基于典型天气类型计及随机预测误差的光伏发电短期预测研究

光伏发电出力与天气类型有直接关系,越是多云或是阴雨天气,光伏出力预测的误差越大。基于典型天气类型的划分,提出了一种计及预测相对误差的考虑“相关影响因子”的光伏出力预测模型。定义了典型天气类型并据此对历史数据进行了划分,提出了光伏出力预测的“相关影响因子”;利用t Location-Scale分布建立了光伏出力预测的相对误差概率模型,采用拉丁超立方技术进行了预测相对误差的样本抽取;将光伏预测的相对误差其与预测值进行叠加得到了最终的预测结果。利用算例证明了所建模型的可行性和有效性。     

基于模糊神经网络的故障类型识别

提出了基于模糊神经网络的双端电源输电线路故障类型识别的方法,用ATP提取输电线路故障后一周后继电保护安装点的三相电压电流以及反映接地故障的零序电流基频分量及其相应的相角,并采用T-S模型与改进BP算法结合的模糊神经网络,实现故障类型识别。该方法不受故障位置、故障电阻及对两端电源初始相角差、系统运行方式等不确定的因素影响,仿真结果表明该类型识别方法可靠、正确。     

基于模糊神经网络的故障类型识别

提出了基于模糊神经网络的双端电源输电线路故障类型识别的方法,用ATP提取输电线路故障后一周后继电保护安装点的三相电压电流以及反映接地故障的零序电流基频分量及其相应的相角,并采用T-S模型与改进BP算法结合的模糊神经网络,实现故障类型识别.该方法不受故障位置、故障电阻及对两端电源初始相角差、系统运行方式等不确定的因素影响,仿真结果表明该类型识别方法可靠、正确.     

基于组合神经网络的输电线故障类型识别

准确的输电线路故障类型识别是实现故障测距的前提,文中在高压输电线路故障分析的基础上,构建了由Kohonen自组织特征映射神经网络模型和BP网络模型组合而成的类型识别网络模型,来实现输电线路的故障检测及故障类型识别。经理论分析和大量的EMTP仿真表明：此网络模型较单一网络模型,所需训练样本少,学习时间短,并且在各种故障模式下,均能可靠、准确实现输电线路故障类型的识别,不受故障过渡电阻、故障初始角、系统运行方式、故障点位置等因素的影响。     

基于组合神经网络的输电线故障类型识别

准确的输电线路故障类型识别是实现故障测距的前提 ,文中在高压输电线路故障分析的基础上 ,构建了由Kohonen自组织特征映射神经网络模型和BP网络模型组合而成的类型识别网络模型 ,来实现输电线路的故障检测及故障类型识别。经理论分析和大量的EMTP仿真表明 :此网络模型较单一网络模型 ,所需训练样本少 ,学习时间短 ,并且在各种故障模式下 ,均能可靠、准确实现输电线路故障类型的识别 ,不受故障过渡电阻、故障初始角、系统运行方式、故障点位置等因素的影响     

基于小波神经网络的配电网故障类型识别

为准确可靠地识别配电网故障类型,应用小波变换技术对故障信号进行预处理,滤除其中大量的谐波和非周期分量,准确地提取工频信息构成神经网络的训练样本集,通过构建小波神经网络实现配电网故障类型的识别。仿真测试表明,此网络模型收敛速度快,并能在各种故障模式下准确实现故障类型的识别,不受故障过渡电阻、系统运行方式以及故障点位置等随机因素的影响。     

基于天气雷达数据的强对流天气下输电线风偏放电预警方法

夏季多发的强对流天气引起的高频次、大范围的输电线路风偏放电事故是电网"迎峰度夏"面临的主要威胁之一。天气雷达是预测强对流天气的有效工具,在气象与电力行业的融合日益紧密的背景下,提出了一种基于天气雷达数据的强对流天气下输电线路风偏放电预警方法。基于天气雷达对强对流的监测数据,采用两层支持向量机构建了强对流大风预测模型,实现对强对流大风风力的三级预测;根据绝缘子串发生风偏时的几何模型,推导了风偏临界风速与输电线路自身参数的关系;结合风力预测结果和输电线路的风偏临界风速,计算风偏放电概率并发布相应等级的预警。通过算例验证了所提方法的可行性和准确性。     

