基于克里格模型的光伏发电量预测

受太阳辐射强度、地理纬度、气候等因素的影响,光伏发电系统输出功率波动性较大,而现有光伏发电量预测模型精度较低。本文提出基于克里格模型的光伏发电量预测,首先建立地表辐射强度模型,并分析辐射强度与光伏发电的关系,确定克里格插值方法与约束条件,然后根据原始样本计算权重系数,最后利用预测模型对未来几天进行发电量预测。实验结果表明,相对于BP神经网络、马尔可夫链和灰色理论预测模型,克里格模型的适应性更强、准确率更高、误差更小。     

灰色-马尔可夫链统计组合模型在光伏发电功率短期预测中的应用

光伏系统输出功率具有随机性和波动性的特点,光伏系统并网以后可能引起运行和可靠性问题。提前对光伏发电功率进行准确预测有利于电力部门及时调度和保证电能质量,从而保证电网的安全运行。在分析灰色预测模型局限性的基础上,将灰色-马尔可夫链组合预测模型应用到光伏功率短期预测中,并阐述了其建模原理。通过对灰色模型拟合值的相对残差序列进行分析及建立马尔可夫链状态转移概率矩阵,得出灰色-马尔可夫链预测模型。通实际算例分析,证验了所提组合模型的准确性和简便性。     

基于灰色-马尔可夫链的短期风速及风电功率预测

风速具有较大的随机波动性,影响风电及其与之相连电网的运行稳定性,良好的风速和风电功率预测是解决风电并网问题的关键。为此,对用于风速预测的灰色模型和马尔可夫链模型进行比较分析。通过对灰色拟合值的误差转移序列进行分析及建立马尔可夫链状态转移概率矩阵,得出灰色-马尔可夫链预测模型,进而求得风速的误差预测值。并用马尔可夫链转移概率矩阵的期望值对传统马尔可夫链进行改进,得出改进型灰色-马尔可夫链模型,以此对风电功率进行直接预测,并与功率曲线模型法进行对比分析。结果表明,改进型灰色-马尔可夫链模型预测精度更高。     

BP-马尔科夫组合预测方法在光伏发电量预测中的应用

为提高光伏发电量预测的精度,提出一种以马尔科夫方法进行修正误差的BP神经网络预测模型,模型契合光伏发电功率特点,兼具BP神经模型及马尔可夫模型优点,既能利用较少数据建模,预报总体趋势,又适合于波动性较大的随机序列预报。首先介绍基本原理和算法,在此基础上阐述模型建立的具体过程,最后运用该模型对徐州协鑫光伏电站进行预测,结果表明新建模型预报精度高于BP神经网络模型,且该模型简单、计算量小,具有较好的可行性。     

基于典型气象周的GRNN光伏发电量预测模型

由于光伏发电量具有波动性,且现有的光伏发电量预测技术存在气象因素考虑不全面、特征提取不充分等问题,为提高光伏发电量预测精度,文中提出一种改进的典型气象年方法(TMY Method)生成典型气象年数据,并结合广义回归神经网络(GRNN)进行光伏发电量预测。首先,选择6种历史气象指标,利用Finkelstein-Schafer统计方法选择典型气象周,并生成典型气象年数据;然后,使用因子分析法对会影响光伏发电量的气象指标进行筛选,对筛选出的气象指标和日光伏发电量进行标准化处理后,将其作为GRNN模型的初始输入量,得到预测日的光伏发电量;最后,利用江苏省南京市的历史气象数据及日发电量数据对所设计的模型进行训练和预测。结果表明,与标准TMY Method-GRNN预测方法相比,文中所提预测方法有较好的预测性能。     

