基于典型日出力特性分析的光伏电站功率预测研究-动力工程专业论文.docxVIP

华北电力大学硕士学位论文摘 华北电力大学硕士学位论文 摘 要 我国的太阳能资源丰富，从长远来看，太阳能发电在未来具备成为战略能源 的资源、技术、成本和环境优势。但太阳能资源本质上是一种随机不可控的电源， 大规模太阳能电站的并网接入对电力网络的安全稳定运行带来挑战。开展光伏功 率预测方法的研究，有助于合理安排电力生产调度、降低系统的旋转备用容量、 保证电网可靠运行和提高光伏电站并网接入水平。 了解光伏电站的输出特性，是展开光伏电站功率预报研究的基础。光伏电站 的出力受到太阳辐射、温度、湿度、风速等气象因素的影响，表现出明显的趋势 性和非平稳性，给人工神经网络模型(Artificial Neural Network，ANN)的收敛 和泛化增加难度，影响模型的预测精度。本文从BP(Back Propagation)神经网 络理论出发进行光伏功率预测研究，基于光伏电站实测运行数据和历史数值天气 预报数据构建训练集和验证集，开发了两个以ANN为核心的预测模型。首先针 对光伏电站出力的趋势性，引入理论太阳辐照度进行模型目标输出的去趋势化处 理，建立了以理论太阳辐照度、预测温度、预报湿度、预报风速为输入的ANN 模型。然后，利用小波分解(Wavelet Decomposition，WD)在处理非平稳信号 方面的优势，将模型的输入通过小波分解为逼近信号和细节信号并分别建模，建 立了优化的WD+ANN模型。实际算例分析表明，ANN和WD+ANN模型均具有 良好的预测效果，而WD+ANN具有更高的预测精度和更快的收敛速度。本文的 研究以大量的实际数据为基础，具有良好的推广性，希望能给同领域的研究者提 供参考。 关键词：典型天气；出力特性；光伏功率预测；神经网络；小波分解 万方数据 华北电力大学硕士学位论文Abstract 华北电力大学硕士学位论文 Abstract China is rich in solar resources，and solar energy generation has technological and economic advantage in becoming the strategic energy resources in the long run． However,solar energy resource is a kind of random and uncontrolled power supply, and the grid connection of the large scale solar power station is a challenge to the safe and stable operation of power grid．The research on photovoltaic power forecasting technology is very important for the power department to adjust the scheduling plan， improve the reliability of power system and the access level of photovoltaic power plant． Understanding the output characteristics of photovoltaic power plant is the first step in the study of photovoltaic power prediction．The output of photovoltaic power plant is highly affected by solar radiation，temperature，humidity,wind speed and other meteorological factors．which shows clear trend and non．stationary characteristic．These features bring challenge to the convergence and generalization ability of ANN(Artificial Neural Networks)and make it hard to reach a good prediction performance． In this paper，the BP(Back Propagation)neural network theory is studied，and the experimental data and historical data of th