隨著環(huán)境問題的日益凸顯和能源需求的不斷增長,發(fā)展以風(fēng)電、光伏為典型代表的新能源已成為世界各國的共識。其中,作為太陽能開發(fā)利用的重要方式,光伏發(fā)電具有應(yīng)用形式多樣、容量規(guī)模靈活、維護便捷等優(yōu)點,應(yīng)用前景廣闊。但由于光伏發(fā)電與多種氣象因素密切相關(guān),受其制約,具有明顯的周期性和非平穩(wěn)特性,大規(guī)模接入電網(wǎng)導(dǎo)致發(fā)用電平衡難度加大,電力系統(tǒng)運行不確定性顯著增加。因此,為了應(yīng)對這一挑戰(zhàn),世界各國開展了光伏功率預(yù)測技術(shù)的研究。本文在考慮光伏發(fā)電功率自身特性的基礎(chǔ)上,實現(xiàn)了對光伏發(fā)電異常數(shù)據(jù)的有效識別,構(gòu)建了光伏發(fā)電功率短期點預(yù)測模型,最后通過對短期點預(yù)測結(jié)果進行誤差分析,提出了一種基于參數(shù)估計的光伏發(fā)電功率短期概率區(qū)間預(yù)測模型。首先,針對光伏發(fā)電功率具有周期性和非平穩(wěn)特性,采用周期圖法實現(xiàn)了對光伏功率序列周期分量和隨機分量的提取,并利用因子分析法和皮爾森相關(guān)系數(shù)對影響光伏發(fā)電功率的多種氣象因素進行篩選,并依據(jù)所得到的氣象因素,提出了一種相似日選擇算法,相似日數(shù)據(jù)可以形成后續(xù)模型的訓(xùn)練樣本集,作為后續(xù)研究的基礎(chǔ)。其次,準(zhǔn)確可靠的光伏數(shù)據(jù)是進行大部分光伏研究的基礎(chǔ),但由于人為或通信故障等因素使光伏采集系統(tǒng)... 

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的研究背景和意義
        1.1.1 課題研究的背景
        1.1.2 課題研究的意義
    1.2 國內(nèi)外該課題的研究現(xiàn)狀及文獻(xiàn)綜述簡析
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 光伏功率點預(yù)測文獻(xiàn)綜述簡析
        1.2.4 光伏功率概率區(qū)間預(yù)測文獻(xiàn)綜述簡析
    1.3 主要研究內(nèi)容
第2章 光伏發(fā)電功率特性及影響因素分析
    2.1 光伏電站輸出功率特性分析
        2.1.1 光伏電站輸出功率的周期性和隨機性
        2.1.2 周期圖法對光伏電站輸出功率周期性分量的提取
    2.2 光伏電站輸出功率影響因素分析
        2.2.1 基于皮爾森相關(guān)系數(shù)的樣本優(yōu)化篩選
        2.2.2 基于因子分析的樣本優(yōu)化篩選
    2.3 相似日選擇方法
    2.4 本章小結(jié)
第3章 基于氣象因素分析的光伏功率異常數(shù)據(jù)識別算法
    3.1 光伏功率異常數(shù)據(jù)識別原理
    3.2 氣象因素對光伏功率的影響分析
    3.3 算例分析
    3.4 本章小結(jié)
第4章 基于小波包與LSSVM的光伏發(fā)電功率短期預(yù)測
    4.1 小波包理論
    4.2 最小二乘支持向量機(LSSVM)
    4.3 基于小波包-LSSVM模型的建立
        4.3.1 小波包分解與重構(gòu)
        4.3.2 數(shù)據(jù)預(yù)處理
        4.3.3 LSSVM模型的建立
        4.3.4 預(yù)測流程
        4.3.5 評價指標(biāo)的選取
    4.4 算例分析
    4.5 本章小結(jié)
第5章 基于混合t Location-scale分布的光伏功率短期區(qū)間預(yù)測
    5.1 混合t Location-scale分布模型的建立
        5.1.1 t Location-scale分布模型
        5.1.2 K均值聚類
        5.1.3 混合t Location-scale分布模型的建立
    5.2 光伏功率點預(yù)測誤差概率分布分析
        5.2.1 擬合優(yōu)度評價指標(biāo)
        5.2.2 光伏功率點預(yù)測誤差概率密度函數(shù)和累積概率密度函數(shù)
    5.3 算例分析
        5.3.1 區(qū)間預(yù)測的評價指標(biāo)
        5.3.2 區(qū)間預(yù)測步驟
        5.3.3 光伏功率概率區(qū)間預(yù)測
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]中長期負(fù)荷預(yù)測的異常數(shù)據(jù)辨識與缺失數(shù)據(jù)處理[J]. 毛李帆,姚建剛,金永順,李文杰,關(guān)石磊,陳芳.  電網(wǎng)技術(shù). 2010(07)
[2]基于馬爾可夫鏈的光伏發(fā)電系統(tǒng)輸出功率短期預(yù)測方法[J]. 丁明,徐寧舟.  電網(wǎng)技術(shù). 2011(01)
[3]光伏電源輸出功率的非參數(shù)核密度估計模型[J]. 顏偉,任洲洋,趙霞,余娟,李一銘,戶秀瓊.  電力系統(tǒng)自動化. 2013(10)
[4]周期圖法的功率譜估計[J]. 黃英.  中國西部科技. 2013(09)
[5]基于集對分析理論的太陽輻照度區(qū)間預(yù)測[J]. 羅明武,孫朝霞,劉強民,羅云月,朱錦峰,李巍威,鄒丹丹,汪磊.  電力科學(xué)與工程. 2015(10)
[6]風(fēng)電場棄風(fēng)異常數(shù)據(jù)簇的特征及處理方法[J]. 趙永寧,葉林,朱倩雯.  電力系統(tǒng)自動化. 2014(21)
[7]基于遺傳算法—模糊徑向基神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測模型[J]. 葉林,陳政,趙永寧,朱倩雯.  電力系統(tǒng)自動化. 2015(16)
[8]基于皮爾遜相關(guān)系數(shù)法的水樹枝與超低頻介損的相關(guān)性研究[J]. 楊帆,馮翔,阮羚,陳俊武,夏榮,陳昱龍,金志輝.  高壓電器. 2014(06)
[9]基于MRMR的集合經(jīng)驗?zāi)B(tài)分解和支持向量機的風(fēng)電功率實時預(yù)測[J]. 李國慶,張鈺,張明江,張禮玨.  東北電力大學(xué)學(xué)報. 2017(02)
[10]基于卡爾曼濾波和支持向量機的風(fēng)電功率實時預(yù)測研究[J]. 楊茂,黃賓陽,江博,林思思.  東北電力大學(xué)學(xué)報. 2017(02)

博士論文
[1]并網(wǎng)型光伏電站發(fā)電功率預(yù)測方法與系統(tǒng)[D]. 王飛.華北電力大學(xué) 2013
[2]電力系統(tǒng)負(fù)荷區(qū)間預(yù)測[D]. 方仍存.華中科技大學(xué) 2008



本文編號：3720133