融合MLP和DBN的光伏发电预测算法

精确的光伏发电预测对提高电力系统稳定性、保证电能质量、优化电网运行具有重大意义。为了解决现存光伏预测算法精度较低、性能较差的问题,同时为了综合利用多层感知器（MLP）解决非线性问题的能力以及深度信念网络（DBN）有效处理大量复杂数据的优势,构建了一种融合MLP和DBN的光伏预测算法（MLP-DBN）,其基本思想是先利用MLP模型进行初步预测,再将观测值与预测值的残差输入DBN预测模型进行预测,最后用残差预测值对MLP模型的预测值进行修正。利用光伏发电实测数据仿真,探究了不同学习率下模型的预测性能,并对模型的各参数进行了寻找优化设置。使用均方根误差、平均绝对误差以及决定系数等性能指标评估结果表明,与传统的预测算法支持向量机（SVM）以及具有较高预测精度的深度学习算法长短期记忆网络（LSTM）相比,MLP-DBN算法性能有明显的提升,为光伏发电提供了一种高精度高性能的预测算法,可以有效解决光伏发电预测问题。     

基于优化BP神经网络光伏出力短期预测研究

太阳能拥有丰富的资源,而且分布广泛,现已被广泛应用到各种应用中,光伏发电已是一种可靠可行、可扩展的重要可再生能源利用的方式,因此对光伏出力进行精准的预测意义重大;从宁夏市某光伏发电站获得了一年的光伏发电数据与气象等因素,选取四月至五月的数据进行研究预测;针对BP神经网络的收敛时间长,容易陷入局部极小值等缺点;建立单一BP神经网络预测模型,基于遗传算法(GA)优化BP神经网络的GA-BP预测模型与基于狼群算法(WPA)优化的BP神经网络的WPA-BP预测模型;选择平均相对误差作为误差评估指标,结果表明,3种预测模型均能对光伏电站的发电功率进行预测,但是单一的BP神经网络模型误差较大,晴天时,误差为5.1%,经遗传算法改进后的预测误差为4.9%,较单一模型提高了0.2%的精度,而WPA-BP预测模型误差为4.4%,预测精度高于前者;同时多云天和雨天的时候,均为WPA-BP模型的预测误差小,稳定性高,具有一定的研究价值。     

一种多链MCMC电力系统光伏出力预测模型及其算例分析

为了提高电力系统光伏出力预测精度,论文建立了一种应用多链马尔科夫-蒙特卡洛(MCMC)算法的预测模型,并展开算例分析。研究结果表明:通过多链算法生成的序列概率密度度达到了和历史序列非常接近程度,有效反映了对历史序列实施统计的情况。在光伏电站达到较高的相关性时,采用多链算法计算出的预测序列均值和标准差比历史序列误差更小,因此能够保持明显的历史序列统计特征。利用二种算法计算得到的预测序列相关系数,采用多链算法可以得到比历史序列更优的自相关曲线,有效保留了原序列的时间相关性。由此可见利用论文算法分析多光伏电站出力时间序列是可行的。     

电纺GO/纤维素纳米复合膜的性能研究及分析

采用石墨烯(GO)含量分别为0%、1%、3%、5%、7%的GO/纤维素溶液纺制GO/纤维素复合纳米膜,探讨电纺GO/纤维素复合纳米膜的制备工艺及性能。对GO/纤维素纳米膜进行XRD、抗紫外、发热、电学等结构表征和性能测试,测试结果表明:GO的加入可明显改善纤维的导热性能和抗紫外性能,并且随着GO含量的增加,电纺GO/纤维素纳米复合膜的导热性能和抗紫外性能不断增加;但是也会给膜带来一些缺陷,如抗静电性能下降以及膜的强力降低。总体来说,GO/纤维素复合材料提高了普通纤维素膜的价值,使其具有了更广阔的应用前景。     

