基于多维气象数据和PCA-BP神经网络的光伏发电功率预测

太阳能光伏发电受很多随机因素的影响,这使得光伏系统输出功率具有不确定性的特点。光伏系统输出功率的精确预测对电力系统的未来规划、调度管理和运行控制有着重要意义。通过多个渠道搜集多维数的历史气象数据,同时将天气类型分为无云、有云、多云和雨天4类;然后基于反向传播(back propagation,BP)神经网络建立不同气象条件下的光伏发电功率预测模型;最后利用主成分分析(principal component analysis,PCA)对原始气象特征数据进行降维分析和处理,以提高计算速度和精度。仿真算例结果验证了所建立的光伏发电功率预测模型的有效性,而且PCA降维能够降低训练,减少预测的计算时间,并提高预测精度,这表明PCA能适用于未来海量气象大数据下光伏电站短期、超短期的分钟级实时功率预测。     

基于相似日和WNN的光伏发电功率超短期预测模型

光伏发电功率预测对提高并网后电网的稳定性及安全性具有重要意义。文章提出一种基于相似日和小波神经网络(WNN)的光伏功率超短期预测方法。首先利用光伏发电系统的历史气象信息建立气象特征向量,通过计算灰色关联度寻找到合适的相似历史日。再根据自相关性分析法找出与预测时刻功率相关性最大的几个历史时刻功率,结合历史时刻的温度,辐照度,风速等光伏出力的主要天气影响因素科学合理的确定模型输入因子。最后使用小波神经网络(WNN)创建预测模型,通过相似历史日数据作为训练样本训练小波网络,而后对预测日的出力情况进行逐时刻预测。实例分析表明,该方法具有较高的预测精度,为解决光伏发电系统超短期功率预测提供了一种可行路径。     

一种光伏系统短期功率预测模型

为提高光伏系统发电功率预测精度,优化系统的发电计划,减少电力系统运行成本,进而为系统调度和实时运行控制提供依据以有效减轻光伏发电系统接入对电网的影响,建立一种基于三层神经网络和功率波动特性的短期光伏出力预测模型。利用气象局已发布的日类型和温度信息挑选与预测日最相关的相似日,基于神经网络用相似日历史太阳辐照、温度、输出功率建立光伏系统出力初步预测模型;以预测日天气预报信息作为神经网络的输入获得预测日的功率预测值;基于由光伏系统相似日历史出力数据统计分析得到的波动量统计规律对初步预测结果加以修正,建立了具有较高精度的光伏系统出力预测模型。仿真结果表明该方法建立的预测模型具有较高精度,能够为调度运行人员提供决策辅助。     

一种光伏系统短期功率预测模型

为提高光伏系统发电功率预测精度,优化系统的发电计划和减少电力系统运行成本,进而为系统调度和实时运行控制提供依据以有效减轻光伏发电系统接入对电网的影响,建立一种基于三层神经网络和功率波动特性的短期光伏出力预测模型。首先利用气象局已发布的日类型和温度信息挑选与预测日最相关的相似日,再基于神经网络将相似日历史太阳辐照、温度、输出功率建立光伏系统出力初步预测模型;然后以预测日天气预报信息作为神经网络的输入来获得预测日的功率预测值;最后基于数学量化的由光伏系统相似日历史出力数据统计分析得到的波动量统计规律对初步预测结果加以修正,建立了具有较高精度的光伏系统出力预测模型。仿真结果表明,该方法建立的预测模型具有较高的精度,进而为调度运行人员提供决策辅助     

基于小波分析和集成学习的光伏输出功率短期预测

针对光伏输出功率的预测精度影响系统安全调度和稳定运行的问题,该文建立了基于小波分析和集成学习的光伏输出功率短期预测模型。考虑到光伏输出功率的波动性与随机性,引入小波分析将数据分解成趋势项和随机项,并分别对其建模。其中,趋势项采用SVM算法,随机项采用BP算法进行预测处理;再考虑到随机项的非平稳性和BP算法的固有缺点,为提高预测精度,将集成学习引入随机项的预测模型。大量测试结果表明,基于小波分析和集成学习的短期预测模型的预测精度优于现有几种模型。     

