基于相似日误差校正的光伏功率预测

光伏发电的功率预测是电网运行调度普遍关注的问题。光伏电站大量历史数据的挖掘和利用为波动的光伏功率建模提供了新方向。在采用气象相似日进行光伏发电功率预测的基础上,引入了相似日的光伏发电功率预测误差对预测日的光伏功率进行校正,更进一步提高了光伏发电功率预测的准确性。     

基于BP神经网络的光伏发电功率预测研究

随着光伏并网容量的增加,光伏发电功率的波动对电网调度运行的影响不容忽视,电网对光伏发电功率预测精度提出了更高要求。在分析了光伏发电功率波动影响因素的基础上,基于BP神经网络建立光伏发电功率预测模型。通过大唐吐鲁番光伏发电实测数据验证该方法,预测结果 RMSE为3.544,表明该方法可以准确预测光伏发电功率。     

电网接入光伏发电功率的实时调度与预测研究

光伏发电并网的容量具有随机性，其供电功率振荡会严重威胁电网安全稳定运行。提出基于实时调度的电网接入光伏发电功率预测方法。根据辐射量对电网接入光伏发电功率的关系曲线、电网接入光伏输出功率和温度的曲线、电网接入光伏发电功率和湿度之间的关系曲线，分析了电网接入光伏发电功率的影响因素；为避免光伏发电功率差异性较大带来预测结果不准确的问题，对电网接入光伏发电功率数据完成归一化处理；结合发电功率日特征相似度的计算结果，计算了权重欧式距离，获取具有最大影响力的功率数据，完成电网接入光伏发电功率的预测。实验结果表明，应用研究方法时，电网接入光伏发电功率的预测偏差始终低于0.05，获取的电网接入光伏发电功率预测结果始终分布在根据实际情况设定的阈值区间内。     

空气质量监测数据驱动的光伏发电多尺度功率预测方法

近年来频繁出现的污染天气使光伏发电中太阳辐照度随空气质量出现较大变化,对光伏发电功率预测产生较大影响。对此,本文基于空气质量监测数据与气象数据,建立了气溶胶光学厚度（AOT）的光伏发电功率预测软测量模型,采用双波段大气辐射传输模型计算太阳辐照度,以日前与日内的空气质量预报信息为驱动数据,提出了一种多时间尺度的光伏发电功率预测方法,并基于此开发了光伏发电功率预测软件进行试验验证。结果表明,本文方法能够有效反映污染天气对辐照度的影响,实现对光伏发电功率的准确预测,该光伏发电功率预测软件具有较好的工程应用价值。     

基于双维度顺序填补框架与改进Kohonen天气聚类的光伏发电短期预测

为提高部分数据缺失情况下智能电网光伏发电功率预测精度,提出一种基于双维度顺序填补框架与改进Kohonen天气聚类的光伏发电功率预测模型。采用双维度顺序填补方法补齐缺失数据,基于完整数据分析光伏发电功率影响因素,建立改进Kohonen天气聚类模型,并利用S-Kohonen实现预测日天气类型识别,将聚类历史日数据与预测日气象数据作为输入,采用多种群果蝇优化广义回归神经网络(MFOA-GRNN)模型对预测日光伏发电功率进行预测。仿真结果表明,所提方法能有效提高预测精度,为实现数据缺失情况下智能电网光伏发电功率的精准预测提供了一种思路。     

基于数字孪生的光伏发电功率超短期预测

光伏发电功率超短期预测对减小光伏并网对电网冲击及维持电网安全运行具有重要意义。提出一种基于数字孪生的光伏发电功率超短期预测机制,通过构建数字孪生体进行实时、高精度的光伏功率预测。首先根据GA-BP神经网络(geneticalgorithm-backpropagationneuralnetwork)构建光伏发电功率预测虚拟模型,并通过多维度的传感器采集光伏电池以及周围环境的各项孪生数据,同时更新历史数据库。然后以采集到的孪生数据为基础进行功率预测并得到初步预测结果。最后通过相似气象搜索,得到相似情况下的实际功率值和当时的预测功率,进而修正初步预测结果,得到最终预测功率。仿真算例结果表明,所提方法能有效提高光伏发电输出功率超短期预测精度。     

