并網(wǎng)型光伏發(fā)電短期功率預測的研究與應用.pdf

1、隨著工業(yè)化的發(fā)展，人類在經(jīng)濟發(fā)展與科技進步的同時，也面臨著能源危機與環(huán)境污染等嚴峻考驗。太陽能因其取之不盡、用之不竭以及沒有污染的特性無疑是非常理想的綠色能源之一。目前，太陽能光伏發(fā)電已經(jīng)成為太陽能利用的主要方式。光伏發(fā)電分為并網(wǎng)和離網(wǎng)兩種，其中，并網(wǎng)系統(tǒng)是當今國際上光伏發(fā)電的發(fā)展潮流，其發(fā)電的應用比例愈來愈大。但光伏發(fā)電系統(tǒng)由于受太陽輻照強度和氣象因素等的直接影響，其輸出功率具有間歇性與波動性的特點。為了給電網(wǎng)調(diào)度人員提供可靠的數(shù)據(jù)信

2、息，保證電網(wǎng)安全穩(wěn)定的運行，必須能夠?qū)夥l(fā)電系統(tǒng)的短期功率進行準確的預測。
　　目前，光伏發(fā)電系統(tǒng)短期功率的預測方法主要有間接預測法與直接預測法兩種，其中比較典型的直接預測方法有基于支持向量機回歸的預測模型、基于馬爾科夫鏈的預測模型、基于BP神經(jīng)網(wǎng)絡的預測模型等?；贐P神經(jīng)網(wǎng)絡的預測模型因其具有很強的學習能力、組織性、容錯性等優(yōu)點，已成為光伏發(fā)電系統(tǒng)輸出功率預測的一種常用方法。傳統(tǒng)的BP神經(jīng)網(wǎng)絡在訓練過程中存在容易陷入局部極小

3、值、收斂速度慢等問題，本文運用LM(Levenberg-Marquart)算法對BP神經(jīng)網(wǎng)絡進行改進并建立了光伏發(fā)電系統(tǒng)輸出功率的預測模型，在預測精度和訓練收斂速度方面得到了提升。同時，在對歷史功率數(shù)據(jù)進行篩選，獲得預測模型輸入數(shù)據(jù)的過程中采用了相似日計算方法，選取關聯(lián)性強的歷史數(shù)據(jù)作為樣本，從而大大降低了模型的預測誤差，并且有利于模型的收斂。
　　另外，為滿足電網(wǎng)安全穩(wěn)定運行的要求，光伏短期功率預測不僅要給出確定的預測值，還應該

4、對預測值包含的風險做出合理的評估。針對這種需求，本文提出了基于誤差分布特性的置信區(qū)間估計方法，利用Bootstrap方法構造短期光伏功率預測區(qū)間?；趯嶋H數(shù)據(jù)的測試結果表明，相比傳統(tǒng)的預測方法，基于Bootstrap方法的功率區(qū)間預測可有效刻畫短期光伏發(fā)電功率的變動特征。
　　最后，結合本文的研究成果，設計并實現(xiàn)了一個光伏發(fā)電功率預測系統(tǒng)。主要包括四個模塊:系統(tǒng)管理、數(shù)據(jù)管理、基于LM改進BP神經(jīng)網(wǎng)絡功率預測和基于Bootstra