光伏发电系统功率预测研究方法综述

随着光伏发电大量并入电网中,为了合理制订发电计划,保证电力系统稳定运行,需要对光伏发电输出功率进行预测。主要就光伏发电系统功率预测研究方法进行了综合阐述,介绍了影响光伏发电系统功率输出的主要因素,概括了光伏发电系统功率预测中常用的人工神经网络算法、支持向量机算法等统计方法,最后给出功率预测结果评估的指标。     

一种考虑季节特性的光伏电站多模型功率预测方法

随着并网光伏发电容量的持续增加及多能源发电协同利用的需要,光伏发电功率的高精度预测对于提高规模化光伏发电的优化调度和安全运行日益重要。为了解决单一预测模型精度低的问题,提出了一种基于季节气象特征划分的光伏发电多模型预测方法。通过不同季节下光伏发电系统的电气特性和出力特性分析,说明了按照季节来划分功率预测多模型的必要性。以某光伏电站为例,利用BP神经网络建立不同季节的光伏发电预测模型,通过遗传算法优化了季节模型参数。利用实测数据对2种功率预测方法进行了比较,结果表明,该方法能有效提高光伏电站的功率预测精度。     

基于深度学习的超短期光伏精细化预测模型研究

光伏发电系统的超短期功率预测对电网调度的计划安排及光伏发电系统的优化运行具有重要意义。机器学习、人工智能领域的技术进步为精细化分析光伏功率预测影响因素并提高光伏预测精度提供了有效途径。提出一种基于深度结构网络模型的光伏超短期功率预测方法,首先根据光伏发电系统的机理特征,分析深度学习算法处理光伏预测问题的可行性;然后提出基于深度学习算法的光伏功率预测模型,采用基于受限玻尔兹曼机的深度置信网络提取深层特征完成无监督学习过程,采用有监督BP神经网络作为常规拟合层获得预测结果;并立足于实际需求,建立含离线训练和在线预测的双阶段光伏发电预测系统,分析天气信息及历史信息的输入属性;最后利用光伏发电系统的实际运行数据进行仿真,验证算法准确性和有效性,通过比较深度结构是否包含无监督学习过程,说明其在预测中的重要性。     

分布式光伏变负荷工况发电功率预测系统设计

对分布式光伏系统变负荷工况发电功率进行准确预测,能避免输出失稳。提出一种基于线空间重构和谱特征提取的分布式光伏系统变负荷工况发电功率预测方法,并结合DSP数字处理器进行预测系统设计。构建光伏系统变负荷工况发电功率的输出时间序列模型,用嵌入式的相空间重构技术进行光伏发电阵变负荷工况发电功率输出负载的异常特征提取,用变负荷工况判断方法进行功率瞬时特征检测,在相空间中提取发电功率时间序列的非线性特征,实现对发电功率时间序列的准确预测。在DSP开发环境下进行发电功率预测系统的优化设计。结果表明,采用该预测系统能有效实现分布式光伏系统变负荷工况发电功率预测,预测精度较高,过程收敛性较好。     

基于多元线性回归模型的并网光伏发电系统发电量预测研究

为了较为准确地对并网光伏发电系统的发电量做出预测,提高光伏并网后电网的安全性及稳定性。本文对硅太阳电池单一组件发电功率进行了理论计算,建立了一种以辐射量及组件温度为变量的多元线性回归光伏发电功率及发电量预测模型。设计了系统测试方案,采集了光伏系统在晴天I、多云II、阴转多云或晴转多云III 3类天气下的运行数据,依据预测模型求解出3种不同天气类型下的预测回归方程,并把预测模型用于2kW并网光伏系统。预测结果表明,该预测方法简单、预测精度高,能解决系统的随机性问题,提高系统的稳定运行能力。     

基于改进型比例谐振控制器的光伏发电系统最大输出功率预测方法

常规的光伏发电系统输出功率预测方法主要是对海量的发电数据进行提取,仅能够保证短期负荷的预测精 度,影响最终的预测效果,因此设计了基于改进型比例谐振控制器的光伏发电系统最大输出功率预测方法.提取光伏 发电系统最大输出功率映射特征,建立不同工况与输出功率的映射关系,确保输出功率的长期预测.基于改进型比例 谐振控制器构建稳态功率预测模型,调节光伏发电系统的输出电流与输出电压,确保最大输出功率的稳态预测.采用 对比实验的方式,验证了该预测方法的预测精准度更高,能够应用于实际生活中.     

