基于核偏最小二乘的光伏发电出力预测

光伏发电出力与太阳辐射强度和温度等气象条件关系密切,在出力预测模型中,气象因素与出力数据存在着非线性关系,同时各气象因素之间也存在非线性的关系。核偏最小二乘(KPLS)方法具有较强的处理非线性问题的能力,本文基于KPLS方法建立光伏发电出力预测模型。利用光伏电站的历史气象数据和出力数据对KPLS预测模型进行训练,训练的模型用以预测光伏电站的出力。通过实际光伏电站运行数据的验证,并将预测结果同偏最小二乘(PLS)方法和人工神经网络(ANN)方法的预测结果相比较,实验结果显示KPLS预测模型具有较准确的预测能力和较强的适用性。     

基于图机器学习的分布式光伏发电预测

文章基于图机器学习提出了一种面向分布式光伏电站的深度时空特征提取预测模型。首先,针对临近区域的光伏电站进行图建模,使用长短期记忆(long short-term memory,LSTM)模型进行时间特征抓取,使用图卷积原理对电站空间特征进行提取。根据提取的时空特征信息以及历史数据和临近其他区域内光伏电站历史发电数据,训练光伏发电预测模型。以国内某地266个光伏电站为实验对象,实验结果表明基于图机器学习的预测模型进行日前预测,预测误差率仅为5.66%,低于其他机器学习模型预测结果。该模型针对光伏电站15min前发电预测可以捕获当天瞬间出力变化曲线。     

基于ARMA模型的光伏电站出力预测

目前光伏发电站容量的不断扩大,光伏发电站并网后其功率的变化具有不确定性,因此有必要对光伏电站的出力进行预测.本文建立了一种基于ARMA模型的光伏电站预测模型.结合历史发电量数据和气象因素,分别使用ARMA模型和马尔可夫链模型对光伏电站的出力进行预测,并进行了两者的比较.大量的数据表明,ARMA预测模型有较高的精度,能够...     

基于LSTM光伏发电功率超短期预测模型研究

精准地预测光伏发电功率有利于保证电网的稳定运行。采集了江苏常熟某75 MW光伏电站和山西大同某100MW电站数据,利用相关系数法对影响光伏电站输出功率的因素进行分析。搭建了长短期记忆神经网络(LSTM)功率预测模型,对两个电站的输出功率进行预测。为验证LSTM模型和同一算法下不同电站的功率预测精度,使用循环神经网络(RNN)算法和前馈神经网络(BP)算法搭建预测模型,并与LSTM算法进行对比分析,通过模型评价指标平均绝对误差(MAE)、均方根误差(RMSE)及决定系数R²,对三种模型之间的误差值进行比较,结果表明采用LSTM算法预测模型精度更高,且不同电站采用同一网络模型时,电站输出功率和气象数据的相关系数值越大,模型的功率预测值更加贴近实际值。     

基于高阶马尔可夫链和高斯混合模型的光伏出力短期概率预测

为提高光伏电站出力预测的准确性,给调度决策人员提供更丰富的预测信息,提出一种基于高阶马尔可夫链(highorderMarkovchain,HMC)和高斯混合模型(Gaussian mixture model,GMM)的光伏电站短期出力概率预测方法。首先对光伏电站的历史出力数据进行HMC建模,通过计算邻近时段光伏出力数据的Pearson相关系数确定马尔可夫链的阶数,并统计历史数据得到邻近时段光伏出力的状态转移概率矩阵。然后以此为基础建立GMM形式的光伏出力概率预测模型,并提出基于相似气象条件下的数据样本对GMM中各高斯分布的均值与方差进行修正,最终得到光伏电站出力的概率密度函数。以实际光伏电站数据为例进行分析,结果表明所提出的概率预测方法具有较高的准确性,且与传统的点预测方法相比,概率预测能够为电网运行决策提供更多有益信息。     

基于近邻传播聚类与LSTNet的分布式光伏电站群短期功率预测

为了应对分布式光伏渗透率不断提高带给电网运行的挑战,提出了一种基于近邻传播聚类与长短期时间序列网络(LSTNet)的区域分布式光伏电站群短期功率预测模型。首先,利用近邻传播算法划分区域内不同季节的分布式光伏电站群,并通过皮尔逊相关系数确定光伏出力的强相关气象因子,结合双线性插值法加密对应光伏电站群的气象数据。然后,通过LSTNet挖掘光伏功率和气象因子序列的长期和短期时空依赖,并叠加自回归的线性分量,实现了群内多个光伏电站的同时预测。最后,利用美国国家能源部可再生能源实验室的实测数据集验证了所提方法的有效性。实验比较表明,所提预测模型具有较高的预测精度和鲁棒性。     