基于灰色马尔可夫模型的变压器油中溶解气体体积分数预测

准确预测变压器油中溶解故障特征气体的体积分数对发现变压器早期潜伏性故障,实现电力系统安全经济运行具有重要意义。将灰色多变量预测方法和马尔可夫链理论有机结合,提出了一种适合变压器故障特征气体体积分数预测的灰色马尔可夫组合预测模型。利用优化的背景值构造公式建立灰色多变量模型对变压器故障特征气体时间序列的宏观发展规律进行动态预测,在此基础上,建立故障特征气体时间序列的状态转移概率矩阵,以归一化的各阶自相关系数作为权重值,通过加权马尔可夫链模型修正灰色多变量模型预测值,实现变压器故障特征气体体积分数的预测,预测精度较高。实际算例分析验证了该模型的实用性和有效性。     

基于灰色神经网络组合模型的光伏短期出力预测

光伏发电系统输出功率具有不确定性特征,为了减轻其对电网的影响,有必要进行光伏出力预测。文中提出了一种基于灰色神经网络组合模型的方法对光伏出力进行预测。该方法是对传统直接预测和间接预测方法的结合,考虑了影响光伏出力的主要因素,通过统计与预测日相似天气条件下整点时刻的光伏出力,建立了各时刻出力的灰色模型,然后利用灰色模型的输出和温度数值与实测出力值建立神经网络预测模型,最终得到预测结果。文中采用实际光伏出力数据对灰色模型、神经网络模型、灰色神经网络组合模型3种预测方法进行了结果对比。算例结果表明,所提出的灰色神经网络组合预测模型能够更为精确地对光伏出力进行预测,因而具有潜在的应用价值。     

一种基于改进灰色BP神经网络组合的光伏出力预测方法

光伏发电具有典型的间歇性、波动性等特点。准确预测光伏出力对电网调度、电网规划、提升新能源发电竞争力具有重要意义。提出了一种基于改进灰色BP神经网络的多模型组合光伏出力预测方法,采用常规GM(1,1)模型、幂函数变换GM(1,1)模型、基于残差修正的GM(1,1)模型以及等维新息GM(1,1)四种模型,利用BP神经网络对光伏出力的单一灰色预测结果进行优化组合输出,并根据输出值和期望值的偏差自动调整组合权值。该方法通过将多个单一预测结果组合成样本训练BP神经网络来获得较优权系数,避免了数值求解权系数的复杂过程,能够得到更为精确的预测结果。采用湖北某地光伏系统实际出力数据对该预测方法进行了验证。计算结果表明该基于改进灰色BP神经网络组合的光伏出力预测方法能够明显提高光伏出力预测精度。     

基于灰色理论的光伏发电系统出力预测方法

本文对电动汽车充电站光伏发电系统发电能力进行分析,假定光伏发电并网逆变器可以保证光伏池板阵列始终工作在输出最大功率的工况下,建立光伏发电系统模型,利用灰色预测理论建立了光伏发电系统的发电量预测模型,对光伏发电系统的未来发电量进行预测。     

灰色马尔可夫链在高峰负荷预测中的应用

用GM（1,1）模型预测短期负荷虽具有很好的精确性,但对于波动性较大的高峰负荷,它的预测精度比较低,而马尔可夫模型可以克服负荷波动较大的局限性。在此将二者结合起来形成灰色马尔可夫模型,并对山东某地区高峰负荷进行预测。应用表明,该模型切实可行,预测结果的精确度很高。     

一种基于加权马尔科夫链修正的SVM光伏出力预测模型

构建高效的光伏出力预测模型,能减少光伏出力随机性对电力系统的冲击。考虑光伏发电的随机性和不稳定性,提出用加权的马尔科夫链修正SVM预测模型,以提高预测精度。首先建立SVM光伏出力预测模型,预测未来1天的出力曲线。然后基于均值-均方差方法对预测残差进行分级,以残差序列标准化的各阶自相关系数为权重,运用加权马尔科夫链模型,预测残差的未来状态。最后根据未来状态空间的阈值对SVM预测结果进行修正。将此模型应用到某光伏发电系统的出力预测实例中,仿真结果表明,修正后的模型预测精度更高,模型具备可行性和有效性。     

