目前,中國(guó)推動(dòng)的能源革命已經(jīng)把新能源作為能源結(jié)構(gòu)的重要組成部分,太陽(yáng)能作為一種新能源已經(jīng)被世界各國(guó)的光伏產(chǎn)業(yè)所應(yīng)用。世界范圍內(nèi)光伏發(fā)電裝機(jī)容量的年增長(zhǎng)率正在迅速增長(zhǎng),光伏發(fā)電在電網(wǎng)中的份額持續(xù)增加。但是由于光伏發(fā)電受天氣影響有較大的波動(dòng)性和不確定性,不僅對(duì)電網(wǎng)的安全穩(wěn)定運(yùn)行帶來(lái)了一定影響,還不利于電網(wǎng)調(diào)度部門(mén)協(xié)調(diào)安排發(fā)電計(jì)劃,嚴(yán)重阻礙了大規(guī)模光伏發(fā)電并網(wǎng)。因此對(duì)光伏出力的準(zhǔn)確預(yù)測(cè),尤其是對(duì)不確定性天氣的預(yù)測(cè),具有重要的應(yīng)用價(jià)值。光伏出力受天氣因素影響,尤其是不確定性的天氣對(duì)光伏出力影響巨大。若能準(zhǔn)確預(yù)測(cè)出不確定性天氣的光伏出力,將有利于電力部門(mén)進(jìn)行風(fēng)險(xiǎn)分析和更加合理的調(diào)度。為此,論文進(jìn)行了考慮天氣不確定性的短期光伏出力預(yù)測(cè)研究,確定出特定天氣類(lèi)型影響光伏出力主要的氣象因素;建立了改進(jìn)人工蜂群優(yōu)化徑向基神經(jīng)網(wǎng)絡(luò)點(diǎn)預(yù)測(cè)模型,主要研究工作如下:(1)建立了Simulink光伏電池模型,仿真出光伏出力曲線并進(jìn)行了各種因素影響的出力特性分析;為進(jìn)一步確定影響光伏出力的不確定性氣象因素,將天氣類(lèi)型進(jìn)行分類(lèi),應(yīng)用皮爾遜相關(guān)系數(shù)法,分析了每種天氣類(lèi)型各個(gè)氣象因素對(duì)光伏出力的影響程度,依據(jù)影響程度的大小...

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
主要符號(hào)表
1 緒論
    1.1 選題背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展動(dòng)態(tài)
        1.2.1 光伏出力預(yù)測(cè)技術(shù)研究現(xiàn)狀
        1.2.2 不確定性天氣光伏出力研究現(xiàn)狀
    1.3 本文的主要思路與研究?jī)?nèi)容
2 光伏發(fā)電原理及光伏出力特性分析
    2.1 光伏發(fā)電原理
    2.2 影響光伏輸出功率的因素
        2.2.1 天氣分類(lèi)
        2.2.2 特定天氣類(lèi)型的氣象影響因素分析
    2.3 本章小結(jié)
3 光伏出力預(yù)測(cè)模型的基本理論
    3.1 人工神經(jīng)網(wǎng)絡(luò)理論
        3.1.1 神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)
        3.1.2 神經(jīng)網(wǎng)絡(luò)基本術(shù)語(yǔ)概念
        3.1.3 神經(jīng)網(wǎng)絡(luò)分類(lèi)
    3.2 RBF神經(jīng)網(wǎng)絡(luò)模型
        3.2.1 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法
    3.3 人工蜂群優(yōu)化算法
        3.3.1 人工蜂群原理
        3.3.2 蜜蜂的采蜜過(guò)程
        3.3.3 人工蜂群算法的數(shù)學(xué)模型
        3.3.4 人工蜂群算法特性
        3.3.5 改進(jìn)人工蜂群算法
        3.3.6 測(cè)試對(duì)比
    3.4 本章小結(jié)
4 光伏出力點(diǎn)預(yù)測(cè)模型的建立與仿真
    4.1 權(quán)重灰色關(guān)聯(lián)選取相似點(diǎn)
        4.1.1 灰色關(guān)聯(lián)分析法
        4.1.2 權(quán)重灰色關(guān)聯(lián)
        4.1.3 相似點(diǎn)的選取
    4.2 數(shù)據(jù)預(yù)處理
    4.3 改進(jìn)人工蜂群優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的光伏出力預(yù)測(cè)模型建立
        4.3.1 預(yù)測(cè)模型建立
        4.3.2 預(yù)測(cè)模型參數(shù)確定
    4.4 預(yù)測(cè)步驟及流程
    4.5 點(diǎn)預(yù)測(cè)評(píng)價(jià)指標(biāo)
    4.6 實(shí)例驗(yàn)證
        4.6.1 數(shù)據(jù)來(lái)源
        4.6.2 參數(shù)設(shè)定
        4.6.3 仿真結(jié)果
    4.7 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
攻讀碩士期間的科研項(xiàng)目及科研成果
致謝
作者簡(jiǎn)介



本文編號(hào)：3876100