利用总辐射估算日照时数的方法研究

介绍了一种由总辐射估算日照时数的方法,利用云南丽江太阳能资源观测站总辐射表和直接辐射表观测的总辐射和直接辐射资料,以总辐射和地球外总辐射求得晴朗指数,以直接辐射大于120 W/m~2的时间累积作为日照时数参考标准值,分析晴朗指数和日照时数之间的关系,采用分段拟合的方法,得到由总辐射估算日照时数的分段函数关系。通过丽江观测数据验证,由总辐射计算得到的日照时数与直接辐射表观测的日照时数之间的线性相关系数达到0.992 3,具有良好的相关性,两者之间月累计误差0.07 h,月内每日误差的均方根误差为0.5 h,能够较好地由太阳总辐射估算出日照时数。     

考虑天气类型和相似日的IWPA-LSSVM光伏发电功率预测

为了提高光伏发电功率预测精度,根据不同天气类型下光伏输出功率特点,确定光伏发电功率预测模型的输入量。针对狼群算法（wolf pack algorithm,WPA）缺陷,对狼群游走位置和奔袭步长进行改进,得到改进狼群算法（improved wolf pack algorithm,IWPA）,并通过IWPA对最小二乘支持向量机（least squares support vector machine,lSSVM）进行优化,建立了考虑天气类型和相似日的IWPA-LSSVM光伏发电功率预测模型。采用不同天气类型下的光伏发电功率数据进行仿真,结果表明：无论是晴天、多云还是阴雨天气,所提方法预测精度更高,回归拟合时的误差波动更小。     

考虑云量和气溶胶不确定性的太阳辐射值预测

太阳辐射是对光伏出力影响最大的因素,目前的预测方法不能充分考虑各个影响因素的不确定性。为了更加有效地预测光伏出力,本文提出了基于不确定理论和无云天气REST模型的太阳辐射值预测模型。该模型利用不确定理论分析了云遮系数和气溶胶光学厚度(Aerosol Optical Depth,AOD)所具有的随机性和模糊性,用随机模糊模拟算法对两个参数进行随机模糊化处理,得到不同云量下的云遮系数期望值和不同空气质量等级下的AOD期望值,根据数值天气预报对云量和空气质量等级的预报值来选取相应的期望值,利用云遮系数模型得到太阳辐射的预测值。以美国BMS光伏电站的数据作为算例,验证了模型的有效性。预测结果表明,综合考虑云量和气溶胶光学厚度不确定性的模型与只考虑云量的模型相比,前者的预测结果较好,适用于不同云量、不同空气质量等级的天气。     

空间用新型太阳电池抗辐照特性

为了满足航天器电源系统对太阳电池的不同要求,研制多种性能和多种结构的新型太阳电池是十分必要的。研制了砷化镓(GaAs)太阳电池、薄型BSFR硅太阳电池、绒面薄型BSFR硅太阳电池等新型空间用太阳电池,并将这些太阳电池与常规BSFR硅太阳电池和BSR硅太阳电池的电性能和抗辐照性能进行了比较,砷化镓太阳电池有着最高的性能和最好的抗辐照性能,单晶硅太阳电池的电性能和抗辐照性能由电池的厚度,表面形貌及基体材料的电阻率决定。展望了这些太阳电池的空间应用前景。     

基于拟合剔除的优化小波神经网络太阳辐射量预测

准确预测太阳辐射量,对太阳能相关产业具有重要意义,针对太阳辐射的波动性和间歇性,提出一种基于曲线拟合和拉依达准则的数据处理和优化的小波神经网络的太阳辐射量的预测方法。通过历史太阳辐射数据和气象数据对太阳辐射量进行直接预测。对测量值求拟合曲线,利用拉依达准则对数据的拟合值和测量值的偏差做粗大误差的判断,修正后的数据作为小波神经网络的输入,避免输入极端数据造成预测信息畸形的问题。增加测试数据对小波神经网络做隐含层节点数寻优的计算,克服小波神经网络无法确定隐含层节点数的缺点。通过建立不同预测模型进行对比,验证了所提算法和模型的正确性。     