基于混沌CSO-WNN-RBF的光伏功率超短期组合预测

针对现有的光伏功率超短期预测方法难以得到所需复杂的气象数据,且光伏时间序列具有混沌特性,将小波去噪后的光伏电站的历史功率数据利用C-C法挖掘数据自身所包含的各影响因子.利用鸡群算法(CSO)对小波神经网络(WNN)的初值进行寻优,来提升WNN的预测性能.由于径向基函数(RBF)神经网络预测模型处理非线性输入输出关系具有较好的效果,将光伏功率时间序列分解为线性部分和非线性部分.提出一种CSO-WNN-RBF组合预测模型,利用CSO-WNN模型和RBF模型有序预测序列的线性部分和非线性部分,实现光伏电站输出功率的超短期组合预测.最后进行算例分析,将CSO-WNN-RBF预测模型与CSO-WNN预测模型、RBF预测模型进行预测效果对比.结果表明,所提方法在各天气类型中均保持良好的预测准确度和适用性.     

风力和光伏发电短期功率预测研究进展与展望

风能和太阳能发电具有较强的波动性和间歇性,其输出功率随机变化会对供电质量和电力系统安全稳定运行带来诸多不利影响,进行风力、光伏短期功率预测具有重要意义。针对此,对风力和光伏发电短期功率预测方法和研究进展进行评述,并对提高光伏发电预测精度的不确定性理论进行了探讨,最后指出今后风力、光伏发电短期功率预测的研究方向及发展趋势。     

基于径向神经网络的光伏发电功率预测方法研究

光伏发电输出功率具有明显的随机性和不确定性,大规模光伏并网会影响电网系统的安全、稳定运行。因此,对光伏发电功率输出进行短期的预测对光伏并网具有重要意义。以大数据分析Spearman秩相关系数为基础,分析得到光伏发电过程中各个影响因素与输出功率的秩相关度,并将相关度最高的影响因素作为预测系统变量输入,建立基于RBF神经网络的预测模型,对光伏发电的功率进行预测研究,通过变量和输出量的历史数据对RBF进行训练与预测。     

基于相似日理论和BP神经网络的光伏发电功率预测

光伏发电系统的输出功率受到太阳辐照强度、辐照时长和气温等多种气象因素的影响,具有随机性和波动性。对各种气象影响因素进行合理的选取和处理,寻求光伏发电系统输出功率与各种相关因素之间的内在联系,对光伏发电系统未来的输出功率进行科学的预测。由于具有相似气象条件下的光伏阵列输出功率具有较大的关联性,提出选择光伏阵列输出功率相似日的方法,设计基于相似日原理的BP神经网络光伏阵列输出功率预测模型,利用我国某地光伏发电系统的实测数据对模型进行验证。结果表明,模型有较好的预测准确度,具有一定的实用性及可行性。     

基于改进型比例谐振控制器的光伏发电系统最大输出功率预测方法

常规的光伏发电系统输出功率预测方法主要是对海量的发电数据进行提取,仅能够保证短期负荷的预测精 度,影响最终的预测效果,因此设计了基于改进型比例谐振控制器的光伏发电系统最大输出功率预测方法.提取光伏 发电系统最大输出功率映射特征,建立不同工况与输出功率的映射关系,确保输出功率的长期预测.基于改进型比例 谐振控制器构建稳态功率预测模型,调节光伏发电系统的输出电流与输出电压,确保最大输出功率的稳态预测.采用 对比实验的方式,验证了该预测方法的预测精准度更高,能够应用于实际生活中.     

