太陽能光伏發(fā)電因其可再生和零污染的特性,被視為傳統(tǒng)發(fā)電的重要替代形式。光伏發(fā)電功率預(yù)測(cè)技術(shù)可以為未來一段時(shí)間內(nèi)的光伏輸出提供預(yù)測(cè),為電力部門及用戶提供數(shù)據(jù)支持,對(duì)保證電力系統(tǒng)的安全穩(wěn)定運(yùn)行具有重要意義。本文以光伏發(fā)電輸出功率歷史數(shù)據(jù)為基礎(chǔ),分析不同天氣狀態(tài)下的光伏發(fā)電功率數(shù)據(jù)規(guī)律,提出預(yù)測(cè)方法,利用實(shí)證系統(tǒng)對(duì)本文所提方法進(jìn)行了驗(yàn)證。文章的主要內(nèi)容如下:一、研究了基于天氣的光伏發(fā)電數(shù)據(jù)分類并判斷數(shù)據(jù)的混沌特性。將光伏發(fā)電數(shù)據(jù)分成晴天、多云天、陰雨天三種不同天氣類型進(jìn)行討論,建立時(shí)間序列并進(jìn)行了重構(gòu),分析數(shù)據(jù)的混沌特性并通過Lyapunov指數(shù)進(jìn)行了驗(yàn)證。二、建立了基于最大Lyapunov指數(shù)法的光伏發(fā)電功率超短期預(yù)測(cè)模型。對(duì)不同天氣類型下的光伏發(fā)電功率進(jìn)行了超短期預(yù)測(cè),并結(jié)合實(shí)際光伏發(fā)電數(shù)據(jù)對(duì)該預(yù)測(cè)方法進(jìn)行了驗(yàn)證。三、考慮到多云天云層變化劇烈的情況,本文提出了基于Hammerstein-Wiener模型和NAR神經(jīng)網(wǎng)絡(luò)結(jié)合的多云天光伏發(fā)電功率超短期預(yù)測(cè)方法。采用工業(yè)相機(jī)拍攝天空,在照片亮度與光伏發(fā)電功率之間建立模型,采用非線性自回歸的方法對(duì)辨識(shí)模型進(jìn)行超短期預(yù)測(cè),結(jié)合實(shí)際光伏發(fā)電數(shù)據(jù)對(duì)預(yù)測(cè)...

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題的研究背景和意義
    1.2 光伏發(fā)電技術(shù)的發(fā)展和研究現(xiàn)狀
        1.2.1 國內(nèi)外光伏技術(shù)的發(fā)展
        1.2.2 光伏發(fā)電預(yù)測(cè)技術(shù)分類
        1.2.3 常見的光伏發(fā)電預(yù)測(cè)方法
    1.3 本文研究內(nèi)容與組織結(jié)構(gòu)
第2章 光伏發(fā)電技術(shù)及其影響因素分析
    2.1 太陽能發(fā)電系統(tǒng)
    2.2 光伏電池的工作原理及輸出特性
    2.3 光伏發(fā)電影響因素分析
        2.3.1 太陽輻射對(duì)光伏發(fā)電功率的影響
        2.3.2 溫度對(duì)光伏發(fā)電功率的影響
    2.4 本章小結(jié)
第3章 光伏發(fā)電的混沌特性
    3.1 基于天氣類型的光伏發(fā)電數(shù)據(jù)分類
        3.1.1 天氣類型
        3.1.2 歐式距離和K-means聚類
    3.2 混沌理論和相空間
        3.2.1 混沌理論
        3.2.2 相空間
        3.2.3 Lyapunov指數(shù)判斷混沌特性
    3.3 基于天氣分類的光伏發(fā)電數(shù)據(jù)混沌特性分析
        3.3.1 光伏發(fā)電功率的數(shù)據(jù)采集
        3.3.2 數(shù)據(jù)分類
        3.3.3 混沌特性分析
    3.4 本章小結(jié)
第4章 基于最大LYAPUNOV指數(shù)法的光伏發(fā)電超短期預(yù)測(cè)
    4.1 最大Lyapunov指數(shù)法
        4.1.1 預(yù)測(cè)原理
        4.1.2 預(yù)測(cè)步驟
    4.2 預(yù)測(cè)評(píng)價(jià)指標(biāo)
    4.3 算例分析
        4.3.1 三種天氣類型下的預(yù)測(cè)
        4.3.2 預(yù)測(cè)結(jié)果比較
    4.4 本章小結(jié)
第5章 基于HW-NAR模型多云天光伏發(fā)電功率超短期預(yù)測(cè)
    5.1 光伏系統(tǒng)發(fā)電功率HW模型
        5.1.1 照片亮度百分比計(jì)算
        5.1.2 光伏發(fā)電功率HW模型
        5.1.3 擬合度驗(yàn)證
    5.2 基于NAR神經(jīng)網(wǎng)絡(luò)模型的光伏發(fā)電預(yù)測(cè)
        5.2.1 NAR神經(jīng)網(wǎng)絡(luò)模型
        5.2.2 誤差指標(biāo)
    5.3 算例分析
        5.3.1 數(shù)據(jù)采集
        5.3.2 不同天氣狀態(tài)下的辨識(shí)與預(yù)測(cè)
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 結(jié)論
    6.2 展望
致謝
參考文獻(xiàn)
附錄



本文編號(hào)：4053722