带超级电容的级联型光伏并网逆变器控制策略

针对由光伏电池板参数的分散性、遮挡不均以及光照强度波动等原因造成的发电功率损失及系统不稳定等问题,提出一种带超级电容储能的混合级联型光伏逆变器。首先,分析了该逆变器利用超级电容单元补偿光伏发电功率波动的工作原理。然后,提出了一种基于PI控制和重复控制的控制策略。该控制策略引入占空比修正模块对光伏单元实施分散的MPPT控制,以提高发电效率,并对超级电容单元进行功率控制以平滑逆变器输出功率的波动。最后,通过仿真和实验验证了该逆变器及其控制策略的可行性。     

基于Markov链和Copula理论的风光联合输出功率时间序列模拟生成方法

模拟生成风光联合输出功率时间序列对电力系统的规划、调度和控制具有重要意义。综合考虑风电和光伏输出功率日特性、天气特性及波动性，提出4种基于Markov链和Copula理论的模拟生成风光联合输出功率时间序列方法:第1种方法利用改进Markov链分别生成风电和光伏输出功率时间序列，再将二者叠加得到风光联合输出功率时间序列；第2种方法将风/光输出功率历史序列按时间对应相加作为历史数据，运用改进Markov链直接生成风光联合输出功率时间序列的方法；为了降低传统方法抽样随机性，第3种方法运用改进Markov链和Copula理论的结合来生成风光联合输出功率时间序列；为寻求更好的方法，第4种方法运用熵权法进行组合模拟来生成风光联合输出功率时间序列。工程实例表明，所提出的4种方法均正确有效，其中的组合生成法效果更好。     

一种分布式光伏选线定容的二阶锥规划方法

在满足大容量分布式电源多馈线接入并被全部吸纳的前提下,协调好各接入点位置与用户需求之间的关系对于智能电网规划是十分必要的。协同考虑分布式光伏的规划设计要求以及含分布式电源的配电网重构方法,提出一种分布式光伏选线定容的新方法。在分布式光伏总容量确定而接入馈线、各馈线接入位置及容量不确定的情况下,构建基于Distflow潮流方程约束的规划模型,并采用二阶锥松弛技术转化为可解的混合整数二阶锥规划模型,以优化得到分布式光伏接入的最优规划方案以及该接入方案下配网的最优重构结果。通过多个算例进行分析比较,验证所提方法的正确性和有效性。     

基于深度信念网络的光伏电站短期发电量预测

为了解决现有光伏电站短期发电量预测方法存在的预测模型复杂、预测误差较大、泛化能力较低的问题,提出一种基于深度信念网络的短期发电量预测方法。首先综合考虑影响光伏出力的环境因素和光伏板的运行参数以及光伏电站历史发电量数据,对深度信念网络进行训练和学习。在此基础上,采用重构误差的方法确定深度信念网络隐含层层数。最后针对某光伏电站短期发电量进行预测算例分析,验证了该预测模型能主动选择样本抽象特征、自动确定隐含层层数,对短期发电量预测精度较高。对比前馈反向传播(Back Propagation, BP)神经网络预测模型与长短期记忆网络(Long/Short Term Memory, LSTM)预测模型,结果表明所提方法运算量低、预测精度高,且增加神经网络的深度比改进神经网络神经元对预测效果更有效。     

基于VSC-HVDC并网的光伏电站启动控制及优化方法的研究

随着近年来能源危机的日益加重以及部分地区供电紧张、能源分布不合理问题,光伏电站经VSC-HVDC(voltage source converter-high voltage direct current)并网已经成为一种迫切的需求。首先研究得出并网系统的整个启动控制过程,并提出了定交流母线电压控制与定直流电压-功率斜率控制相结合的启动控制策略,缓解并网系统启动时电流电压的大幅度波动对自身和电网带来的冲击。仿真结果显示,该启动控制过程与控制策略的结合能够实现系统无冲击启动并正常进入额定工况稳定运行。随后根据光照强度随机性的特点,提出混合粒子群算法对并网系统的控制器进行优化,平抑光伏电站并网时的功率波动。仿真结果显示,该算法优于单一的粒子群算法,平抑光伏电站输出功率波动的效果更加显著。     

