發(fā)布時間：2020-12-01 17:56

　　目前,隨著經(jīng)濟社會發(fā)展不斷深入,傳統(tǒng)能源的消耗在持續(xù)增長,而因污染性能源的使用,環(huán)境也日趨惡化,能源供給和環(huán)境惡化危機在世界范圍內(nèi)爆發(fā)。于是,可再生能源和電動汽車應運而生,成為世界各國力捧的“寵兒”。由于新能源發(fā)電的不穩(wěn)定和電動汽車負荷的增加,必然會對微電網(wǎng)產(chǎn)生不利影響,引發(fā)新一輪的電力問題。因此,新能源的發(fā)電功率和電動汽車充放電的預測對電力系統(tǒng)的安全穩(wěn)定運行就顯得至關(guān)重要,本文從光伏發(fā)電和電動汽車充放電預測兩個方面進行研究。一方面,針對光伏系統(tǒng)的發(fā)電特性,本文提出了一種使用關(guān)聯(lián)規(guī)則和核主成分分析的Elman神經(jīng)網(wǎng)絡光伏功率預測方法。首先,采用灰色關(guān)聯(lián)分析法選取與預測日氣象特征高度相似的若干相似日作為訓練樣本;其次,利用核主成分分析法對訓練樣本的輸入個數(shù)進行降維優(yōu)選,提取出主成分序列;然后,利用蟻群算法優(yōu)化的Elman神經(jīng)網(wǎng)絡對數(shù)據(jù)進行預測;最后,針對Elman神經(jīng)網(wǎng)絡預測模型在功率波動的峰值處預測誤差較大及預測精度存在波動性,采用馬爾科夫方法對初步得到的預測值進行修正,得到最終的預測結(jié)果。另一方面,針對電動汽車的充放電隨車主的行為在時間與空間上具有很強的隨機性,提出一種考慮不同充電方... 

【文章來源】：燕山大學河北省

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

晴天的預測相對誤差對比圖

方法 1 方法 2 -44.17 -68.12 -55.89 -65.47 11.69 22.35 -6.04 -13.62 24.02 38.02 6.37 14.83 -44.17 -68.12 -3.13 3.65 19.34 26.81 20.40 14.27 23.90 -38.14 40.15 54.01 61.76 42.65 -3.13 3.65

車輛日首次出行時刻不同車輛不同目的地之間的日行駛里程電池的荷電狀態(tài)判斷是否充電不同充電方式的起始充電時間充電方式的比例擬布圖 4-1 電動汽車負荷時空分布預測思路4.2 電動汽車的出行與停車規(guī)律4.2.1 私家車出行情況電動公交車和電動商務車一般都有自己固定的出行路徑，其時空規(guī)律性很強而電動私家車的時空分布規(guī)律主要取決于車主的行為，其時空隨機性很強。文獻[研究和分析了居民的出行行為，從分析結(jié)果可以得到私家車的出行情況。一般情下，在勞動日和休息日，用戶的出行行為是有一定差別的，因此圖 4-2 從勞動日和息日兩個方面分別給出了私家車的出行情況。

【參考文獻】：
期刊論文
[1]基于IAFSA-GM的化工園區(qū)光伏電站功率預測模型[J]. 張予澤,韓偉.  電子設(shè)計工程. 2019(08)
[2]頻域分解和深度學習算法在短期負荷及光伏功率預測中的應用[J]. 張倩,馬愿,李國麗,馬金輝,丁津津.  中國電機工程學報. 2019(08)
[3]基于晴朗系數(shù)和多層次匹配的光伏功率預測方法研究[J]. 王志忠,韓茂林,胡海,陳堯.  電測與儀表. 2019(08)
[4]基于LSTM神經(jīng)網(wǎng)絡的復合變量電動汽車充電負荷預測方法技術(shù)研究[J]. 王琨,高敬更,張勇紅,魏立兵,李鵬,楊春光,董智穎.  工業(yè)儀表與自動化裝置. 2019(01)
[5]基于粗糙集-混沌時間序列Elman神經(jīng)網(wǎng)絡的短期用電量預測[J]. 吳佳懋,李艷,符一健.  電力系統(tǒng)保護與控制. 2019(03)
[6]融合多源信息的電動汽車充電負荷預測及其對配電網(wǎng)的影響[J]. 陳麗丹,張堯,Antonio Figueiredo.  電力自動化設(shè)備. 2018(12)
[7]計及路-網(wǎng)-車交互作用的電動汽車充電實時優(yōu)化調(diào)度[J]. 王珂,李媛,楊文濤,李濤,岑海鳳,許苑,文福拴.  電力建設(shè). 2018(12)
[8]基于MDP隨機路徑模擬的電動汽車充電負荷時空分布預測[J]. 張謙,王眾,譚維玉,劉樺臻,李晨.  電力系統(tǒng)自動化. 2018(20)
[9]基于日類型及融合理論的BP網(wǎng)絡光伏功率預測[J]. 冉成科,夏向陽,楊明圣,張真,李延和,曾小勇,黃海,滕欣元,蔡昱寬,曹伯霖.  中南大學學報(自然科學版). 2018(09)
[10]計及霧霾影響因素的光伏發(fā)電超短期功率預測[J]. 劉衛(wèi)亮,劉長良,林永君,李靜,李金拓,熊峰,陳晨.  中國電機工程學報. 2018(14)
[1]基于相似日和小波神經(jīng)網(wǎng)絡的光伏短期功率預測[D]. 祝暄懿.西安理工大學 2018
[2]基于神經(jīng)網(wǎng)絡的分布式光伏電站短期功率預測[D]. 張鵬華.安徽理工大學 2017
[3]光伏電站并網(wǎng)發(fā)電短期功率數(shù)據(jù)預測研究[D]. 俞震.華北電力大學(北京) 2016
[4]并網(wǎng)型光伏電站發(fā)電功率預測研究[D]. 李多.蘭州交通大學 2016
[5]規(guī)�；�電動汽車用電需求的空間分布預測[D]. 蔣毅舟.華北電力大學 2012
[6]基于用地區(qū)位分析的停車需求預測研究[D]. 王瑞.昆明理工大學 2010

