并網(wǎng)型光伏發(fā)電短期功率預(yù)測的研究與應(yīng)用.pdf

1、隨著工業(yè)化的發(fā)展，人類在經(jīng)濟(jì)發(fā)展與科技進(jìn)步的同時(shí)，也面臨著能源危機(jī)與環(huán)境污染等嚴(yán)峻考驗(yàn)。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(dāng)今國際上光伏發(fā)電的發(fā)展潮流，其發(fā)電的應(yīng)用比例愈來愈大。但光伏發(fā)電系統(tǒng)由于受太陽輻照強(qiáng)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(dòng)性的特點(diǎn)。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(yùn)行，必須能夠?qū)夥l(fā)電系統(tǒng)的短期功率進(jìn)行準(zhǔn)確的預(yù)測。
　　目前，光伏發(fā)電系統(tǒng)短期功率的預(yù)測方法主要有間接預(yù)測法與直接預(yù)測法兩種，其中比較典型的直接預(yù)測方法有基于支持向量機(jī)回歸的預(yù)測模型、基于馬爾科夫鏈的預(yù)測模型、基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型等。基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型因其具有很強(qiáng)的學(xué)習(xí)能力、組織性、容錯(cuò)性等優(yōu)點(diǎn)，已成為光伏發(fā)電系統(tǒng)輸出功率預(yù)測的一種常用方法。傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)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(yùn)用LM(Levenberg-Marquart)算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)并建立了光伏發(fā)電系統(tǒng)輸出功率的預(yù)測模型，在預(yù)測精度和訓(xùn)練收斂速度方面得到了提升。同時(shí)，在對歷史功率數(shù)據(jù)進(jìn)行篩選，獲得預(yù)測模型輸入數(shù)據(jù)的過程中采用了相似日計(jì)算方法，選取關(guān)聯(lián)性強(qiáng)的歷史數(shù)據(jù)作為樣本，從而大大降低了模型的預(yù)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(yùn)行的要求，光伏短期功率預(yù)測不僅要給出確定的預(yù)測值，還應(yīng)該

4、對預(yù)測值包含的風(fēng)險(xiǎn)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(jì)方法，利用Bootstrap方法構(gòu)造短期光伏功率預(yù)測區(qū)間?；趯?shí)際數(shù)據(jù)的測試結(jié)果表明，相比傳統(tǒng)的預(yù)測方法，基于Bootstrap方法的功率區(qū)間預(yù)測可有效刻畫短期光伏發(fā)電功率的變動(dòng)特征。
　　最后，結(jié)合本文的研究成果，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)光伏發(fā)電功率預(yù)測系統(tǒng)。主要包括四個(gè)模塊:系統(tǒng)管理、數(shù)據(jù)管理、基于LM改進(jìn)BP神經(jīng)網(wǎng)絡(luò)功率預(yù)測和基于Bootstra