共查询到18条相似文献,搜索用时 78 毫秒
1.
光伏出力预测误差难以避免且不容忽视,预测误差分布的准确描述有利于电力系统的优化调度和稳定运行。基于此,分析预测误差分布与其影响因素之间的相关性,提出一种基于数值特性聚类的日前光伏出力预测误差概率模型。利用模糊C均值聚类法对预测误差的整体水平进行分类,再依据预测出力的数值特性进行分区处理,并建立了适用于估计误差分布的通用型高斯混合模型。该分析方法综合考虑了气象因素和预测出力数值特性对预测误差的影响,可以较为准确地估计不同时刻的预测误差,给出预测误差分布的置信区间,且不受预测算法和光伏电站地理信息的限制。基于比利时和中国西北地区光伏系统历史数据的分析结果表明,所提误差模型可描述光伏出力预测误差分布偏态性和峰度多样性,效果优于其他分布模型,能够用于描述不同情况下的日前光伏出力预测误差分布。 相似文献
2.
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。 相似文献
3.
准确的光伏功率预测是保证新能源电力系统安全稳定运行的重要手段,根据光伏系统出力特点,提出一种基于集成聚类及改进马尔科夫链模型的组合预测方法。首先,通过集成聚类划分表征周期性的趋势序列与表征随机性的随机序列。其次,利用一阶差分处理改进的马尔科夫链模型预测趋势序列,随机序列由差分整合移动平均自回归模型预测。最后,通过对吉林省及青海省光伏电站历史运行数据建模,结果表明基于集成聚类及改进马尔科夫链的方法相较于传统马尔科夫链模型准确率平均提高了7.76%,验证了所提出的模型在不同出力类型、不同地理位置的情况下都具有适用性。 相似文献
4.
5.
6.
为了应对大规模光伏并网给电网调度带来的挑战,提出了一种模糊C均值样本加权卷积神经网络(fuzzy c-meansweighted samples-convolutional neural network, FCM-WS-CNN)模型对日前分钟级光伏出力进行预测。首先采用距离相关系数和主成分分析法在原始气象数据中提取综合气象因子,再利用综合气象因子和历史功率数据的5个统计指标作为聚类特征,使用模糊C均值聚类将历史数据分为不同天气类型,基于隶属度矩阵对训练样本进行加权。最后利用加权后的训练数据构造FCM-WS-CNN模型。在实验分析中将上述方法与CNN模型和FCM-CNN模型相比较,结果表明所提出的方法具有更高的精度和鲁棒性,验证了所提模型的有效性。 相似文献
7.
高精度的风速模型对风资源的开发与利用具有重要意义。提出一种基于完全集合经验模态分解-样本熵-马尔可夫模型(CEEMD-SE-MM)的中长期风速模拟方法。利用CEEMD法对风速序列进行特征提取,将风速序列分解成一组固有模态函数和残差;以SE为特征归类固有模态函数合成新模态分量;基于MM对新模态分量片段进行谱聚类;拟合波动片段时长并整合聚类结果得到双层多轨风速模型;在考虑各新模态分量之间相关性的前提下采用双层抽样完成风速模拟。与马尔可夫链蒙特卡洛和改进马尔可夫链蒙特卡洛的结果对比表明,所提风速模型及模拟方法较好地保持了原始风速序列的时序特性和概率特性,且具有更高的精度。 相似文献
8.
为反映风电场出力变化特征,提出了一种基于分层聚类算法的地区风电出力典型场景选取方法。首先采用分层聚类算法对风电出力样本进行聚类分析,得到反映样本亲疏关系的聚类树状图。随后考虑风电出力典型场景的选取质量,采用类间样本离差平方和来描述类间样本的差异性,以此作为聚类数的判定依据,从而实现样本的有效划分。最后,以某地区实际风电出力数据为例,验证了所提方法的合理性,并面向调峰、无功配置等需求选取了风电出力典型日场景。 相似文献
9.
为了保证电网运行的安全可靠,对光伏发电出力进行准确描述至关重要.提出布谷鸟算法优化的灰狼算法对传统k-means聚类算法进行改进,并将其应用于光伏发电出力场景分析.仿真结果表明,利用改进k-means算法缩减后得到典型场景的累积分布曲线与初始场景的累积分布曲线走势相同,且两者之间的差距很小,差异度接近0.因此典型场景不... 相似文献
10.
为提高光伏发电设备故障诊断效率,保证光伏发电厂的运行可靠性,本文引进聚类算法, 设计一种针对光伏发电设备的故障诊断方法。根据实际需求,设定光伏发电设备在运行中的故障状态属于空间状态,选择具有特征性的参数,用于描述设备的运行工况与运行状态,以此实现对光伏发电设备故障特征与训练样本的选择;对所有故障信息进行离散,根据离散点在空间中的分布,引进聚类算法,对光伏发电设备故障训练样本与特征集合进行归一化处理;对聚类中心进行降维处理,得到一个更加优化的故障信息聚类中心,将构建的故障矩阵信息导入作为测试数据集合,将数据集合导入三维卷积网络中进行数据测试,以此构建光伏发电设备故障诊断模型;对构建的模型进行仿真训练,确保诊断的结果与故障真实结果匹配。通过对比实验证明,设计的设备故障诊断方法可以在更短的时间内完成对故障的诊断。 相似文献
11.
12.
13.
14.
在大规模风光并网时,采用具有相关性的风光时序数据进行系统可靠性评估能够更好模拟系统的运行状态,有利于提高可靠性评估的准确性和实用性。基于混合Copula函数和马尔科夫过程相关理论,建立了一种用于可靠性评估的计及相关性的风光时序出力模型。首先,通过区分光伏出力序列中的规律性与随机性特征,提取出光伏出力的随机分量;然后将风光时序相关性模型分解为风电出力时序模型、光伏出力时序模型以及风光出力的时序相依模型3部分。最后,通过比利时瓦垄地区的实测数据对上述模型进行了验证。 相似文献
15.
基于马尔可夫链的光伏发电系统输出功率短期预测方法 总被引:10,自引:2,他引:10
提出了一种直接预测光伏电站出力的方法。该方法基于马尔科夫链,通过统计光伏电站历史功率数据建模,直接预测光伏电站出力。理论推导证明了该数学模型的可行性。以教育部光伏中心的光伏电站为例进行建模预测,证明了该方法的有效性,并通过调整模型参数获得了更加精确的结果。 相似文献
16.
17.