光伏電站短期出力預(yù)測(cè)及其在微電網(wǎng)經(jīng)濟(jì)調(diào)度中的應(yīng)用.pdf

1、隨著電力工業(yè)的不斷發(fā)展,微電網(wǎng)在實(shí)現(xiàn)電網(wǎng)支持、防震減災(zāi)、提高能效和促進(jìn)分布式能源發(fā)展等方面起到了重要作用,有望成為智能電網(wǎng)的關(guān)鍵技術(shù)之一。太陽(yáng)能光伏發(fā)電作為清潔、無(wú)污染的可再生能源,是微電網(wǎng)重要的微電源之一,但是其出力的隨機(jī)性和間歇性使微電網(wǎng)的能量管理面臨極大的挑戰(zhàn)。太陽(yáng)能光伏電站短期出力的精確預(yù)測(cè)對(duì)微網(wǎng)經(jīng)濟(jì)調(diào)度具有重要的理論及實(shí)踐意義。
　　本文的主要工作及創(chuàng)新點(diǎn)在于:
　　1.分析了傳統(tǒng)的基于BP神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法

2、和小波神經(jīng)網(wǎng)絡(luò)法的太陽(yáng)能光伏電站短期出力預(yù)測(cè)模型,并對(duì)某一實(shí)際運(yùn)行的光伏電站給出了三種不同模型的預(yù)測(cè)結(jié)果,并進(jìn)行了分析比較。針對(duì)三種預(yù)測(cè)模型中逐日預(yù)測(cè)精度不高的問題,本文提出了分類建模思想,重點(diǎn)研究了突變天氣情況下輸入變量中氣象因素的處理等問題。
　　2.在上述工作的基礎(chǔ)上,提出了一種基于集合經(jīng)驗(yàn)?zāi)B(tài)分解和支持向量機(jī)的光伏電站短期出力的組合預(yù)測(cè)方法,并詳細(xì)的分析了建立該模型的步驟、參數(shù)尋優(yōu)和相關(guān)核函數(shù)的選擇等相關(guān)問題。集合經(jīng)驗(yàn)?zāi)B(tài)

3、分解法消除模態(tài)混疊現(xiàn)象,支持向量機(jī)擁有良好的泛化能力,這樣使得該組合預(yù)測(cè)模型明顯的提高了預(yù)測(cè)精度。仿真結(jié)果表明該組合預(yù)測(cè)法能夠使突變天氣預(yù)測(cè)結(jié)果的平均絕對(duì)百分比誤差減少5％,非突變天氣的減少3%。
　　3.探討了預(yù)測(cè)誤差的大小對(duì)含有光伏電站微電網(wǎng)經(jīng)濟(jì)調(diào)度的影響。本文先建立了微網(wǎng)經(jīng)濟(jì)調(diào)度的模型,其中總目標(biāo)函數(shù)包括了機(jī)組燃料消耗費(fèi)用、機(jī)組運(yùn)行費(fèi)用、機(jī)組輸出功率波動(dòng)懲罰費(fèi)用和治污費(fèi)用,約束條件考慮了功率平衡約束、微源出力約束、熱平衡約束