基于GA-BP和POS-BP神经网络的光伏电站出力短期预测

当前在光伏电站出力短期预测方面较多的采用BP或者优化的BP神经网络算法,存在采用的优化算法单一、缺乏多种优化算法比较选优、预测误差大的问题。基于本地5 k W小型分布式光伏电站,综合考虑影响光伏出力的太阳光辐射强度、环境温度、风速气象相关因素和光伏电站历史发电数据,分别采用BP以及遗传算法和粒子群算法优化的BP神经网络算法—GA-BP和POS-BP构建了晴天、多云、阴雨三种天气条件下光伏出力短期预测模型。实测结果表明,三种神经网络算法预测模型在三种不同天气条件下均达到了一定的预测精度。其中GA-BP、POS-BP相比传统的BP预测模型降低了预测误差,且POS算法相比GA算法对于BP神经网络预测模型的优化效果更好,进一步降低了预测误差,适用性更强。     

基于双层BP神经网络的光伏电站输出功率预测

光伏电站输出功率对电网调度有很大影响,但受到太阳辐射强度和气象因素的影响,光伏电站输出功率具有随机性和不可控性。为合理利用光伏发电系统,建立一种基于气象预测信息以及BP神经网络的光伏电站输出功率预测模型。通过相关性分析确定影响光伏出力的影响因子,结合历史数据和气象因素进行模型训练和功率预测。文中主要提出一种新的预测模型-双层BP神经网络模型,通过对某光伏电站预测结果与实测值对比,结果表明该方法能有效提高光伏电站输出功率预测精度,对发电计划的制定有较好的参考价值和实用价值。     

基于MIE-LSTM的短期光伏功率预测

提升精细化的光伏预测技术对电力系统的实时调度运行至关重要。它不仅依赖于预测模型的优劣,还依赖于训练样本日与预测日的相似程度。提出一种基于MIE-LSTM的短期光伏功率预测方法。在建立基于互信息熵(Mutual Information Entropy, MIE)的相关性衡量指标基础上,计算出光伏功率与各气象因素间的互信息熵,从而对高维气象数据进行降维处理。然后,利用历史日与预测日多维气象因素间的加权互信息熵筛选出相似日样本。最后,通过长短期记忆(Long-short Term Memory, LSTM)神经网络预测模型训练并建立气象因素与光伏出力之间的映射关系。通过对某实测光伏电站不同天气类型下的发电功率进行预测分析,验证了新方法能够达到理想的预测精度。     

利用最佳相似日的光伏电站短期出力预测

提出一种基于最佳相似日的光伏电站短期出力预测方法。该方法利用密度指标确定初始聚类中心优化K-means聚类算法,采用加权欧式距离法获得历史样本的出力水平相似日集,采用相关系数法获得历史样本的曲线形状相似日集,确定预测日出力水平相似日集和曲线形状相似日集,选取两集合的交集样本作为最佳相似日。建立BP神经网络出力预测模型,采用光伏电站的实测数据训练预测模型,对比不同类型天气的预测结果与实测数据,表明论文的预测方法具有较高的预测精度。     

基于生命周期评价的不同电源对环境影响的比较

用生命周期评价方法对工业固体废弃物焚烧发电、生物质气化发电、风力发电、天然气燃气蒸汽联合循环发电等几种电源型式对环境的影响,进行了编目分析,计算了其污染物排放量,并且都与燃煤发电进行了比较。     

基于串口通信的DSP在线烧写技术研究

为了解决DSP嵌入式系统某些特殊应用场合升级不方便、维护困难的问题,提出了一种基于串口通信向片内Flash在线烧写程序的方法.描述了该在线烧写方法的基本思想和实现步骤,并结合工程实际需要,优化了接收升级指令的时机,并在片内Flash设置应用程序备份区,进一步提高了烧写的可靠性和安全性,增强了系统的容错性和自愈恢复能力.实验结果表明,该方法有效可行,方便可靠,相比于传统基于JTAG烧写,可摆脱仿真器进行程序升级,提高了嵌入式系统的可维护性.     

