分布式光伏功率預測技術(shù)研究.pdf

1、隨著世界能源需求量的持續(xù)增長，全球范圍內(nèi)的能源危機日益險峻，加之傳統(tǒng)能源對環(huán)境造成的污染不斷突顯，可再生能源得到了大力發(fā)展。光伏發(fā)電作為一種綠色可再生能源，憑借永久性、清潔性和靈活性受到廣泛關(guān)注。但是，由于分布式光伏發(fā)電具有波動性和間歇性的特點，發(fā)電功率的變化將會導致接入點電網(wǎng)電壓的波動，同時加大配電網(wǎng)運行控制的難度。因此對分布式光伏發(fā)電系統(tǒng)輸出功率的不確定性進行研究具有重大的理論和現(xiàn)實意義。本文圍繞該主題，展開如下研究:
　　(

2、1)基于正交級數(shù)的光伏輸出功率概率研究
　　針對現(xiàn)有光伏輸出功率概率建模中參數(shù)法需要事先假設(shè)參數(shù)分布且不能綜合考慮各種隨機影響因素、核密度估計法帶寬值求取方法不統(tǒng)一的缺點，本文提出基于正交級數(shù)理論直接建立光伏輸出功率的概率模型，并利用實測光伏功率的歷史數(shù)據(jù)進行仿真，結(jié)合擬合優(yōu)度檢驗和誤差分析，驗證所提模型的準確性和有效性。
　　(2)基于層次聚類與PSO的雙輸出極限學習機光伏功率區(qū)間預測
　　傳統(tǒng)的光伏輸出功率預測采用

3、間接性的點值預測，模型基于輻照度與光伏輸出功率間的函數(shù)關(guān)系，忽略了影響光伏輸出功率因素的多樣性，且確定性的點值預測誤差范圍大、穩(wěn)定性低。針對該問題，本文提出基于場景分類和極限學習機的區(qū)間預測模型，根據(jù)實測氣象數(shù)據(jù)和歷史光伏功率直接給出預測區(qū)間，再利用粒子群算法優(yōu)化模型輸出權(quán)重，得到兼顧可靠性和清晰度的區(qū)間結(jié)果。
　　(3)基于增強學習的快速極限學習機光伏功率區(qū)間預測
　　針對極限學習機優(yōu)化過程耗時長的問題，本文提出基于增強學

4、習理論建立快速光伏輸出功率區(qū)間預測模型。將ELM模型作為基學習器，采用Adaboost算法根據(jù)驗證集的預測結(jié)果，在學習的過程中重點關(guān)注預測誤差大的樣本和學習性能好的基學習器，逐一更新樣本的權(quán)值和基學習器的權(quán)重，組合得到最終的區(qū)間預測結(jié)果。通過實例驗證了所提模型對區(qū)間預測技術(shù)計算速度的提高作用。
　　(4)基于在線序貫學習機的光伏功率區(qū)間預測
　　考慮到新建分布式光伏發(fā)電系統(tǒng)數(shù)據(jù)量少，采樣信息無法一次性獲得且存在信息冗余的情況