碩士論文
[1]基于IAFSA-GM的化工園區(qū)光伏電站功率預測模型[J]. 張予澤,韓偉.  電子設(shè)計工程. 2019(08)
[2]頻域分解和深度學習算法在短期負荷及光伏功率預測中的應用[J]. 張倩,馬愿,李國麗,馬金輝,丁津津.  中國電機工程學報. 2019(08)
[3]基于晴朗系數(shù)和多層次匹配的光伏功率預測方法研究[J]. 王志忠,韓茂林,胡海,陳堯.  電測與儀表. 2019(08)
[4]基于LSTM神經(jīng)網(wǎng)絡的復合變量電動汽車充電負荷預測方法技術(shù)研究[J]. 王琨,高敬更,張勇紅,魏立兵,李鵬,楊春光,董智穎.  工業(yè)儀表與自動化裝置. 2019(01)
[5]基于粗糙集-混沌時間序列Elman神經(jīng)網(wǎng)絡的短期用電量預測[J]. 吳佳懋,李艷,符一健.  電力系統(tǒng)保護與控制. 2019(03)
[6]融合多源信息的電動汽車充電負荷預測及其對配電網(wǎng)的影響[J]. 陳麗丹,張堯,Antonio Figueiredo.  電力自動化設(shè)備. 2018(12)
[7]計及路-網(wǎng)-車交互作用的電動汽車充電實時優(yōu)化調(diào)度[J]. 王珂,李媛,楊文濤,李濤,岑海鳳,許苑,文福拴.  電力建設(shè). 2018(12)
[8]基于MDP隨機路徑模擬的電動汽車充電負荷時空分布預測[J]. 張謙,王眾,譚維玉,劉樺臻,李晨.  電力系統(tǒng)自動化. 2018(20)
[9]基于日類型及融合理論的BP網(wǎng)絡光伏功率預測[J]. 冉成科,夏向陽,楊明圣,張真,李延和,曾小勇,黃海,滕欣元,蔡昱寬,曹伯霖.  中南大學學報(自然科學版). 2018(09)
[10]計及霧霾影響因素的光伏發(fā)電超短期功率預測[J]. 劉衛(wèi)亮,劉長良,林永君,李靜,李金拓,熊峰,陳晨.  中國電機工程學報. 2018(14)
[1]基于相似日和小波神經(jīng)網(wǎng)絡的光伏短期功率預測[D]. 祝暄懿.西安理工大學 2018
[2]基于神經(jīng)網(wǎng)絡的分布式光伏電站短期功率預測[D]. 張鵬華.安徽理工大學 2017
[3]光伏電站并網(wǎng)發(fā)電短期功率數(shù)據(jù)預測研究[D]. 俞震.華北電力大學(北京) 2016
[4]并網(wǎng)型光伏電站發(fā)電功率預測研究[D]. 李多.蘭州交通大學 2016
[5]規(guī)�；�電動汽車用電需求的空間分布預測[D]. 蔣毅舟.華北電力大學 2012
[6]基于用地區(qū)位分析的停車需求預測研究[D]. 王瑞.昆明理工大學 2010



本文編號：2894958