發(fā)布時(shí)間：2020-05-09 11:23

【摘要】：目前全球光伏發(fā)電產(chǎn)業(yè)快速發(fā)展,每年的光伏新增裝機(jī)量和累計(jì)裝機(jī)量快速增加,電網(wǎng)中的光伏發(fā)電占有率不斷提高。由于太陽(yáng)能具有典型的波動(dòng)性和間歇性等特點(diǎn),導(dǎo)致光伏發(fā)電系統(tǒng)的輸出功率不穩(wěn)定,對(duì)光伏發(fā)電并網(wǎng)以及電網(wǎng)的安全、穩(wěn)定運(yùn)行帶來(lái)很大的沖擊,嚴(yán)重阻礙了大規(guī)模光伏發(fā)電并網(wǎng)。光伏發(fā)電系統(tǒng)的輸出功率的準(zhǔn)確預(yù)測(cè)有利于電力系統(tǒng)部門提前進(jìn)行調(diào)度和規(guī)劃,從而將盡可能多的光伏發(fā)電并網(wǎng)。太陽(yáng)輻照度是影響光伏發(fā)電系統(tǒng)的輸出功率最直接、最顯著的因素,因此太陽(yáng)輻照度的準(zhǔn)確預(yù)測(cè)將會(huì)提高光伏發(fā)電系統(tǒng)的輸出功率的預(yù)測(cè)精度,具有重要的應(yīng)用價(jià)值。太陽(yáng)輻照度受到氣候、氣象等因素的影響,具有隨機(jī)性和不穩(wěn)定性的特點(diǎn),傳統(tǒng)的太陽(yáng)輻照度點(diǎn)預(yù)測(cè)模型的預(yù)測(cè)精度往往不高。同時(shí),點(diǎn)預(yù)測(cè)結(jié)果往往不能表征太陽(yáng)輻照度的隨機(jī)性,給決策工作帶來(lái)風(fēng)險(xiǎn)。若能在給出確定性的點(diǎn)預(yù)測(cè)結(jié)果的同時(shí),描繪出太陽(yáng)輻照度波動(dòng)的區(qū)間,將有利于電力部門進(jìn)行風(fēng)險(xiǎn)分析和更加合理的調(diào)度。為此,論文在深入研究最優(yōu)變分模態(tài)分解算法、混沌蝗蟲優(yōu)化算法、混合核相關(guān)向量機(jī)、非參數(shù)核密度估計(jì)等方法的基礎(chǔ)上,研究了太陽(yáng)輻照度的點(diǎn)預(yù)測(cè)模型和區(qū)間預(yù)測(cè)模型,主要研究工作和創(chuàng)新成果如下:(1)太陽(yáng)輻照度預(yù)測(cè)模型中的參數(shù)優(yōu)化直接影響到模型的性能,針對(duì)參數(shù)優(yōu)化問題,對(duì)蝗蟲優(yōu)化算法(GOA)進(jìn)行改進(jìn),提出了混沌蝗蟲優(yōu)化算法(CGOA)。GOA是模擬自然界中的蝗蟲在覓食過(guò)程中的集群行為提出的一種仿生智能算法,其最顯著的特點(diǎn)是在迭代過(guò)程中,每個(gè)粒子的下一個(gè)位置不僅考慮了其當(dāng)前位置和當(dāng)前群體的最優(yōu)位置,還考慮了其他粒子的位置。傳統(tǒng)的仿生智能算法中的粒子的下一個(gè)位置往往沒有考慮其他粒子的位置,因而GOA更容易跳出局部最優(yōu),收斂速度更快。CGOA對(duì)GOA作了三點(diǎn)改進(jìn):1)將平衡全局與局部尋優(yōu)能力的線性遞減函數(shù)改為非線性遞減的逆不完全伽馬函數(shù),有利于GOA在前期側(cè)重全局探索,而在后期側(cè)重更加精細(xì)的局部開發(fā);2)將越界的粒子更新到位置變量的區(qū)間端點(diǎn)改為更新到區(qū)間內(nèi)部,防止GOA頻繁的在上界或下界處尋優(yōu),影響收斂速度;3)采用混沌搜索算法對(duì)當(dāng)前最優(yōu)位置進(jìn)行優(yōu)化,提高GOA的解的精度。通過(guò)測(cè)試函數(shù)發(fā)現(xiàn),CGOA較GOA具有更快的收斂速度和更高的精度。(2)針對(duì)太陽(yáng)輻照度不穩(wěn)定的特點(diǎn),提出采用變分模態(tài)分解(VMD)對(duì)原始太陽(yáng)輻照度序列進(jìn)行分解,從而得到相對(duì)穩(wěn)定的模態(tài)分量。VMD算法中有三個(gè)參數(shù):模態(tài)個(gè)數(shù)K、懲罰因子a、保真度系數(shù)t難以率定,為此,提出了最優(yōu)變分模態(tài)分解算法(OVMD)。