基于云计算和智能优化 SVＲ 的光伏发电功率预测

为提高光伏发电功率的预测精度,针对支持向量机回归( Support Vector Ｒegression,SVＲ) 模型的预测结果易受其惩罚系数 C、敏感损失函数的最大误差系数 ε 和核函数 g 影响的问题,提出一种基于新型智能算法 － 蝗虫算法优化 SVＲ 模型参数的光伏发电功率预测模型。由于光伏发电功率数据存在随机性和间隙性的特征,Multi － Agent 和分布式思想被引入蝗虫算法优化 SVＲ 模型,通过将云计算的 MapＲeduce 框架和 GOA － SVＲ 结合,提出一种基于 MapＲeduce 和 GOA － SVＲ 并行化的光伏发电功率预测模型( MapＲeduce and GOA － SVＲ,MＲ － GOA － SVＲ) ,从而提高海量高维光伏发电数据的处理能力。将影响光伏输出功率的 11 个气象因素作为 GOA － SVＲ 的输入向量,光伏输出功率作为 GOA － SVＲ 的输出向量,建立 GOA － SVＲ 的光伏发电功率预测模型。研究结果表明: MＲ － GOA － SVＲ 可以有效提高不同天气类型下的光伏发电功率的预测精度,具有很强的现实性和指导意义。与 PSO － SVＲ、GA － SVＲ、GOA － SVＲ 和 SVＲ 相比,MＲ － GOA － SVＲ在晴天、阴天和雨天均可以提高预测精度,且具有优异的并行性能。     

基于GRA-SVM的光伏发电功率预测

针对目前影响光伏输出功率的气象变量多、复杂等问题,提出基于灰色关联分析结合支持向量机的光伏功率预测模型。利用灰色关联分析理论筛选出5个气象变量作为支持向量机模型的输入。实验结果证明了该方法的可行性,对短期光伏发电功率的预测具有一定的参考价值。     

基于CEEMD-SSA-SVM的短期光伏发电功率预测

针对光伏发电功率随机波动性导致预测难度大这一问题,采用改进的经验模态分解(CEEMD)对原始光伏发电功率数据进行分解,得到不同尺度的模态分量;然后引入麻雀搜索算法(SSA)对支持向量机(SVM)进行优化,建立不同尺度模态分量的预测模型;最后将各预测值叠加得到最终的光伏发电功率预测值。仿真结果表明,所提CEEMD-SSA-SVM光伏发电功率预测方法在保证原始光伏发电功率序列经CEEMD处理后具有较小重构误差的前提下,极大地提高了预测精准度。     

基于BP神经网络的光伏发电功率预测模型研究

光伏发电功率预测对提高光伏发电并网系统调度质量有重要意义.通过建立基于BP神经网络的光伏发电预测模型,并创新性地提出将光伏组件环境清洁度作为模型输入因子,对光伏电站发电功率进行预测.采用新疆电力科学研究院光伏发电系统作为算例验证平台,证明了模型的有效性.     

基于LCOE的光伏发电工程优化设计

随着我国光伏装机容量大幅增加,可开发区域面积逐渐减少,光伏电站开发竞争日趋激烈,全面平价及低于平价的竞价时代到来,传统的粗放型设计开发模式已不再满足行业发展的需求。针对于此,提出了一种基于LCOE的光伏发电项目优化设计方法。首先寻找不同方阵间距时发电量最大的方阵倾角,得到一系列方阵间距与对应最佳倾角组合;然后对每一方阵间距与最佳倾角组合进行LCOE分析;最终得到经济性最优的方阵间距与倾角组合。分别采用优化方法与传统方法对实际光伏电站进行方阵间距及倾角设计,通过对不同单位土地租金时两种方法设计方案进行LCOE分析,结果表明采用优化方法设计方案的LCOE优于传统方法设计方案的LCOE,可有效提高光伏发电项目效益。     

云南省发展光伏发电的条件和前景

太阳能是清洁的、可再生的能源.云南省是我国太阳能较丰富的地区之一.研究我省光伏发电的开发条件具有现实意义.以有关光伏发电原理和光伏发电系统的核心组成部分为基础,从纬度、海拔、日照时数、大气透明度、总辐射的年内变化、日变化、年际变化等7个方面,分析研究了我省光伏发电的开发条件.其次,对选址的地区布局、方阵布置方式、厂址占地、工程选址因素以及光伏一抽水蓄能联合运行等方面阐明了看法,最后对光伏发电的现状和前景作了评述.     

