首页> 中文学位 >光伏发电系统发电能力预测研究
【6h】

光伏发电系统发电能力预测研究

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题的研究背景与意义

1.2 课题的国内外研究现状

1.3 论文的主要研究内容

第2章 光伏发电的功率特性及影响因素分析

2.1 光伏发电系统的原理及组成

2.2 光伏阵列的输出特性

2.3 光伏发电功率的影响因素分析

2.4 本章小结

第3章 人工神经网络在光伏功率预测中的应用

3.1 人工神经网络理论基础

3.2 BP神经网络及其改进

3.3 基于BP神经网络的光伏功率预测模型的实例分析

3.4 本章小结

第4章 基于混沌搜索的AMPSO-BPNN的光伏功率预测模型

4.1 预测算法

4.2 光伏功率预测模型的建立

4.3 本章小结

第5章 光伏发电系统发电能力预测实例分析与应用

5.1 光伏发电系统发电能力预测的实例分析

5.2 光伏发电系统发电能力预测的应用分析

5.3 本章小结

第6章 结论与展望

6.1 结论

6.2 展望

参考文献

攻读硕士学位期间发表的论文及参加科研情况

致谢

展开▼

摘要

太阳能以其清洁、无污染、可再生等特点越来越受到关注,光伏发电已成为当今世界可再生能源领域的研究热点。然而,光伏功率具有不确定性和间歇性等特点,大规模光伏并网运行会增加电网调度的难度,影响电力系统的安全、稳定及经济运行。精确预测光伏功率是有效减缓大规模光伏并网对电网不利影响的前提,对电网调度计划、常规能源规划和光伏发电规划等具有重要的指导意义。  本文以光伏发电功率为研究对象,通过分析光伏发电功率的影响因素,对光伏发电系统发电能力预测问题展开研究。首先,分析了季节类型、天气类型及辐照强度、环境温度、云量等气象因子对光伏功率的影响,确定了预测模型的输入变量,并提出利用相似日理论确定训练样本的方法;其次,分析了传统BP算法的优缺点,提出了基于动量项-陡度因子-自适应学习率的改进BP算法,并建立了相应的光伏功率预测模型;然后,针对改进BP算法和PSO算法的不足,将混沌搜索和自适应变异思想引入到粒子群算法中,以提高算法的全局收敛概率和速度,建立了基于混沌搜索的AMPSO-BPNN的光伏功率预测模型,并提出利用相似日功率修正模型预测结果的方法;最后,依托实际光伏电站和气象观测站对预测模型进行了实例验证,并通过分析光伏出力与负荷用电间的相关性,进一步明确了光伏电站调度运行的研究方向。  在Microsoft Visual C++6.0环境下编制了光伏发电系统功率预测软件,对比分析了不同光伏功率预测模型的优化性能,预测结果表明所提模型及算法具有较高的预测精度和收敛速度,且基于相似日功率的修正方法具有一定的可行性。

著录项

  • 作者

    李倩;

  • 作者单位

    华北电力大学华北电力大学(保定);

  • 授予单位 华北电力大学华北电力大学(保定);
  • 学科 电气工程
  • 授予学位 硕士
  • 导师姓名 张建成;
  • 年度 2014
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类
  • 关键词

    光伏发电系统,混沌搜索,自适应变异,粒子群算法;

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号