對(duì)于K,OVMD以分解后的殘余分量與原始序列之間的相關(guān)性來(lái)保證分解的精度并指導(dǎo)最優(yōu)K值的確定;對(duì)于a和t,OVMD根據(jù)分解后的殘差建立殘差指標(biāo),并作為CGOA的適應(yīng)度函數(shù),通過(guò)CGOA來(lái)尋找最優(yōu)的a和t,使分解殘差最小。對(duì)實(shí)際的太陽(yáng)輻照度序列,分別利用集合經(jīng)驗(yàn)?zāi)�態(tài)分解(EEMD)和OVMD進(jìn)行分解,并采用正交性指標(biāo)進(jìn)行比較分析,得出OVMD具有更優(yōu)的分解性能。(3)采用CGOA優(yōu)化的混合核相關(guān)向量機(jī)(RVM)對(duì)OVMD得到的模態(tài)分量分別建立預(yù)測(cè)模型,將各個(gè)分量模型的預(yù)測(cè)結(jié)果累加,得到太陽(yáng)輻照度的點(diǎn)預(yù)測(cè)模型(OVMD-CGOA-RVM)。RVM中核函數(shù)的選擇及核函數(shù)中的參數(shù)的設(shè)置直接影響到RVM的預(yù)測(cè)性能。對(duì)于核函數(shù),將學(xué)習(xí)能力較強(qiáng)的高斯核函數(shù)和推廣能力較強(qiáng)的多項(xiàng)式核函數(shù)進(jìn)行組合,得到的混合核函數(shù)同時(shí)保證了其學(xué)習(xí)能力和推廣能力;對(duì)于混合核函數(shù)中的參數(shù),采用CGOA來(lái)尋優(yōu),從而建立最優(yōu)的RVM預(yù)測(cè)模型。將不同時(shí)間、不同地區(qū)的兩個(gè)監(jiān)控平臺(tái)的監(jiān)測(cè)數(shù)據(jù)均按春夏秋冬四個(gè)季節(jié)劃分為四組數(shù)據(jù),對(duì)每組數(shù)據(jù)最后兩天的逐時(shí)太陽(yáng)輻照度分別采用OVMD-CGOA-RVM模型、CGOA-BP模型、ARIMA模型、CGOA-LSSVM、CGOA-RVM模型和EEMD-CGOA-RVM模型進(jìn)行預(yù)測(cè),并將預(yù)測(cè)結(jié)果采用誤差評(píng)價(jià)指標(biāo)進(jìn)行評(píng)價(jià),得出在任意一組數(shù)據(jù)中,OVMD-CGOA-RVM模型的預(yù)測(cè)性能均明顯優(yōu)于其他五種模型,并且預(yù)測(cè)精度都比較高,說(shuō)明了OVMD-CGOA-RVM模型具有較好的預(yù)測(cè)精度,并且比較穩(wěn)定,具有通用性。(4)在OVMD-CGOA-RVM點(diǎn)預(yù)測(cè)模型基礎(chǔ)上,采用非參數(shù)核密度估計(jì)(KDE)得到太陽(yáng)輻照度預(yù)測(cè)誤差的概率密度,利用三次樣條插值擬合預(yù)測(cè)誤差的概率分布曲線,建立了太陽(yáng)輻照度的區(qū)間預(yù)測(cè)模型(OVMD-CGOA-RVM-KDE)。針對(duì)KDE中核函數(shù)的窗寬難以率定的問題,提出以平均覆蓋率和平均寬度構(gòu)建的綜合評(píng)價(jià)函數(shù)作為適應(yīng)度函數(shù),采用CGOA來(lái)實(shí)現(xiàn)最優(yōu)窗寬的選擇。通過(guò)對(duì)上述兩個(gè)監(jiān)控平臺(tái)監(jiān)測(cè)數(shù)據(jù)的實(shí)驗(yàn)發(fā)現(xiàn),OVMD-CGOA-RVM-KDE區(qū)間預(yù)測(cè)模型較CGOA-RVM區(qū)間預(yù)測(cè)模型和CGOA-BP-KDE區(qū)間預(yù)測(cè)模型更可靠、更準(zhǔn)確�；�于OVMD-CGOA-RVM-KDE區(qū)間預(yù)測(cè)模型得到的太陽(yáng)輻照度預(yù)測(cè)區(qū)間具有較小的區(qū)間寬度,有利于電力系統(tǒng)調(diào)度部門進(jìn)行電網(wǎng)規(guī)劃、風(fēng)險(xiǎn)分析和可靠性評(píng)估等。
【圖文】：