基于非参数核密度估计与数值天气预报的风速预测修正方法

提出一种风速预测偏差修正方法。建立基于非参数核密度估计的风速修正模型,利用预测点之前一段时间内风速的初始预测误差来估计预测时刻的预测误差,从而对初始风速预测结果进行修正;结合数值天气预报法建立风速相位误差修正模型,有效减小风速预测的相位误差,在一定程度上防止风速突变拐点处"误修正"的出现。某地区实际风速数据的预测仿真结果表明,所提方法可有效降低初始风速预测偏差。     

分布函数差异化导向的风电功率预测误差气象条件概率建模方法

从统计学角度分析条件概率分布的差异性对于随机决策问题的重要性,并提出一种分布函数差异化导向的风电功率预测误差气象条件概率建模方法。以预测误差概率分布总体差异程度最大化为目标,利用改进的K-means算法进行气象数据聚类,并基于聚类结果对风电功率预测误差数据进行分箱;采用通用分布拟合不同气象模式的误差概率密度,得到解析化的风电功率预测误差气象条件概率分布。利用支持向量机实现气象模式识别,从而基于数值天气预报为调度计算提供相应气象模式下的误差条件概率模型。以中国华北地区某风电场历史数据为例,验证了所提方法的有效性,且相较于不考虑气象的简单统计频次模型,所提模型可使系统的风电消纳水平得到有效提升。     

基于表面粗糙度聚类的机载雷达点云数据地物分类方法研究

在机载激光雷达的发展与应用下,获取地物的空间分布情况变得更加快速便捷.为了实现面向机载激光雷达点云数据的地物分类,首先利用高程直方图去除原始点云的离群点;其次利用VoxelGrid滤波器采样,在确保形状的前提下,大量降低点云数量;然后改进K-means聚类方法,结合三维点云数据携带的高程信息对原始聚类中心和K值进行确定...     

Analysis of spatial smoothing effect of short‐term fluctuation of global solar radiation based on data including quantization error

Photovoltaic (PV) systems are attracting attention as one of the promising countermeasures against global warming and the environmental issues. However, the generation output from PV systems is generally unstable and unpredictable. Therefore, large penetration of PV systems may cause some serious impacts on power system operation, such as load frequency control, voltage regulation, etc. Estimation of the influences of PV system installation is becoming important, but it requires simultaneous multipoint solar radiation measurements. The Japan Meteorological Business Support Center has provided 1‐minute meteorological data observed in Japan, but its solar radiation data includes quantization errors. This paper proposes a regeneration method for solar radiation data including quantization errors. It also analyzes the spatial smoothing effect of global solar radiation fluctuations. © 2012 Wiley Periodicals, Inc. Electr Eng Jpn, 180(3): 55–63, 2012; Published online in Wiley Online Library ( wileyonlinelibrary.com ). DOI 10.1002/eej.21274     

基于电机群分类聚合的配电台区功率调节特性及主动调压方法研究

随着新能源渗透率的不断提高,配电网主动调压成为维持系统稳定的重要手段。为研究当今负荷多样化配电台区的主动调压方法,首先研究了电机负载类型、负载率存在差异时的电压-功率调节特性,揭示了电机功率受带载情况影响的原因。提出了一种基于负载类型与负载率的台区电机分类方法,并建立了台区电机群分类聚合模型,能够有效降低模型复杂度。其次采用分类聚合模型研究了配电台区整体电压-功率调节特性,计及了静态、动态和电力电子等不同负荷类型及占比的多因素影响,并以实际农、商两典型行业为特例进行仿真分析。最后提出了配电台区主动调压方法。针对系统无功充足或无功不足两种情形以及台区主要负荷类型,调节电压使消耗有功或无功达到最小,实现系统经济运行。