基于微位移的超分辨重建技术研究

CCD图像传感器广泛用于图像采集,受其内部结构和外部条件的影响,采集到的图像质量不能满足人们的需求,通过硬件改进提高图像质量面临经济与技术两方面的难题。为此本文利用多幅微位移图像间的冗余信息重建出高分辨率图像,既低成本又易实现。针对CCD与目标物间有相对微位移来获取序列低分辨率图像的情况,采用一种解线性方程组的方法对采集到的4幅微位移图像进行重建,并对这种算法进行优化。实验结果图可清晰地看到重建图像可分辨更多线对,高频信息量增加,算法具有较好的效果。     

基于PMU的状态估计的研究

传统的状态估计是基于单相纯正弦模型的,但实际电力系统的三相并不是完全对称,这就导致了传统的状态估计存在着固有的误差.随着基于GPS同步相量测量单元(PMU)的应用和计算机技术的发展,该文提出了一种以PMU为基础的三相状态估计和谐波状态估计算法以消除这种固有误差.利用PMU的电压幅值测量值和相角测量值与SCADA原有的测量值构成的混和量测系统一起用于状态估计,从而提高网络的可观测性及状态估计的精度,来弥补传统状态估计的不足.所以这种算法可根本解决系统三相不平衡和状态向量非纯正弦带来的误差问题.最后讨论了对该算法的评估方法.     

基于光生物效应的办公空间采光研究初探

该文将办公室天然采光与光生物效应相结合,通过分析在不同光气候、季节时段、采光口朝向、亮度水平的天然采光条件下,人眼瞳孔大小、主观感受等变化规律,研究在光生物效应作用下,天然光的光色（光谱分布）、光照强度（亮度）与人的视觉心理生理变化之间的关系,整理在不同光色下瞳孔变化与亮度水平函数关系式,以期能提出符合节能要求、有利于办公人员身心健康及提高工作效率的办公空间采光环境方案,完善办公空间天然采光的健康模式,从而进一步促进绿色照明和健康照明。     

基于Linux的SCADA系统后台服务器的研究

随着微机技术的不断发展，以Linux为代表的自由软件越来越多地应用于各个领域。针对自由软件Linux应用到电力SCADA系统后台服务器中这一课题进行了可行性研究。通过与传统的Unix工作站后台服务器相比较，提出了基于PC／Linux的SCADA后台服务器。     

基于SOPC的舵机控制器研究

研究一种开放式全数字舵机控制器。控制器采用了全数字三闭环控制,实现了舵机位置伺服控制功能,其中位置环采用PID参数模糊自整定的算法,电流环、速度环作为内环采用PI调节的算法,并对采用PID参数模糊自整定的算法和传统PID算法所得的结果进行了对比分析。实验结果表明,系统有较好的鲁棒性和动、静态性能,可达到位置跟踪效果。     

基于TMS320C6747的SVPWM实现方法研究

空间矢量脉宽调制(Space Vector Pulse Width Modulation)是逆变系统设计的是重要方法之一,本文详细介绍了SVPWM方法,探究了使用数字信号处理器TMS320C6747生成SVPWM波的方法和实现过程。对SVPWM实现的软件和硬件均进行了设计,并在此基础进行了实验,实验表明该逆变系统的具有良好的可行性、有效性和可靠性。     

基于PSCAD/EMTDC的电网GIC影响仿真分析

地磁暴在电网中产生的地磁感应电流影响电力系统运行,研究地磁感应电流在电网中的分布、大小及影响等问题有重要意义。在提出了研究我国电网地磁感应电流影响问题必要性的基础上,给出了基于平面波理论的地表面势的算法,以及用PSCAD／EMTDC软件分析电网地磁感应电流影响的思路,并对仿真分析中的仿真条件、理论依据、注意事项等问题进行了讨论,最后给出了仿真实例的分析结果。实例分析表明,我国电网的地磁感应电流问题是有必要深入研究的课题,PSCAD／EMTDC软件是分析电网地磁感应电流影响的有效工具和最佳选择。     

基于RTDS建模的分布式光伏对配电网影响研究

随着分布式光伏的大规模推进,需要研究分布式光伏接入配电网后对电压、 电流和继电保护带来的影响.首先,根据分布式光伏和配电网的典型结构,基于RTDS建立分布式光伏接入配电网的仿真模型.其次,仿真分析在不同的光伏渗透率、故障类型和故障位置下分布式光伏对配电网电压和电流的影响.然后,研究电网故障状态下分布式光伏对配电网继电保护的影响.仿真结果表明,分布式光伏接入配电网后使电压增大、系统提供的电流减小,分布式光伏渗透率较大时可能使过流保护拒动以及重合闸失败,因此需要重新整定保护定值.