光伏发电功率预报和负荷预报-控制理论与控制工程专业论文.docxVIP

杭州 杭州电子科技大学硕士学位论文 万方数据 万方数据 摘 要 随着光伏发电系统的装机容量的扩大，其对电力系统的影响也越发明显。光伏阵列的发 电功率预报对于减轻光伏发电功率的不确定性对电网运行的影响有重要作用。负荷预报是制 定发电计划和远景规划的基础，预测结果的准确性直接关系到电力系统运行的经济性和安全 性。因此，提高光伏发电功率预报和负荷预报的精确度一直是国内外学者致力研究的方向之 一。 选取相似日的目的是通过历史数据预测未来数据。光伏发电功率数据及负荷数据与历史 数据之间存在紧密的联系。因此，本文中将相似日理论应用于光伏发电功率预报和负荷预报 模型中。相似日选择原理是根据建立的日特征向量，使用欧式距离判断不同日之间的特征向 量的差异。 近几年来，人工智能大量应用于光伏发电功率预报和负荷预报领域。目前应用比较广泛 的是 BP 神经网络。BP 神经网络是一种静态前馈型神经网络，预测动态系统时容易陷入局部 极小值点。Elman 神经网络相比于 BP 神经网络增加了一层承接层，可以看做一个具有局部记 忆单元和局部反馈连接的前向神经网络，具有动态特性好、逼近速度快、精度高等特点。因 此对于光伏发电功率预报和负荷预报领域 Elman 神经网络更优于 BP 神经网络。 光伏系统发电功率的主要影响因素有季节、日类型、太阳能辐照强度和温度等。另外， 负荷水平受内在规律和外部气象因素的影响，具有周期性和随机性。本文根据发电功率和负 荷特性的影响因素分别建立日特征向量，从而得到相似日。根据得到的相似日数据结合气象 预报数据分别建立了基于 Elman 神经网络的光伏发电功率预报和负荷预报模型。实验结果表 明相比于传统的预报模型，本模型有着一定的优势。 太阳能辐照强度是影响光伏发电功率的最直接因素，太阳能辐照强度曲线变化规律和光 伏阵列输出功率曲线变化规律几乎一致。本文根据太阳能辐照强度预报值分别建立了基于线 性外推法和基于太阳能电池 I/V 特性曲线的预报模型。实验结果表明，准确预报太阳能辐照 强度对于提高光伏发电功率预报精度具有重要意义。 相比于光伏发电功率，负荷水平具有明显的规律性，和历史数据具有更紧密的关系。本 文通过选取的相似日建立了一种简单实用的基于线性外推法的超短期负荷预报模型。实验结 果表明这种模型具有简单、实用、预测精度高等优点。 关键词：光伏发电功率预测，负荷预测，相似日，Elman 神经网络，线性外推法 I ABSTRACT With the increasing capacity of photovoltaic (PV) power generation systems, its impact to the grid is becoming more and more apparent. The accurate prediction of PV power is significant to eliminate the influence to the electrical power system caused by the randomness of PV output power.Short term load forcasting is the promise and basic of developing the power generation and future planning. The accuracy of the prediction results is directly related to the economic and safe of power systems. Therefore, improving the accuracy of the photovoltaic power forecasting and load forecasting has been one of popular research fields both in domestic and overseas. The purpose of selecting similar days is to predict data in future according to historical data. The photovoltaic power data has compact connection with both load data and historical data. Consequently, the theory of similar days is applied during photovoltaic power forecasting and load prediction models i