大规模光伏发电并网概率潮流计算及对电网的影响

随着并网光伏发电容量的规模越来越大,光伏发电固有的波动性和不可控性导致其大规模并网时会使潮流分布发生变化甚至潮流反向,对电网的安全稳定运行造成影响。建立了光伏发电系统的潮流计算模型,以IEEE14节点系统和西北某省级电网系统为研究算例,对含光伏的电力系统进行概率潮流计算,全面分析了不同光伏接入容量、不同光伏接入点及不同光伏出力相关性的情况下大规模光伏并网对系统潮流的影响。结果表明光伏接入容量越大,电压及支路潮流的波动和越限概率也越大,光伏接入点将影响系统网损及光伏极限接入容量,并发现光伏接入对系统潮流的影响具有方向性,且光伏电站出力相关性不可忽略。所得结论可为电力系统新能源规划与运行提供决策参考。     

基于非线性微分平滑方法的分布式光储直流供电系统电压稳定控制方法

针对光伏发电输出电压的间歇性、随机性问题,提出分布式光储直流供电系统的电压稳定协调控制,实现高可靠性和高品质供电。针对光伏/储能电源输出低电压、大电流,且纹波大特点,提出三相交错并联变流器拓扑,有效抑制光伏输出电压波动。光伏升压变流器设计改进的极值搜索法,实现光伏系统最大功率点跟踪,改善传统算法动态性能。针对光伏输出电压波动问题,储能双向变流器采用电压-电流双环控制策略,采用非线性微分平滑控制方法设计外环电压环,实现系统直流母线电压稳定控制的同时,确保存在负载突变或控制参数摄动的情况下,系统依然能够快速跟踪直流母线电压期望值。结合内环电流环的线性PI控制,实现分布式光储直流供电系统功率平稳,供电可靠。基于Matlab/Simulink的仿真结果表明,所提出的非线性微分平滑控制方法具有结构简单、稳态误差小、系统稳定性好等特点。     

微电网光伏发电的Adaboost天气聚类超短期预测方法

微电网光伏发电预测精度与天气状态呈高度相关性,非晴空条件下气象因素的随机波动使得超短期预测精度较低。对此,文中提出一种改进Adaboost天气聚类和马尔可夫链的组合预测方法。首先采用滑动平均法提取辐照度特征变量,设计并训练Adaboost改进的K近邻(KNN)分类器,实现历史样本的分类;为进一步提高多云和阴雨天的预测精度,引入天气类型衰减系数对Hottel太阳辐射模型进行校正,形成完整描述各天气类型的辐照度基准模型;建立多阶加权马尔可夫链模型输出辐照度预测值;最后由光电转换模型实现间隔5 min的微电网光伏超短期预测。仿真结果表明,所述预测方法提高了各天气类型下的预测精度,对提高微电网经济调度水平具有重要意义。     

考虑参与碳交易市场的大规模屋顶光伏经济性分析

屋顶光伏迎来大规模发展，同时随着我国碳交易市场的不断完善，大规模屋顶光伏发电所产生的碳指标可通过企业履约或者参与到碳交易市场中进行交易，从而获得除电费以外的收益。针对大规模屋顶光伏项目如何参与到碳交易市场以及进行碳交易对项目经济性的影响程度问题，文中首先研究了屋顶光伏项目参与碳交易市场的路径和方法；其次基于发电模型，建立了含碳交易收益的屋顶光伏全寿命周期经济性模型；然后为了定量分析碳交易收益，提出一种基于差分阈值滤波法的改进灰色预测GM（1,1）模型对未来碳价进行预测；最后，通过算例验证了参与碳交易市场的大规模屋顶光伏项目具有较好的经济性。