分布式光伏出力相關(guān)因素分析及短時(shí)尺度預(yù)測(cè)研究.pdf

1、光伏發(fā)電輸出功率具有明顯的隨機(jī)性和間歇性，隨著分布式光伏系統(tǒng)大規(guī)模并入電網(wǎng)，必將對(duì)電網(wǎng)調(diào)度管理、用電安全帶來(lái)巨大挑戰(zhàn)。光伏出力預(yù)測(cè)是解決該問(wèn)題的關(guān)鍵技術(shù)之一，是分布式光伏發(fā)電精細(xì)化管理、安全和調(diào)度的基礎(chǔ)，對(duì)改善光伏入網(wǎng)質(zhì)量具有重要的意義。
　　本文首先設(shè)計(jì)并實(shí)現(xiàn)了氣象參數(shù)和電氣參數(shù)的遠(yuǎn)程在線監(jiān)測(cè)系統(tǒng)。在此基礎(chǔ)上，研究了光伏出力的影響因素和輸入?yún)?shù)相關(guān)性?，F(xiàn)有的預(yù)測(cè)模型存在輸入維數(shù)高和模型結(jié)構(gòu)復(fù)雜等缺點(diǎn)，其預(yù)測(cè)結(jié)果也難以滿足實(shí)際需求

2、。本文引入理論數(shù)據(jù)作為外生輸入變量降低對(duì)數(shù)據(jù)環(huán)境的要求，通過(guò)小波分析得到高頻數(shù)據(jù)作為變異度特征數(shù)據(jù)，以此實(shí)現(xiàn)簡(jiǎn)化分類。此外通過(guò)對(duì)相關(guān)因子二次計(jì)算達(dá)到降低數(shù)據(jù)耦合程度的目的。然后利用Gamma Test和多目標(biāo)遺傳組合算法，實(shí)現(xiàn)智能選擇輸入變量，減小信息冗余。并通過(guò)建立支持向量回歸機(jī)模型、神經(jīng)網(wǎng)絡(luò)模型和自回歸模型實(shí)例分析，實(shí)現(xiàn)小時(shí)平均輸出功率的分類預(yù)測(cè)，在天氣異變度較低時(shí)相對(duì)均方根誤差分別為9.7％，9.1%，7.8%；異變度較高時(shí)分別為

3、13.54%，13.36%，13.87%的預(yù)測(cè)精度。相較于優(yōu)化前精度提高3%以上，實(shí)驗(yàn)結(jié)果表明引入外生因子和優(yōu)化選擇變量方法對(duì)提高預(yù)測(cè)精度和縮減訓(xùn)練時(shí)間有明顯作用。同時(shí)，光伏出力預(yù)測(cè)仍有很大的不確定性，單點(diǎn)預(yù)測(cè)難以滿足所有需求。因此，建立了2D區(qū)間預(yù)測(cè)模型，預(yù)測(cè)區(qū)間包含未來(lái)時(shí)間間隔內(nèi)瞬時(shí)輸出功率變化的上界和下界。實(shí)現(xiàn)了基礎(chǔ)算法模型平均相對(duì)誤差13.2%和支持向量機(jī)模型平均誤差11.04%的預(yù)測(cè)精度。針對(duì)分布式光伏電站精細(xì)化管理的需求研制