对BP神经网络初始权值、阈值盲目选取,随机性较大,导致收敛速度慢且极易陷入局部极值,提出了基于遗传算法和模拟退火粒子群算法组合优化BP神经网络的预测模型。最后,利用安徽工程大学光伏微网系统数据,在MATLAB编程环境下,对建立的预测模型进行实验仿真。预测结果表明所提模型及算法具有较高的预测精度和收敛速度。
【关键词】：光伏微网系统 发电量预测 BP神经网络 小波神经网络 改进BP算法 遗传算法 模拟退火粒子群算法
【学位授予单位】：安徽工程大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM615;TP183
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第1章 绪论12-20
• 1.1 光伏微网发电的研究背景与意义12-14
• 1.1.1 环境与能源危机问题12-13
• 1.1.2 课题的研究的目的及意义13-14
• 1.2 国内外研究状况14-19
• 1.2.1 光伏发电产业的发展现状14-16
• 1.2.2 光伏微网系统发电量预测方法的研究现状16-19
• 1.3 本文主要研究内容19-20
• 第2章 光伏微网系统与输出功率特性分析20-33
• 2.1 光伏电池的工作原理20-22
• 2.2 光伏发电系统22-25
• 2.2.1 光伏发电系统的组成22-24
• 2.2.2 光伏发电系统的分类24-25
• 2.3 安微工程大学光伏微网系统25-26
• 2.4 光伏微网发电功率特性分析26-31
• 2.4.1 太阳辐射强度对发电功率的影响27-29
• 2.4.2 温度对发电功率的影响29-30
• 2.4.3 综合天气状况对发电功率的影响30-31
• 2.5 本章小结31-33
• 第3章 基于改进BP算法的小波神经网络光伏徽网发电量预测模型33-46
• 3.1 BP神经网络33-37
• 3.1.1 BP神经网络模型33-36
• 3.1.2 BP神经网络存在的问题36-37
• 3.2 小波神经网络37-42
• 3.2.1 小波神经网络的网络结构形式38-39
• 3.2.2 小波神经网络的特点39-40
• 3.2.3 小波神经网络学习算法40-42
• 3.3 改进BP算法的小波神经网络预测模型设计42-44
• 3.3.1 数据预处理42
• 3.3.2 预测模型结构42-44
• 3.4 本章小结44-46
• 第4章 基于GA-SAPSO优化BP神经网络的光伏微网发电量预测模型46-56
• 4.1 遗传算法46-48
• 4.1.1 遗传算法的基本原理46-48
• 4.1.2 遗传算法的特点48
• 4.2 模拟退火粒子群算法48-52
• 4.2.1 模拟退火粒子群算法的基本原理49-51
• 4.2.2 模拟退火粒子群算法的特点51-52
• 4.3 GA-SAPAO优化BP神经网络预测模型52-55
• 4.3.1 GA-SAPSO优化神经网络算法52-54
• 4.3.2 预测结构设计54-55
• 4.4 本章小结55-56
• 第5章 光伏微网系统发电量预测模型评估与结果分析56-62
• 5.1 预测模型评估56
• 5.2 预测结果分析56-61
• 5.3 本章小结61-62
• 第6章 结论与展望62-64
• 6.1 结论62-63
• 6.2 展望63-64
• 参考文献64-69
• 攻读学位期间取得的科研成果69-70
• 致谢70

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

2 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

3 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

4 胡婷;改进QGA-BP模型及其在弥苴河总氮量预测中的应用[D];昆明理工大学;2015年

5 刘俊辉;基于数据清洗方法的河道水位预测研究[D];昆明理工大学;2015年

6 刘波;短期风电功率预测方法研究[D];南京信息工程大学;2015年

7 蔡邦宇;人脸识别中单次ERP时空特征分析及其快速检索的应用[D];浙江大学;2015年

8 郑川;垃圾评论检测算法的研究[D];西南交通大学;2015年

9 李菊;BP神经网络在房地产批量评估中的应用研究[D];昆明理工大学;2015年

10 马亮;降水点分类预测方法研究[D];中国地质大学(北京);2015年

  本文关键词：基于神经网络的光伏微网发电量预测研究，由笔耕文化传播整理发布。

本文编号：439322