首页 > 学术论文

并网型光伏发电功率预测系统的研究与实现

来源:论文学术网
时间:2024-08-19 04:02:50
热度:

并网型光伏发电功率预测系统的研究与实现【摘要】:随着我国光伏发电系统得到越来越广泛的应用,随之而来的问题也越来越多。由于太阳辐照度与季度、昼夜等周期性因素有关,还与阴晴等天气的非周

【摘要】:随着我国光伏发电系统得到越来越广泛的应用,随之而来的问题也越来越多。由于太阳辐照度与季度、昼夜等周期性因素有关,还与阴晴等天气的非周期因素有关,致使得光伏发电输出功率有着随机性及间歇性等缺陷。当前我国储能技术还不成熟,当大规模的光伏发电系统并网时,对电网的电能质量及系统稳定带来巨大挑战。因此对光伏发电输出功率进行预测对于电力系统调度及电力系统运行的稳定性有着举足轻重的作用。做好光伏发电功率预测工作对于扩大光伏产业规模及提高光伏产业发展速度具有重要意义。 本文在研究光伏发电特性的基础上,提出了粒子群优化算法(PSO)来优化稀疏贝叶斯回归(SBR)的混合算法,并将其应用于光伏功率预测问题中。通过对光伏发电特性及影响因素的分析,得出影响出力的主要因素为光照强度、温度,并以此构建样本集,用上述算法构建的模型进行功率预测。本文采用的稀疏贝叶斯回归是一种可以解决非线性回归的有效方法,其参数的选择和预测结果的精度密切相关。本文采取的是用粒子群算法来代替传统的共轭梯度法以解决稀疏贝叶斯的参数优化过程。经过实验验证,在未经参数优化时,稀疏贝叶斯回归算法的预测精度要略高于支持向量机以及神经网络算法。在参数优化后,预测精度在原有的基础上又得到了进一步提高,验证了算法的有效性。本文在最后本文设计了一个光伏发电功率预测系统,给出了系统的各个方面的详细设计,包括数据库、系统架构、系统功能设计和一些操作界面。该系统实现了光伏功率预测的基本功能,包括模型训练、数据展示及查询、预测结果展示、误差比较等,具备一定的实用性。 【关键词】:并网光伏电站 功率预测 稀疏贝叶斯回归 粒子群算法
【学位授予单位】:华北电力大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:TM615
【目录】:
  • 摘要5-6
  • Abstract6-10
  • 第1章 绪论10-14
  • 1.1 研究背景及研究意义10
  • 1.2 国内外研究现状10-12
  • 1.3 论文主要工作和章节安排12-14
  • 第2章 光伏发电特性及功率预测模型14-21
  • 2.1 并网发电技术概述14-16
  • 2.1.1 光伏发电的利用14
  • 2.1.2 光伏电站发电原理及组成14-15
  • 2.1.3 光伏功率特性分析15-16
  • 2.2 稀疏贝叶斯预测模型16-19
  • 2.3 稀疏贝叶斯回归用于光伏发电功率预测分析19-20
  • 2.4 本章小结20-21
  • 第3章 基于稀疏贝叶斯回归的发电功率预测21-34
  • 3.1 发电功率的影响因素21-24
  • 3.1.1 天气情况21-22
  • 3.1.2 辐照强度22
  • 3.1.3 温度22-23
  • 3.1.4 其他因素23-24
  • 3.2 构建样本集24-25
  • 3.2.1 样本分析24
  • 3.2.2 样本构建24-25
  • 3.3 稀疏贝叶斯回归预测步骤25-28
  • 3.3.1 数据预处理25-27
  • 3.3.2 预测步骤27-28
  • 3.4 实验分析28-33
  • 3.4.1 评估标准28
  • 3.4.2 算例分析28-33
  • 3.5 本章小结33-34
  • 第4章 基于粒子群优化的稀疏贝叶斯回归发电功率预测34-45
  • 4.1 粒子群算法34-35
  • 4.1.1 粒子群研究现状及应用34
  • 4.1.2 标准粒子群算法简介34-35
  • 4.2 建立粒子群-稀疏贝叶斯回归预测模型35-37
  • 4.2.1 基于粒子群算法的参数优化方法描述35-36
  • 4.2.2 建立粒子群-稀疏贝叶斯回归模型36-37
  • 4.3 实验分析37-44
  • 4.3.1 超参数优化37
  • 4.3.2 优化后的结果分析37-44
  • 4.4 本章小结44-45
  • 第5章 光伏发电功率预测系统的设计及实现45-53
  • 5.1 总体目标45
  • 5.2 光伏发电功率预测系统的设计45-50
  • 5.2.1 系统设计原则45-46
  • 5.2.2 系统架构设计46-47
  • 5.2.3 系统数据库设计47-48
  • 5.2.4 网络拓扑结构48-49
  • 5.2.5 系统开发平台及技术49-50
  • 5.3 系统实现50-52
  • 5.3.1 登陆界面50
  • 5.3.2 管理设置界面50-51
  • 5.3.3 预测界面51
  • 5.3.4 数据查询界面51-52
  • 5.4 本章小结52-53
  • 第6章 结论与展望53-54
  • 参考文献54-57
  • 攻读硕士学位期间发表的学术论文及其它成果57-58
  • 致谢58


