简介:摘要:随着我国大力发展可再生能源,光伏并网发电系统的装机容量不断增加。然而,光伏并网发电系统的发电功率由于受气象因素的影响,其发电功率具有间歇性和波动性特点。大量光伏并网发电系统的随机接入会增加电网系统的复杂度,改变电网系统现有的裕度和发电计划,导致系统面临崩溃的风险。提高光伏并网发电系统的预测精度,有助于电力部门制定详细的发电以及调度计划,提高电力系统的运行稳定性。在大量阅读国内外文献的基础上,本文从三个不同方面对光伏并网的发电功率预测进行了研究。通过分析影响光伏并网发电功率的相关因素,选取主要影响因子作为神经网络的输入变量,采用基于神经网络的光伏发电预测模型对光伏发电功率进行预测。通过数据挖掘技术,从大量数据中筛选出与预测时段具有相似气象特征的数据序列,采用灰色关联度理论对光伏发电功率进行预测。通过组合预测技术的权值计算理论,分别对神经网络的光伏发电预测结果和灰色关联度的光伏发电预测结果赋予不同的权值,采用组合预测技术对光伏发电功率进行预测。
简介:摘要:随着我国大力发展可再生能源,光伏并网发电系统的装机容量不断增加。然而,光伏并网发电系统的发电功率由于受气象因素的影响,其发电功率具有间歇性和波动性特点。大量光伏并网发电系统的随机接入会增加电网系统的复杂度,改变电网系统现有的裕度和发电计划,导致系统面临崩溃的风险。提高光伏并网发电系统的预测精度,有助于电力部门制定详细的发电以及调度计划,提高电力系统的运行稳定性。在大量阅读国内外文献的基础上,本文从三个不同方面对光伏并网的发电功率预测进行了研究。通过分析影响光伏并网发电功率的相关因素,选取主要影响因子作为神经网络的输入变量,采用基于神经网络的光伏发电预测模型对光伏发电功率进行预测。通过数据挖掘技术,从大量数据中筛选出与预测时段具有相似气象特征的数据序列,采用灰色关联度理论对光伏发电功率进行预测。通过组合预测技术的权值计算理论,分别对神经网络的光伏发电预测结果和灰色关联度的光伏发电预测结果赋予不同的权值,采用组合预测技术对光伏发电功率进行预测。