蝗蟲優(yōu)化算法（GOA）是澳大利亞學(xué)者 Shahrzad Saremi、Seyedali Mirjaldrew Lewis 于 2017 年提出的一種新型群智能仿生優(yōu)化算法[70]。該算法模擬自蝗蟲在覓食過(guò)程中的集群行為，，以解決最優(yōu)化問題。在蝗蟲集群過(guò)程中，蝗間會(huì)產(chǎn)生斥力和引力，形成排斥區(qū)、舒適區(qū)和吸引區(qū)，如圖 2-1 所示，其中表示舒適區(qū)，圓圈內(nèi)部表示排斥區(qū)，圓圈外部表示吸引區(qū)。在排斥區(qū)，斥力；在吸引區(qū)，引力大于斥力；在舒適區(qū)，斥力等于引力。兩個(gè)蝗蟲個(gè)體之間大，引力越強(qiáng)，斥力越弱；反之，兩個(gè)蝗蟲個(gè)體之間的距離越小，斥力越強(qiáng)弱。GOA 利用蝗蟲群體中的個(gè)體之間的社會(huì)行為實(shí)現(xiàn)對(duì)信息的共享，使整運(yùn)動(dòng)在問題求解空間中產(chǎn)生從無(wú)序到有序的演化過(guò)程，從而獲得最優(yōu)解。蝗蟲個(gè)體之間的斥力使蝗蟲能夠探索整個(gè)搜索空間，而引力則鼓勵(lì)它們精細(xì)望的區(qū)域。GOA 模擬蝗蟲產(chǎn)生的斥力行為實(shí)現(xiàn)全局探索，模擬蝗蟲的引力局部開發(fā)。同時(shí)為了平衡全局探索和局部開發(fā)能力，采用了自適應(yīng)減少蝗蟲策略。最后，由蝗蟲群追逐和改進(jìn)的目標(biāo)即為最優(yōu)解。

華 中 科 技 大 學(xué) 博 士 學(xué) 位 論 文ijnijjiijSsdd ()1 （2-1）式中，ijd 表示第i個(gè)蝗蟲和第 j 個(gè)蝗蟲之間的距離，即ijjid x x，ix 表示第i個(gè)蝗蟲的位置；ijjiijdxxd 表示第i個(gè)蝗蟲到第 j 個(gè)蝗蟲的單位向量； ()ijs d表示第i個(gè)蝗蟲和第 j 個(gè)蝗蟲之間社會(huì)行為（吸引或排斥）的強(qiáng)度，其表達(dá)式如（2-2）式所示。ijijdldijsdfee ( ) （2-2）式中， f 和l為常數(shù)。 ()ijs d是關(guān)于ijd 的函數(shù)，圖 2-2 是當(dāng) f 0 .5,l 1.5時(shí)，s隨ijd 的變化曲線圖，其中 ( ) 0ijs d表示產(chǎn)生斥力。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：TM615

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王品晶;方偉;葉新;;太陽(yáng)輻照度監(jiān)測(cè)儀主動(dòng)熱控測(cè)試系統(tǒng)設(shè)計(jì)[J];傳感器與微系統(tǒng);2013年12期

2 秦慧平;易維寧;黃紅蓮;潘邦龍;;山區(qū)地表太陽(yáng)輻照度隨時(shí)空變化的模擬分析[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2011年07期

3 鮑安平;;光伏發(fā)電中太陽(yáng)輻照度短期優(yōu)化預(yù)測(cè)仿真[J];計(jì)算機(jī)仿真;2017年10期

4 李雄耀;王世杰;程安云;;月表有效太陽(yáng)輻照度實(shí)時(shí)模型[J];地球物理學(xué)報(bào);2008年01期

5 吳曙初,李武,辛海英,沈如松;利用衛(wèi)星遙感資料估算海面太陽(yáng)輻照度的初步結(jié)果[J];黃渤海海洋;1999年01期

6 唐瀟;賈平;王凱;宋寶奇;方偉;王玉鵬;;太陽(yáng)輻照度絕對(duì)輻射計(jì)的光電不等效性修正[J];光學(xué)精密工程;2016年10期

