基于改进神经网络光伏出力预测-电气工程专业论文.docxVIP

PAGE PAGE IV ABSTRACT MAPE and RMSE, this paper proves that the improved neural network model and the combination model in the short-term photovoltaic output prediction is practical and effective. Key Words: photovoltaic output prediction; temperature similar day; phase space reconstruction; artificial neural network; combination forecast 目 目 录 目 录 第 1 章 绪论 1 1.1 选题的背景与意义 1 1.1.1 选题背景 1 1.1.2 光伏出力预测的概念及意义 3 1.2 国内外研究现状 4 1.2.1 光伏发电出力预测的分类 5 1.2.2 光伏发电出力预测的算法 6 1.3 本文的主要工作 9 第 2 章 影响光伏出力预测的因素 10 2.1 光伏实测数据资料 10 2.2 光伏出力的影响因素分析 11 2.2.1 季节对光伏出力的影响 12 2.2.2 天气类型对光伏出力的影响 13 2.2.3 温度对光伏出力的影响 14 2.2.4 光照强度对光伏出力的影响 15 2.2.5 其他因素对光伏出力的影响 16 2.3 本章小结 16 第 3 章 原始数据预处理及预测样本的选取 18 3.1 原始数据预处理 18 3.1.1 光伏原始数据预处理 18 3.1.2 气象信息预处理 18 3.2 预测样本的选取 21 3.2.1 预测样本的预选取步骤 21 3.2.2 基于温度相似日的预测样本选取 22 3.2.3 基于相空间重构的预测样本选取 23 3.3 本章小结 25 第 4 章 预测算法研究 26 4.1 灰色预测法 26 4.1.1 灰色理论概述 26 4.1.2 灰色 GM(1,1)建模原理及步骤 27 4.2 人工神经网络预测法 28 4.2.1 人工神经网络概述 28 4.2.2 BP 神经网络预测法 30 4.2.3 改进神经网络预测法 32 4.3 组合预测法 35 4.3.1 组合预测概述 35 4.3.2 组合预测模型 35 4.4 本章小结 37 第 5 章 光伏出力预测算例分析 38 5.1 预测模型 38 5.1.1 基于温度相似日的灰色 GM(1,1)预测模型 38 5.1.2 基于温度相似日的 BP 神经网络预测模型 39 5.1.3 基于相空间重构的改进神经网络模型 40 5.1.4 组合模型 45 5.2 预测效果评估指标 46 5.3 预测结果及分析 46 5.4 本章小结 55 第 6 章 结论与展望 57 6.1 结论 57 6.2 展望 58 致 谢 59 参考文献 60 第 第 1 章 绪论 PAGE PAGE 1 第 1 章 绪论 1.1 选题的背景与意义 1.1.1 选题背景 （1）能源短缺、环境污染让光伏发电成为必然趋势 近年来，经济的飞速发展带来的资源枯竭和环境污染问题日益显现，已经 严重影响到人类的可持续发展，成为整个人类必须面对的严峻现实。维持人类 的日常生活文化需求，需要消耗大量的能源，而目前我们消耗的大部分能源来 自于矿物的燃烧。一方面，这将导致 CO2 的大量排放和温室效应的加重，而矿 物燃料的不充分燃烧还会导致雾霾、臭氧空洞等环境问题，给人类健康造成威 胁；另一方面，煤碳、石油、天然气等矿物燃料的消耗已经走到了死角，而世 界人口与人均能源消耗量正在爆炸式增长，致使矿物燃料的自然生产量不能满 足人类所需能源总量，造成能源短缺。因此，改变能源结构，发展太阳能等清 洁环保的可再生能源是必然之举。 太阳能绿色环保，取之不尽、用之不竭，且在世界各地都能使用，是最理 想的能源。据了解，照射到地球上的太阳能每秒达 1.7×1014kW，地球每小时获 得的太阳能可满足全球全年的能量需求；而我国陆地表面每年接收的太阳辐射 总量为 3.3×103～8.4×103MJ/m2，相当于 2.4×104 亿吨标准煤的储量。因此作 为一种永久性能源，太阳能利用具有广阔的应用前景[1]。 人的日常生活离不开电。电能与人类的生活息息相关，是目前最为普及的 一种终端能源供应形式。全球能源要完成从消耗传统化石能源到消耗可再生的 新能源的顺利转型，要从电力行业发展方式的转变和能源结构的优化开始。2013 年全球发电总量为 22