2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩56頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、太陽能發(fā)電受到日照,季節(jié)變化及天氣波動等氣候條件的影響,使得發(fā)電系統(tǒng)的輸出功率具有間斷性、周期性和不確定性的特點。光伏發(fā)電功率預測技術作為光伏電站建站必備的技術條件,關系到電站并網(wǎng)及電網(wǎng)調度的準確性和合理性,若能準確掌握短期內光伏電站的輸出功率,可大大降低電站并網(wǎng)風險,提高電網(wǎng)運行的安全性和穩(wěn)定性。
  本文在對氣象因素如何影響光伏發(fā)電功率輸出以及功率預測技術基礎進行了簡要介紹之后,將光伏發(fā)電功率短期預測問題分為超短期和短期兩部分

2、。針對超短期輸出功率的預測,提出一種基于氣象因素的相似日選取方法:利用光伏發(fā)電系統(tǒng)的歷史氣象信息建立氣象特征向量,通過計算灰色關聯(lián)度尋找到預測日的相似歷史日。然后使用相似日歷史數(shù)據(jù)和小波神經(jīng)網(wǎng)絡(WNN,Wavelet Neural Network)構建一種光伏發(fā)電功率的超短期預測模型,通過使用某光伏發(fā)電系統(tǒng)的歷史數(shù)據(jù)進行建模,對所選兩類不同天氣類型的預測日的出力情況進行逐時刻預測,預測結果顯示模型預測效果較好,尤其對于理想晴天條件下預

3、測的更加精確。針對短期輸出功率的預測,提出一種基于思維進化算法(MEA,Mind Evolutionary Algorithm)優(yōu)化BP神經(jīng)網(wǎng)絡的光伏功率短期預測模型,通過我國青海省錫鐵山裝機量100MW的光伏電站為期一年的歷史運行數(shù)據(jù)進行建模,按照季節(jié)劃分為四個預測單元分別對預測模型進行訓練和電站出力預測,通過與電站的實際出力情況和電站所配備的預測系統(tǒng)短期預測值的比較分析,由BP算法和MEA-BP算法所構建的模型均達到了一定的預測精度

4、,其中MEA-BP模型有效的降低了BP網(wǎng)絡模型的預測誤差。最后將相似日與神經(jīng)網(wǎng)絡結合,建立一個基于相似日和神經(jīng)網(wǎng)絡的光伏功率短期預測模型:通過設置兩組對照實驗:一組使用相似歷史日的數(shù)據(jù)來訓練網(wǎng)絡并進行預測(實驗組),一組使用相鄰歷史日數(shù)據(jù)來訓練網(wǎng)絡并進行預測(對照組),對比實驗的結果顯示實驗組的預測效果更為準確。
  經(jīng)過反復預測實驗,驗證了課題所提出的預測模型能夠對有效的預測光伏發(fā)電系統(tǒng)的輸出功率,預測結果也表明基于神經(jīng)網(wǎng)絡的預

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論