电力系统应急通信电源装置的研制

为提高通信设备应急保电工作的效率,保障各变电站及各县、市供电局通信设备后备电源供电可靠性,针对通信保电工作模式存在的问题,研制了电力系统应急通信电源装置。并对装置进行了性能测试。应用结果表明：该装置有效地解决了应急通信设备保电工作中设备接线速度慢,可靠性、稳定性差的问题,简化了应急保电工作步骤,便于应急保电工作人员操作。     

一种新型高功率因数软开关电源

提出了一种新型高功率因数软开关小功率电源的设计方法,讨论了基于ML4803芯片控制的功率因数校正电路及无源无损的软开关DC/DC变换器。DC/DC变换部分采用了新颖的双管正激软开关技术,在不使用辅助开关管的情况下实现了开关管的零电压开通和关断,并成功研制了48V/10A的实用小功率电源模块,使其具有动态响应快、高功率因数、高效率及体积小等优点。     

电网中无功功率补偿

阐述了电网中的无功损耗、并联电容器补偿的作用原理、无功补偿方式及补偿容量的计算。只有做到合理补偿无功功率,才能有效地维持和稳定系统电压水平,从而降低有功损耗,提高系统供电效率。     

power games [power Olympics]

From the moment that International Olympic Committee president Jacques Rogge announced in July 2005 that the UK, or, more accurately, London, was to host the 2012 Olympics, the race was on to ensure that the electrical infrastructure in east London could support the requirements of the proposed high-tech 2.5sq km Olympic Park.     

Developing static reactive power compensators in a power systemsimulator for power education

This paper describes a newly installed laboratory module microcomputer-based static reactive power compensator (SVC) in detail to teach students how an SVC affects system voltage, load balancing, power factor, and transmission line losses. The SVC is merged into an old power system simulator for extensive power engineering education. The structure of the SVC is thyristor controlled reactors with fixed capacitors (TCR-FC). Two control algorithms, feedback control and feedforward control, are developed and compared. For the purpose of program flexibility and portability, a VME-Bus based microcomputer is used to synthesize the controller of the SVC. Several suggested experiments are given to show the effects of the SVC on distribution system compensation. The SVC greatly promotes the performance of the power system simulator     

含线间潮流控制器的电力系统联合潮流计算

线间潮流控制器(IPFC)能实现线路间的潮流转移和分配,可用于解决电力系统中潮流不均引起的一系列问题,具有较大的应用潜力和价值。为评估IPFC工程应用价值,需实现含IPFC的大系统潮流计算,但目前我国多用于电网规划设计的大型电力系统分析软件中没有开发IPFC模型。为解决上述问题,提出了一种基于Matlab与PSD-BPA的含IPFC电力系统的联合潮流计算方法。首先推导了IPFC功率注入模型的数学表达式,并设计了Matlab与BPA联合潮流计算的计算框架,由Matlab进行IPFC求解计算,BPA进行大电网潮流计算,通过数据交换接口完成两种仿真软件的交互与交替求解。进一步对IPFC功率注入模型进行改进,提出了一种基于PI控制器的变步长潮流迭代策略提高了计算方法的收敛性。以南通西北片电网为例,对提出方法进行了仿真验证,计算结果表明了提出方法的正确性和有效性。     

混合电源及功率预测系统在风电并网中的应用

随着风电场装机容量的不断增加,解决大规模风电场并网对电网稳定性的影响问题就显得尤为重要。考虑到风能的特点及我国能源的地理分布情况,首先介绍了风电-火电"打捆运行"为电力系统供电的联合运行方式,通过调节火电厂的输送功率对风电进行调度,以实现电网的稳定及对风能接纳能力的最大化。其次,提出了多尺度选择的风电功率预测及误差校正方法,根据不同尺度的风电功率变化规律,可实现对风机组、电力系统的控制,以便于风电调度。最后,配以合适的储能装置、无功补偿设备可进一步增强电网的稳定性。通过假设的算例进行了验证和分析,具有一定的适应性和实用性。     

考虑风电不确定性的配电网区间潮流计算

高渗透率风电的接入使得配电网三相潮流计算需要考虑更多不确定因素,传统的潮流计算方法面临严峻挑战.文中基于区间分析理论,采用区间数对风力发电系统出力的不确定性进行描述与分析,并建立了考虑风电注入功率不确定性的配电网三相区间潮流计算模型.为高效求解所建立的配电网三相区间潮流计算模型,基于对传统非线性区间方程求解方法的分析与...     

风电场电能质量的评估

阐述了风电场对电网电能质量的影响,根据电能质量的相关规定,通过实例对风电场电能质量进行了评估,并提出了需要采取相应的措施,以保证公用电网电能质量达到国家标准要求.