基于相似日和WNN的光伏发电功率超短期预测模型

光伏发电功率预测对提高并网后电网的稳定性及安全性具有重要意义。文章提出一种基于相似日和小波神经网络(WNN)的光伏功率超短期预测方法。首先利用光伏发电系统的历史气象信息建立气象特征向量,通过计算灰色关联度寻找到合适的相似历史日。再根据自相关性分析法找出与预测时刻功率相关性最大的几个历史时刻功率,结合历史时刻的温度,辐照度,风速等光伏出力的主要天气影响因素科学合理的确定模型输入因子。最后使用小波神经网络(WNN)创建预测模型,通过相似历史日数据作为训练样本训练小波网络,而后对预测日的出力情况进行逐时刻预测。实例分析表明,该方法具有较高的预测精度,为解决光伏发电系统超短期功率预测提供了一种可行路径。     

光/储混合系统中的储能控制技术研究

在含有高渗透率光伏发电的配电网中,安装储能系统可以减小光伏功率波动对电网的冲击。为了实现储能对光伏发电功率的平滑作用,提出一种基于低通滤波与短时功率预测技术的储能控制方法,大幅度消除了传统低通滤波方法造成的延时,同时可降低光伏功率预测误差对控制效果的影响,提高了平滑效果,节省了储能安装容量。仿真结果显示该策略能有效降低光伏发电功率的波动性,降低电池过充或过放现象的发生概率。     

风力和光伏发电短期功率预测研究进展与展望

风能和太阳能发电具有较强的波动性和间歇性,其输出功率随机变化会对供电质量和电力系统安全稳定运行带来诸多不利影响,进行风力、光伏短期功率预测具有重要意义。针对此,对风力和光伏发电短期功率预测方法和研究进展进行评述,并对提高光伏发电预测精度的不确定性理论进行了探讨,最后指出今后风力、光伏发电短期功率预测的研究方向及发展趋势。     

大规模分布式光伏短期集群功率预测综述

中国目前的光伏发电系统尚以集中式光伏为主,但是很多太阳能资源丰富地区对电力的消纳能力较差,因此分布式光伏日益受到重视。分布式光伏的波动性和随机性导致对其进行功率预测变得十分必要,然而,分布式光伏发电存在的历史数据收集困难、实时监测数据缺乏等问题对功率预测造成了极大的困难。近年来出现了一些将集群功率预测方法应用于风电场群功率预测的研究。因为集群功率预测方法更加关注集群内各区域的功率预测而不是单个电场或电站的功率预测,所以这种方法能够在很大程度上解决分布式光伏发电功率预测的难题。文章概述了目前已有的分布式功率预测方法和集群功率预测方法,分析了这两个方面已有的研究,并指出集群功率预测方法在分布式光伏发电功率预测上的应用前景。     

光伏发电功率预测预报系统升级方案设计及关键技术实现

“光伏发电功率预测预报系统V2.0”开发完成于2012年初,由于国家能源行业标准《光伏发电功率预测系统功能规范》（2014）即将颁布,完善系统功能,提高系统适用性,对系统升级尤其必要。从系统框架完善、预报方法改进、网络技术应用以及功能模块优化等4个方面对“光伏发电功率预测预报系统V2.0”进行了升级。升级内容主要包括：新增集合预报法以实现多种预报方法的集成优化,新增B/S架构方式并通过Silverlight 4.0技术实现预报产品的网络发布,新增电站地理信息地图显示从而增强系统的展示性,加强入库数据的规范化管理及对系统进行发电单元划分。升级后的系统已推广应用于全国多家光伏电站,将有助于电网对光伏发电的合理有效调度及光伏电站发电效率的提高。     

基于相似日误差校正的光伏功率预测

光伏发电的功率预测是电网运行调度普遍关注的问题。光伏电站大量历史数据的挖掘和利用为波动的光伏功率建模提供了新方向。在采用气象相似日进行光伏发电功率预测的基础上,引入了相似日的光伏发电功率预测误差对预测日的光伏功率进行校正,更进一步提高了光伏发电功率预测的准确性。     

基于BP神经网络的光伏发电功率预测研究

随着光伏并网容量的增加,光伏发电功率的波动对电网调度运行的影响不容忽视,电网对光伏发电功率预测精度提出了更高要求。在分析了光伏发电功率波动影响因素的基础上,基于BP神经网络建立光伏发电功率预测模型。通过大唐吐鲁番光伏发电实测数据验证该方法,预测结果 RMSE为3.544,表明该方法可以准确预测光伏发电功率。     