您可以在本站搜索以下学术论文文献来了解更多相关内容

基于神经网络的光伏阵列发电预测模型的设计    陈昌松;段善旭;殷进军;

并网型光伏电站功率预测方法探讨    李春来;朱慧敏;景满德;张杰;

光伏发电功率预测统计方法研究    卢静;翟海青;刘纯;王晓蓉;

基于扩展记忆粒子群-支持向量回归的短期电力负荷预测    段其昌;曾勇;黄大伟;段盼;刘顿;

基于模拟退火的粒子群优化算法    高鹰,谢胜利

高斯过程集成算法的发酵过程软测量建模    张相胜;王凯;

基于SVM的光伏最大功率跟踪的预测研究    唐彬;马颖;崔岩;刘素梅;

基于支持向量机回归的光伏发电出力预测    栗然;李广敏;

基于神经网络的光伏系统发电功率预测    张岚;张艳霞;郭嫦敏;赵杰;

群智能算法的混合策略研究    黄少荣;

粒子群优化算法的研究现状与发展概述    王伯成;施锦丹;王凯;

大容量并网型光伏电站功率预测预报系统设计    程序;周海;崔方;丁杰;

基于ARMA模型的光伏电站出力预测    兰华;廖志民;赵阳;

基于支持向量机的局部阴影条件下光伏阵列建模    陈阿莲;冯丽娜;杜春水;张承慧;

基于模糊识别的光伏发电短期预测系统    陈昌松;段善旭;蔡涛;代倩;

含间歇式电源电力系统风险评估的研究综述    胡艳梅;吴俊勇;高立志;

BP-马尔科夫组合预测方法在光伏发电量预测中的应用    姜侨娜;陈中;

分布式光伏发电系统的可靠性模型及指标体系    王震;鲁宗相;段晓波;李晓明;

江南娱乐app下载地址 中的电网友好技术概述及展望    薛晨;黎灿兵;曹一家;李俊雄;谭益;刘玙;

光伏发电预测技术的应用    王增新;苏适;田沛;

几种智能最优化算法的比较研究    张伟;李守智;高峰;刘振山;

PSO和GA的对比及其混合算法的研究进展    封磊;蔡创;齐春;乔锃;

求解随机车辆路径规划问题的混合微粒群算法    裴振奎;刘健;华夏;

关于WRF模式模拟地表短波辐射的统计订正    白永清;陈正洪;王明欢;成驰;

基于气象因子的神经网络模型在光伏发电预测中的应用研究    代倩;段善旭;蔡涛;陈昌松;

光伏发电量与气象因子的关系及其预报试验简报    何明琼;陈正洪;成驰;

Short Term Photovoltaic Power Generation Forecasting Using RBF Neural Network    ZhiYong LI;YunLei ZHOU;Cheng CHENG;Yao LI;KeXing LAI;

