并網(wǎng)型光伏電站發(fā)電量預(yù)測(cè)研究.pdf

1、隨著大規(guī)模并網(wǎng)光伏發(fā)電系統(tǒng)容量的增加，為了避免并網(wǎng)光伏發(fā)電系統(tǒng)出力的隨機(jī)性和不可控等缺點(diǎn)對(duì)電網(wǎng)的沖擊，光伏發(fā)電量(或功率)預(yù)報(bào)技術(shù)開(kāi)始引起廣泛關(guān)注。
　　論文結(jié)合光伏電站出力的特點(diǎn)，就光伏系統(tǒng)發(fā)電量數(shù)據(jù)自身規(guī)律性、天氣因素、季節(jié)等對(duì)光伏陣列發(fā)電量的影響進(jìn)行了分析，并用灰色關(guān)聯(lián)法定量分析了這些因素的影響能力。為提高預(yù)測(cè)精度，引入天氣預(yù)報(bào)信息，并使用模糊和反模糊化技術(shù)對(duì)氣象信息進(jìn)行了量化處理。
　　論文將馬爾科夫方法修正的BP神

2、經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型運(yùn)用到對(duì)光伏電站進(jìn)行日發(fā)電量預(yù)測(cè)，研究表明馬爾科夫與BP模型有機(jī)結(jié)合，可以實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，充分挖掘出發(fā)電量數(shù)據(jù)序列的宏觀(guān)變化與微觀(guān)波動(dòng)規(guī)律，提高模型的預(yù)報(bào)精度。
　　論文結(jié)合遺傳算法和神經(jīng)網(wǎng)絡(luò)進(jìn)行光伏逐時(shí)發(fā)電量預(yù)測(cè)，研究表明光伏逐時(shí)發(fā)電量采用遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)比單獨(dú)使用標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)算法精度高。遺傳神經(jīng)網(wǎng)絡(luò)能夠預(yù)測(cè)不同天氣狀況下的逐時(shí)發(fā)電量。
　　論文提出一種基于相似日的多變量灰色預(yù)測(cè)模型預(yù)測(cè)光伏逐時(shí)發(fā)電量，通過(guò)