7 吳貞龍;徐政;胡曉燕;邱宗旭;;傾斜面太陽(yáng)輻照度實(shí)用計(jì)算模型的研究[J];太陽(yáng)能學(xué)報(bào);2016年03期

8 羅明武;孫朝霞;劉強(qiáng)民;羅云月;朱錦峰;李巍威;鄒丹丹;汪磊;;基于集對(duì)分析理論的太陽(yáng)輻照度區(qū)間預(yù)測(cè)[J];電力科學(xué)與工程;2015年10期

9 李再琨;太陽(yáng)輻照度下降的有效黑子模式和太陽(yáng)輻照度可變性的有效光球活動(dòng)區(qū)模式[J];空間科學(xué)學(xué)報(bào);1982年04期

10 姚海成;周劍;林琳;邢恩愷;黃南天;陳艷偉;;利用蝙蝠算法優(yōu)化SVR的太陽(yáng)輻照度預(yù)測(cè)方法研究[J];可再生能源;2018年11期

相關(guān)會(huì)議論文 前3條

1 李娜;;太陽(yáng)輻照度計(jì)算方法的探討[A];第七屆全國(guó)建筑環(huán)境與能源應(yīng)用技術(shù)交流大會(huì)文集[C];2017年

2 黃炎;商啟光;董杰;;GF-1衛(wèi)星傳感器波段平均太陽(yáng)輻照度計(jì)算及應(yīng)用[A];第十八屆中國(guó)環(huán)境遙感應(yīng)用技術(shù)論壇論文集[C];2014年

3 李新;鄭小兵;戎志國(guó);劉恩超;張艷娜;李文偉;;自校準(zhǔn)連續(xù)細(xì)分光譜太陽(yáng)照度儀[A];S8 大氣探測(cè)與儀器新技術(shù)、新方法[C];2012年

相關(guān)博士學(xué)位論文 前3條

1 吳小濤;基于變分模態(tài)分解和相關(guān)向量機(jī)的太陽(yáng)輻照度預(yù)測(cè)模型研究[D];華中科技大學(xué);2018年

2 王杭州;海冰基太陽(yáng)輻照度剖面自動(dòng)監(jiān)測(cè)及校正技術(shù)研究[D];浙江大學(xué);2015年

3 唐瀟;空間太陽(yáng)絕對(duì)輻射計(jì)的熱特性分析及光電不等效性研究[D];中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所;2017年

相關(guān)碩士學(xué)位論文 前10條

1 王偉;太陽(yáng)輻照度監(jiān)測(cè)儀比對(duì)與校正研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2004年

2 王品晶;新型四通道太陽(yáng)總輻照度監(jiān)測(cè)儀電學(xué)系統(tǒng)的研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2013年

3 張文一;大規(guī)模光伏電站發(fā)電容量可信度研究[D];哈爾濱工程大學(xué);2017年

4 艾逸陽(yáng);基于地基云圖的超短期光伏電站輻照度預(yù)測(cè)研究[D];浙江大學(xué);2018年

5 高瑾;智能光伏并網(wǎng)系統(tǒng)及輻照波動(dòng)對(duì)系統(tǒng)預(yù)警研究[D];云南師范大學(xué);2016年

6 李多;并網(wǎng)型光伏電站發(fā)電功率預(yù)測(cè)研究[D];蘭州交通大學(xué);2016年

7 楊蕾;太陽(yáng)能光伏電站輸出功率預(yù)測(cè)研究[D];蘭州交通大學(xué);2014年

8 黃文政;全方位太陽(yáng)輻照度測(cè)量和分析系統(tǒng)[D];武漢紡織大學(xué);2012年

9 張佳琦;太陽(yáng)輻射監(jiān)測(cè)儀的太陽(yáng)輻照數(shù)據(jù)預(yù)處理[D];吉林大學(xué);2011年

10 范飛;計(jì)及負(fù)荷和輻照度加和特性的電力系統(tǒng)可靠性評(píng)估模型研究[D];重慶大學(xué);2015年

本文編號(hào)：2656066