大规模分布式光伏短期集群功率预测综述

中国目前的光伏发电系统尚以集中式光伏为主,但是很多太阳能资源丰富地区对电力的消纳能力较差,因此分布式光伏日益受到重视。分布式光伏的波动性和随机性导致对其进行功率预测变得十分必要,然而,分布式光伏发电存在的历史数据收集困难、实时监测数据缺乏等问题对功率预测造成了极大的困难。近年来出现了一些将集群功率预测方法应用于风电场群功率预测的研究。因为集群功率预测方法更加关注集群内各区域的功率预测而不是单个电场或电站的功率预测,所以这种方法能够在很大程度上解决分布式光伏发电功率预测的难题。文章概述了目前已有的分布式功率预测方法和集群功率预测方法,分析了这两个方面已有的研究,并指出集群功率预测方法在分布式光伏发电功率预测上的应用前景。     

光伏发电功率超短期预测方法综述

大规模的光伏并网使电网安全问题日益突出,精准的功率预测能为电网安全稳定运行提供可靠的数据支撑。目前,国内外对光伏发电功率超短期预测开展了大量研究,但在其预测精度上还有待进一步的提升。为此,从影响因素、研究方法、预测难点及未来的发展趋势4方面对光伏发电功率超短期预测方法展开综述。首先对光伏发电的影响因素及预测方法进行归纳总结,然后在深入分析基于历史功率数据的预测法、考虑未来气象因素数据的预测法、基于云观测数据预测法以及多种数据组合的预测法的基础上,梳理出目前光伏功率超短期预测所存在的技术难点,最后结合其发展趋势,展望了未来技术研究的攻关方向。     

一种考虑季节特性的光伏电站多模型功率预测方法

随着并网光伏发电容量的持续增加及多能源发电协同利用的需要,光伏发电功率的高精度预测对于提高规模化光伏发电的优化调度和安全运行日益重要。为了解决单一预测模型精度低的问题,提出了一种基于季节气象特征划分的光伏发电多模型预测方法。通过不同季节下光伏发电系统的电气特性和出力特性分析,说明了按照季节来划分功率预测多模型的必要性。以某光伏电站为例,利用BP神经网络建立不同季节的光伏发电预测模型,通过遗传算法优化了季节模型参数。利用实测数据对2种功率预测方法进行了比较,结果表明,该方法能有效提高光伏电站的功率预测精度。     

省级光伏发电功率预测与运行监测平台

我国光伏持续快速发展,光伏并网呈现中低压接入比例高、点多面广、不确定性强的特点,光伏发电功率预测与运行监测对于电网安全运行具有重要意义。文章提出了多源数据预处理、数值天气预报输出校正及多数据条件的预测方法等关键技术;设计研发了省级光伏功率预测与运行监测平台,具有多时间尺度、多数据条件的光伏发电功率预测功能,可实现省级太阳辐射资源进行网格化预报、广域光伏发电可视化管理及并网运行分析。该平台已在河南试点地区应用,取得了良好的示范效果。     

基于SVR残差修正的光伏发电功率预测模型

作为一种重要的分布式电源,光伏发电发展迅速且当前部分地区的渗透率不断升高,对区域电网的安全稳定运行造成了严重的影响。光伏功率超短期预测可以为区域电力调度提供必要的数据支撑,促进新能源消纳目标的实现。但是光伏电源自身的波动性特性使光伏功率预测的精度难以提高。鉴于此,本文提出了一种考虑功率修正基于差分自回归移动平均模型(ARIMA)的光伏发电功率预测模型。首先,以光伏电站现场采集的功率时间序列数据建立ARIMA模型进行预测日发电功率的初步预测;其次,利用前一个气象相似日的预测残差数据建立支持向量回归模型对预测日的ARIMA预测残差进行预测;最后,对初步预测结果进行修正。现场实际数据建模证明了本文方法的有效性。#$NL关键词：光伏发电; 功率预测; SVR; ARIMA#$NL中图分类号：TM615     

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.     