提高风力和光伏发电质量的探索

近年来利用风力发电与太阳能发电已成为人类发展新能源的方向,它们正在逐步为人类所利用。但是这两项能源有一个共同致命的缺点那就是无法储存或储存成本极高。它在电网中只能占很小的比例,人们往往称它们为＂垃圾电＂。如何将这部分＂垃圾电＂用较低的造价转换为＂优质电＂,是人们要探索的目的。     

光伏发电系统最大功率点跟踪的占空比扰动法仿真研究

介绍了一种光伏电池的仿真模型,分析了占空比扰动法实现最大功率点跟踪的原理。为进一步简化算法,分析了基于输出电流检测实现最大功率跟踪的可行性,说明了算法的原理和实现思路,建立了Matlab仿真模型并进行了仿真验证,仿真结果证明了算法的正确性。     

基于改进SVR模型的新疆冰川河流年径流预测研究

文章结合人工蜂群算法的自适应度因子对传统SVR模型的循环求解进行改进和优化,提高传统模型收敛和求解精度,并将改进SVR模型用于新疆喀什某冰川河流的年径流预测中。研究结果表明:在AIC计算准则下,改进的SVR模型最小计算值最小,参数结果更为合理;相比于传统模型,改进模型在区域冰川河流年径流预测精度得到较为明显的改善和提高,其中预测的误差均值减少16.3%,年相关系数提高0.25;建立的自回归方程可对未来冰川径流的变化趋势进行预测。研究成果对于新疆冰川河流年径流的变化预测提供方法参考。     

光伏发电项目并购的技术难点和对策

以辉耀光伏项目并购的技术尽职调查工作为例,有针对性的进行了认真的策划,开展了全面的技术尽职调查工作,以掌握项目的设计情况和存在问题,了解设备采购和运行情况,摸清施工质量和存在的缺陷,查清光资源和发电量情况。并根据尽职调查情况,采取有针对性的防控风险措施,为并购工作奠定了基础。     

基于IFA-LSSVM的短期风功率预测

为避免风力发电随机性、波动性对电网调度的影响,同时基于风功率预测在微电网和风储系统等热点研究问题中的应用必要性,建立基于改进萤火虫算法(IFA)优化最小二乘支持向量机(LSSVM)的短期风功率预测模型.首先,利用混沌映射及步长因子自适应调整方法对萤火虫算法进行创新性改进,增强其全局搜索能力,又解决了局部震荡问题;其次,...     

基于模型预测控制的多源自动发电控制系统及运行优化

根据火电站、风电场和光伏电站的动态响应特性,搭建了基于模型预测控制的多源自动发电控制系统模型,并利用粒子群优化算法优化区域内系统的动态响应调节性能。案例分析表明,与优化前相比,多源自动发电控制系统模型能提高系统的动态响应能力,减少区域控制总偏差,减少区域“弃风”、“弃光”,让风光新能源充分发挥调节潜力。     

基于等效平均风速的风力发电功率预测

目前应用风速气象数据预测风力发电功率的方法存在较大误差,难以满足工程应用的精度要求。文中基于能量守恒原理提出了风力发电机组等效平均风速的概念,并通过为期1年的现场实验分析得到等效平均风速与最大风速和平均风速的函数关系,由此提出了基于等效平均风速的风力发电功率预测方法,并与以往基于平均风速的风力发电功率预测方法进行了工程应用效果对比,表明基于等效平均风速的预测方法较基于平均风速的预测方法在预测精度方面有明显提高。     

基于组合预测的风电场风速及风电机功率预测

风电场风速及风电机功率预测的准确性对接入风电场的电力系统运行有重要意义。文中提出一种基于相似性样本的多层前馈（BP）神经网络风速预测方法,利用风速季节性周期变化的特点提高风速预测的准确性;结合时间序列分析与灰色预测方法研究了应用组合预测方法进行风电场风速预测,并在风速预测的基础上讨论了风电机功率预测。通过对国内某地区的实测风速数据分析,验证了该预测方法能够提高风速预测的准确性,具有较大的实用价值。     

基于信息粒化和支持向量机的风功率预测

基于信息粒化和支持向量机对大型风电场的输出功率进行短期预测,利用国内某大型风电场的实测输出功率数据进行回归预测模型的构建,应用结果表明:小样本情况下有效克服了传统的时间序列模型仅是单一线性模型的缺点,该方法可以有效的预测大型风电场的输出功率变化范围。     

对我国光伏发电发展前景的思考

针对目前传统能源利用带来的环境污染及其所面临的消耗殆尽的危机,对作为新能源之一的光伏发电的原理、光伏发电的趋势以及我国光照分布情况进行了分析与阐述。通过分析我国光伏发电的优缺点并对发电需求量进行了计算,同时对近年来国家支持光伏行业的政策进行了梳理,得出了我国在光伏发电方面潜力非常大、发展空间十分广阔的认识。如果国家再提供更多的扶持政策,光伏发电将具有十分良好的发展前景。     

光伏发电系统高效逆变器的研制

太阳能作为一种取之不尽、用之不竭的环保能源，已成为人们的共识，在我国其研究被列入高科技领域。此类系统结构简单、成本低廉、特别是为边远贫困地区，解决医疗，电视差转等远离电源地方使用，带来方便。     

基于余弦相关性分析的光伏集群出力预测

光伏发电具有波动性和间歇性,分布式光伏发电的大规模并网,对电网的调度、电能质量及电网的稳定性运行造成很大影响。光伏出力预测在有效解决上述问题的同时为电网调控提供了有力的支撑。本文建立基于相关性分析的单场电站组合预测模型,利用选取典型场站、更新相关场站的相关系数和权重因子对光伏集群进行处理预测,实践证明本文模型能得到比较准确的光伏集群预测结果。