基于反馈型神经网络的光伏系统发电功率预测

分析了光伏系统的发电特性以及影响光伏发电的因素,建立了反馈型神经网络光伏系统发电功率预测模型。该模型采用Elman神经网络结构,利用其强大计算能力、映射能力和稳定性,将光伏发电的历史数据和天气情况一同作为样本,对模型进行训练和发电功率预测。仿真结果表明,该方法建立的预测模型具有较高的精度,为解决光伏系统发电功率预测提供了一种可行路径。     

基于反馈型神经网络的光伏系统发电功率预测

分析了光伏系统的发电特性以及影响光伏发电的因素,建立了反馈型神经网络光伏系统发电功率预测模型.该模型采用Elman神经网络结构,利用其强大计算能力、映射能力和稳定性,将光伏发电的历史数据和天气情况一同作为样本,对模型进行训练和发电功率预测.仿真结果表明,该方法建立的预测模型具有较高的精度,为解决光伏系统发电功率预测提供了一种可行路径.     

一种实用的超短期光伏发电预测方法

为了实现光伏发电系统发电量的在线快速预测,提高光伏并网后电网的稳定性及安全性,本文提出了一种基于相似日典型变化趋势的超短期光伏发电预测方法。通过选择相似日,获得光伏发电功率的典型变化趋势,结合线性外推方法,得到超短期发电预测数据。最后,通过实际的算法案例进行验证,表明本文所用方法具有一定的推广价值。     

电网接入光伏发电功率的实时调度与预测研究

光伏发电并网的容量具有随机性,其供电功率振荡会严重威胁电网安全稳定运行。提出基于实时调度的电网接入光伏发电功率预测方法。根据辐射量对电网接入光伏发电功率的关系曲线、电网接入光伏输出功率和温度的曲线、电网接入光伏发电功率和湿度之间的关系曲线,分析了电网接入光伏发电功率的影响因素;为避免光伏发电功率差异性较大带来预测结果不准确的问题,对电网接入光伏发电功率数据完成归一化处理;结合发电功率日特征相似度的计算结果,计算了权重欧式距离,获取具有最大影响力的功率数据,完成电网接入光伏发电功率的预测。实验结果表明,应用研究方法时,电网接入光伏发电功率的预测偏差始终低于0.05,获取的电网接入光伏发电功率预测结果始终分布在根据实际情况设定的阈值区间内。     

基于数字孪生的光伏发电功率超短期预测

光伏发电功率超短期预测对减小光伏并网对电网冲击及维持电网安全运行具有重要意义。提出一种基于数字孪生的光伏发电功率超短期预测机制,通过构建数字孪生体进行实时、高精度的光伏功率预测。首先根据GA-BP神经网络(geneticalgorithm-backpropagationneuralnetwork)构建光伏发电功率预测虚拟模型,并通过多维度的传感器采集光伏电池以及周围环境的各项孪生数据,同时更新历史数据库。然后以采集到的孪生数据为基础进行功率预测并得到初步预测结果。最后通过相似气象搜索,得到相似情况下的实际功率值和当时的预测功率,进而修正初步预测结果,得到最终预测功率。仿真算例结果表明,所提方法能有效提高光伏发电输出功率超短期预测精度。     

光伏发电功率预测及储能系统参与的源-荷平衡分析

为统筹协调光伏发电功率消纳,在光伏电站引入储能系统,结合光伏功率预测,平抑光伏发电功率波动,降低对电网的冲击,进一步提高电网系统稳定性.在光伏发电功率预测中,充分考虑光伏设备离线等突发因素对功率输出的影响,对储能系统接入位置进行比较分析,选择在光伏发电系统并网点前的直流侧接入,相对减少损耗,提高效率.分析结果表明,该方...     

基于多层感知器的分布式光伏发电系统发电量预估

针对光伏发电有着间隔性、不确定性以及波动性等问题,研究了一种基于多层感知器的光伏发电预测系统来提高光伏发电的稳定性和连接性。首次将多层感知器引入光伏发电量预测领域,大幅提高了光伏功率预测效果。在多层感知器模块内加入批归一化层,采用远程监控系统、二次控制回路、云图装置、定位装置、测控装置、计量装置以及一些综合自动化技术提高发电量预测的准确率。最终通过对各目标参数的考量,实现对分布式光伏发电系统发电量的实时预测,减少对居民用电的影响。试验结果表明,对光伏功率的预测精准度在九成以上,为下一步技术研究提供思路。