粒子群优化算法研究及其在海底地形辅助导航中的应用    谭佳琳

分布式电源的概率建模及其对电力系统的影响    王敏

粒子滤波算法研究及其在GPS/DR组合导航中的应用    宫轶松

中国地面太阳辐射长期变化特征及短期预报方法研究    马金玉

粒子群优化算法及其在机电设备中的应用研究    刘波

基于粒子群优化算法的图像分割研究    孙越泓

天线雷达散射截面分析与控制方法研究    王文涛

基于计算智能的偏振模色散自适应补偿技术研究    池越

基于群智能优化方法的盲信号分离算法研究    陈雷

卫星热辐射特性及其空间辐照环境效应研究    马伟

基于混合粒子群算法的ZnO镀膜光纤传感器的参数优化    刘奇

区间自适应粒子群算法研究及其应用    姜念

基于PSO算法的氧乐果合成过程建模与控制研究    杨书显

基于混合优化策略的粒子群算法及其应用研究    杨立标

改进的粒子群算法在停车场中的应用    刘子文

模糊控制在光伏最大功率追踪预测中的应用与研究    陈亚峰

基于神经网络和群智能优化算法的生产过程预警技术及其应用    刘涛

酮苯脱蜡回收系统的建模与优化    袁沈坚

低压减载参数优化问题的分布式计算研究    李潮

混合粒子群优化算法及其在图像匹配中的应用研究    李小林

一种独立光伏发电系统双向变换器的控制策略    廖志凌;阮新波;

基于神经网络的光伏阵列发电预测模型的设计    陈昌松;段善旭;殷进军;

优化组合核函数相关向量机电力负荷预测模型    段青;赵建国;马艳;

分布式发电对配电网电压分布的影响    王志群,朱守真,周双喜,黄仁乐,王连贵

分布式发电接入位置和注入容量限制的研究    王志群,朱守真,周双喜,黄仁乐,王连贵

基于改进粒子群-径向基神经网络模型的短期电力负荷预测    师彪;李郁侠;于新花;闫旺;何常胜;孟欣;

改进遗传神经网络及其在负荷预测中的应用    高海龙;张国立;

基于支持向量机的夏季电力负荷短期预测方法    沈梁玉;于欣;

大型光伏并网系统的建模与仿真    茆美琴,苏建徽,张国荣,杜雪芳,刘翔

高斯过程及其在软测量建模中的应用    王华忠;

基于极端学习机的光伏发电功率短期预测    刘士荣;李松峰;宁康红;周啸波;荣延泽;

科技文摘    

风电场发电功率的建模和预测研究综述    王丽婕;廖晓钟;高阳;高爽;

联合条件下风力发电风速预测    田丽;邓阅;

光伏发电功率预测统计方法研究    卢静;翟海青;刘纯;王晓蓉;

采用气象信息的神经网络应用于短期风力发电功率预测    徐星;张虹;乐海洪;徐敏;

身背核电站移民外星    阿碧;

海岛风柴蓄发电功率分配方法与运行预测    许昌;李旻;田蔷蔷;郑源;

风电场发电功率组合预测方法研究    胡婷;刘观起;邵龙;刘哲;孙勃;

基于小波分析的风电场短期发电功率预测    王丽婕;冬雷;廖晓钟;高阳;

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    崔杨;陈正洪;成驰;唐俊;谷春;

龙源内蒙古公司风电场发电功率预测系统获省级科技进步奖    

基于AR模型的风力发电功率预测仿真    冯雷;黄宏;张秀坤;张欣;

美将建“清洁煤炭”电厂    欣华

欧洲试验利用海下“风车”发电    刘 琴

日本研发海上浮动发电站    钱铮

全省风电发电功率创最高纪录    记者 张剑雯

并网型光伏电站发电功率预测方法与系统    王飞

大型变速变距风力发电机组的柔性协调控制技术研究    邢作霞

人工智能方法在光伏发电功率预测中的应用研究    王军

新能源风光发电功率预测模型的研究    陆刘春

风电场发电功率预测及风机运行优化的研究    张琦

并网型光伏电站发电功率的建模与预测研究    王旭峰

风能及光伏发电功率短期预测方法研究    陈垣毅

并网型光伏电站发电功率与其主气象影响因子相关性分析    郭佳

风电场风速及发电功率预测与经济效益研究    王丽伟

光伏发电功率的预测方法研究    王鸿玺

并网型光伏发电功率预测系统的研究与实现    曲洪达

风电场风速和发电功率预测研究    肖洋

Baidu
map