基于改进支持向量机算法的光伏发电短期功率滚动预测

光伏发电具有明显的波动性与随机性,对其短期功率进行预测可以更准确地实现电网能量管理和运行调度。首先提出了一种基于粒子群优化支持向量机算法(PSO-SVM)的光伏发电短期功率滚动预测模型;通过寻找相似日,以相似日的实际功率和预测日的天气数据作为模型的输入量,对次日一天的发电功率进行预测;再以次日的实际输出功率与预测功率进行滚动对比,当预测点不满足给定预测精度时,以当日实测数据对后期预测点的功率进行修正预测。仿真算例表明所提光伏发电短期功率的滚动预测模型可以更精确地实现功率预测。     

基于台区功率共济的屋顶光伏功率消纳方法

随着整县屋顶光伏试点工作的逐步推进,光伏功率消纳的问题日益凸显。为解决光伏发电功率波动大、消纳率低的问题,提出了一种基于台区功率共济的屋顶光伏功率消纳方法。首先,通过边缘物联终端采集配电台区屋顶光伏的发电功率数据,并采用长短期记忆网络对光伏历史发电功率和气象数据进行综合分析,生成多时间尺度的光伏发电预测曲线;其次,通过储能装置、跨台区联络开关建立微电网调度控制模型,计及短期光伏发电功率预测,合理安排用能策略、储能策略和跨配电台区功率共济消纳策略,以提高光伏功率的消纳水平;最后,在某县应用该方法,其光伏功率消纳比例达95.26%,较蒙特卡洛方法提高16.18%,运行结果验证了所提方法的有效性。     

基于季节分区的光伏发电功率多SVR预测方法

为了更准确地对光伏发电功率进行预测,降低光伏并网给大电网带来的干扰,研究了一种分季节多支持向量回归(support vec-tor regression,SVR)预测模型预测光伏发电功率的方法.利用光伏发电站的历史数据,以环境温度与光照强度为输入参数,发电功率为输出参数,建立各个季节的多SVR模型.预测未来光伏发电功率时,利用天气预报预测的24小时逐时气温作为环境温度参数,根据天气预报的天气状况,以往年当天的相近天气状况的光照强度平均值作为光照强度参数,运用多SVR模型对未来24小时的光伏发电功率进行逐时预测.用某光伏发电站的工程数据验证.结果表明,能较好地预测未来一天的发电功率.     

基于时序动态回归的超短期光伏发电功率预测方法

光伏发电功率预测对于电力系统安全可靠运行以及提高光伏发电产业经济效益具有重要意义。提出一种基于时序动态回归的超短期光伏发电功率预测方法,仅需要历史光伏发电功率数据与数值天气预报作为输入。首先建立光伏发电功率与地表太阳辐射累计值的回归模型,再建立ARIMA模型预测回归残差序列,最后引入傅里叶谐波序列刻画日季节性。根据线性形式与对数形式的回归公式提出两种预测模型,综合二者形成最终的混合预测方法。算例结果表明,与一般时序模型相比,该方法在超短期预测方面预测精度更高。     

光伏发电系统功率预测研究方法综述

随着光伏发电大量并入电网中,为了合理制订发电计划,保证电力系统稳定运行,需要对光伏发电输出功率进行预测。主要就光伏发电系统功率预测研究方法进行了综合阐述,介绍了影响光伏发电系统功率输出的主要因素,概括了光伏发电系统功率预测中常用的人工神经网络算法、支持向量机算法等统计方法,最后给出功率预测结果评估的指标。     

基于分时长短期记忆神经网络的光伏发电超短期功率预测

准确预测光伏发电功率对电力系统运行调度至关重要。提出一种基于Spearman相关系数和分时长短期记忆网络的光伏发电功率预测方法。首先利用Spearman相关系数分析每个时刻下影响光伏发电功率的因素,选取相关度高的影响因素作为长短期记忆网络模型的输入变量;然后,对每个时刻建立一个基于长短期记忆网络的预测模型,实现分时光伏发电功率的预测。最后,利用实际光伏发电站的历史发电功率和数值天气预报数据进行案例分析。结果表明,所提方法比单一长短期记忆网络预测模型具有更高的预测精度。     

光伏发电系统功率预测方法综述

提高功率预测水平是光伏发电系统并网的关键技术问题,对提高光伏发电开发利用、保证电网安全运行有重要意义。对光伏发电系统的功率预测方法进行了分析与总结,根据光伏发电的应用及需求,归纳了各类光伏发电系统功率预测方法的优点及不足,希望对我国光伏发电预测方法的发展起到一定的促进和推动作用。     

基于网络服务器的光伏发电短期功率预测研究与应用

通过分析当前国内光伏发电工程的特点,提出一种基于网络服务器的光伏发电短期功率预测系统,充分利用现有监控终端的数据上传能力,结合多数据终端上传的海量数据优化智能算法。此预测系统可以为多个光伏监控系统分时复用,节约了硬件资源;同时预测软件根据其获得的多系统数据特点,利用不同光伏发电系统的数据进行交叉优化,有效提高了预测准确率。