Ag@Ag_2S核壳结构的制备及其光热性能研究

采用牺牲模板法在室温下原位硫化类球形Ag纳米颗粒制备得到Ag@Ag_2S核壳结构。利用X射线粉末衍射(XRD)、透射电镜(TEM)和紫外-可见光谱仪(UV-Vis)等测试手段对样品进行分析表征。用实验室自组装的光热转换测试装置测试了Ag@Ag_2S核壳结构及单组份Ag、Ag2S纳米颗粒的光热转换性能。结果表明:在808nm激光的照射下,Ag@Ag_2S核壳结构具有比单组分Ag、Ag_2S纳米颗粒更优异的光热转换性能。     

一种新型光伏串联型微型变换器

针对光伏集中式大功率变换器无法追踪局部模块的最大功率,从而导致输出效率不高的问题,提出一种新的串联型微型变换器并研究其控制策略。该变换器在拓扑结构中将微型变换器的直流母线进行串联,各独立的微型变换器对光伏模块进行最大功率跟踪,从而有效提高系统的整体输出效率;通过对网侧控制算法进行改进,电压外环、电流内环分别采用准PR控制、重复控制技术,实现对电网频率推移带来的影响的有效抑制,从而提高控制精度。利用MATLAB/Simulink工具搭建串联型微型变换器和集中式变换器的仿真模型,进行相关仿真实验,其结果表明,采用改进控制算法能达到良好的控制效果,相比集中式变换器,串联型微型变换器的输出功率稳定性好、转换效率更高。     

局部阴影条件下基于MMC换流器的光伏并网

提出了局部阴影条件下基于模块化多电平(MMC)的光伏并网系统,并设计了该系统的控制策略。光伏阵列经DC-DC变换电路调节后并入电压源型换流器,构成子模块PSM,子模块PSM和电抗器串联组成MMC。控制系统包括启停控制、最大功率点控制以及并网控制。启停控制,在能量反馈阶段采用直流电压控制策略,在电容放电阶段采用三相同时放电策略;最大功率点跟踪控制采用扰动观测法。利用Matlab/Simulink对光伏并网系统进行仿真,仿真结果表明:该系统能提高太阳能利用率,降低并网输出波形的谐波含量,实现功率独立控制。     

光伏并网逆变器LCL滤波器参数优化设计

针对光伏并网逆变器LCL滤波器的大纹波电流和高频谐波损耗问题,分析了电感之和、电感比值和滤波电容值、谐振频率以及入网电流之间的关系,提出了一种LCL滤波器参数最优设计方法.分析了LCL滤波器的传递特性并建立了谐波等效模型,研究了滤波参数对谐振频率以及并网电流的影响,根据LCL滤波器的设计约束条件和光伏并网逆变器实例设计了一组最优参数,并进行了仿真研究.结果表明,提出的优化方案不仅能够有效抑制开关频率的高频纹波,还能减小电感取值和阻尼损耗.     

基于典型故障类型的分布式光伏并网对电压稳定性的影响

为了准确分析分布式光伏并网对电压稳定的影响,针对光伏阵列,给出了一种基于实时数字仿真仪(RealTime Digital Simulator,RTDS)软件平台的光伏并网建模方法.介绍了光伏发电的原理,对分布式光伏并网系统接入电网的方法进行了详细分析和研究.然后,基于光照强度和环境温度在RTDS软件平台上搭建了一个光伏发电并网模型,对光伏并网系统进行了仿真研究.仿真结果表明,不同的系统故障状态下,光伏并网对公网侧和并网侧电压稳定性的影响不同.     

基于遗传模拟退火算法的最大功率点跟踪研究

通过分析太阳能光伏发电系统的工作特征和现有的最大功率点跟踪(MPPT)方法,提出了一种基于遗传模拟退火算法的光伏发电系统MPPT方法.该算法将遗传算法和模拟退火算法相结合,通过将局部搜索过程引入遗传算法,从而使两种算法的搜索能力得到互相补充.针对某光伏发电系统的MPPT问题,通过仿真,将遗传模拟退火算法和遗传算法进行比较.仿真结果显示,遗传模拟退火算法和传统的遗传算法相比,能更快速、精确地跟踪到光伏系统的最大功率点.