包含儲能電池的并網(wǎng)光伏電站的功率預(yù)測與實時能量管理研究.pdf

1、由于光伏發(fā)電受地理位置、天氣狀況和外界環(huán)境等條件的影響巨大，導(dǎo)致光伏電站的電能輸出具有明顯的間歇性、隨機(jī)性，也就導(dǎo)致了光伏電站內(nèi)部的光伏組件和儲能系統(tǒng)、光伏電站與大電網(wǎng)之間的功率交換過程復(fù)雜化。光伏電站可以從電力公司購電，也可以售電給電力公司，有償?shù)臑殡娋W(wǎng)提供“削峰填谷”和緊急功率支持等服務(wù)。本文以青海某1MW光伏電站為研究對象，對其能量管理的基本理論和管理策略進(jìn)行了探究，其中包括光伏發(fā)電功率短期預(yù)測和實時能量管理。
　　準(zhǔn)確的預(yù)

2、知光伏組件在未來某段時間內(nèi)的發(fā)電功率，對光伏電站內(nèi)的光伏組件和儲能系統(tǒng)的最優(yōu)配合、經(jīng)濟(jì)調(diào)度、最優(yōu)潮流等具有著深遠(yuǎn)意義。為此，本文基于Elma n神經(jīng)網(wǎng)絡(luò)理論研究光伏發(fā)電功率短期預(yù)測模型。首先，研究了氣象因素（如太陽輻照度、溫度等）與光伏發(fā)電功率的相關(guān)性；其次，搭建了基于Elma n神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率短期預(yù)測模型，確定模型的輸入層、隱含層、輸出層和承接層的神經(jīng)元數(shù)目，并定量評估了不同天氣類型下的預(yù)測模型的預(yù)測精度。與 BP神經(jīng)網(wǎng)絡(luò)算法

3、和NSET算法作對比分析研究，驗證本文所采用的預(yù)測模型算法比這兩種算法的預(yù)測精度都高。
　　光伏發(fā)電的出力波動劇烈，不宜獨(dú)立向負(fù)荷供電，需要同其它儲能裝置配合使用。此外，光伏電站并網(wǎng)運(yùn)行改變了系統(tǒng)中的潮流分布，所以需要對光伏單元、儲能系統(tǒng)和大電網(wǎng)之間的能量進(jìn)行管理，實現(xiàn)光伏電站穩(wěn)定并網(wǎng)、高效經(jīng)濟(jì)運(yùn)行。針對光伏單元在并網(wǎng)運(yùn)行中面臨的能量管理問題，本文建立了一種并網(wǎng)光伏電站實時能量管理模型。首先，從凌晨0:00到24:00劃分為峰、平