基于AOD估计的晴空太阳辐射强度滚动预测

针对工程实际中大气气溶胶光学厚度(AOD)参数难以实时获取的问题,首先基于地面空气质量监测站点的PM浓度数据以及气温、空气相对湿度等气象数据,采用BP神经网络方法建立AOD估计模型;然后选取AOD与可降水量为主要变化参数,对多波段大气辐射传输计算模型REST2进行简化;最后基于实时发布的PM浓度信息以及精细天气预报信息,利用简化的REST2模型对晴空太阳辐射强度进行滚动预测。实验结果表明,所提出的晴空太阳辐射强度滚动预测方法具有较高精度,且易于工程实现。     

基于大数据的火力发电远程监督诊断的研究与应用

大型火电机组具有系统规模大,运行参数波动范围广的特点,且其数据呈现高度的非线性,而大数据技术的发展给火力发电的发展带来了新的契机。本文在国内外故障诊断研究的基础上,针对上述火电机组的运行特性,对火电机组故障诊断的评判标准和其诊断流程简要介绍,并在此基础上提出了一种基于大数据挖掘技术的远程监督诊断平台。基于大数据的火电机组远程诊断不仅是发挥智能化的重要举措,也是推动电力行业发展的一种手段,对于火电厂的技术改革具有推动作用。     

计及雾霾影响因素的光伏发电超短期功率预测

近年来频繁出现的雾霾天气,对光伏发电的输出功率造成了显著影响。首先,针对太阳辐射削弱情景,采用机器学习方法对大气气溶胶光学厚度进行估计,进而利用经云遮系数修正的晴空太阳辐射模型计算光伏电池面板接收的辐射强度;其次,针对光伏电池面板积灰情景,开展功率测量实验,构造颗粒物累积浓度——功率衰减率样本集,从而通过相似日筛选估计不同积灰状态下的功率输出衰减率;最终,结合光电转换模型,基于地面颗粒物浓度预测以及精细天气预报信息,提出一种光伏发电超短期功率预测方法。实验结果表明,所提出的预测方法具有较高的精度,且易于工程实现。