导读:本文包含了光伏出力预测论文开题报告文献综述及选题提纲参考文献，主要关键词:光伏发电,功率预测,数字特征,云模型
光伏出力预测论文文献综述
陈中,车松阳[1]（2019）在《基于云变换的光伏出力预测模型》一文中研究指出针对环境温度、环境湿度、辐射强度3种影响因子,建立基于云变换的光伏出力短期预测模型。首先,利用云峰值变换将影响因子转换为论域中的定性概念。然后,通过云合并进行概念跃升,构建隶属度函数进行数据划分,结合改进的Apriori算法获取各影响因子之间的联系。最后,建立云规则发生器,对光伏发电的出力进行预测,获取在不同置信区间下的预测结果集。所建立的云变换模型,对随机性与不确定性预测更加精确,既可通过期望的形式给出预测精确值,同时也可根据云模型的不确定性原理给出指定置信度的预测范围。(本文来源于《太阳能学报》期刊2019年11期）
赵康宁,蒲天骄,王新迎,李烨[2]（2019）在《基于改进贝叶斯神经网络的光伏出力概率预测》一文中研究指出光伏功率预测准确性对电网调度运行影响很大,传统的确定性预测方法对光伏出力波动的响应能力不足,给电网的安全稳定运行带来挑战。提出了基于改进贝叶斯神经网络的光伏出力概率预测方法,将神经网络的权重以概率分布的形式表示,提高了神经网络应对光伏出力随机性的能力;依据输入输出相关性进行特征降维,提高数据密度,抑制过拟合;在贝叶斯神经网络的输入端引入全连接神经网络与一维卷积神经网络,提高网络对不同输入数据的信息提取能力,提高预测精度。以实际系统为例进行实证分析,结果表明,与传统的确定性预测模型相比,所提方法在光伏出力波动时具有更高的预测准确率;与其他概率预测方法相比,所提方法在保持较高总体预测准确率的同时,预测功率区间更窄。(本文来源于《电网技术》期刊2019年12期）
杜进桥,徐诗鸿,胡志豪,李艳,随权[3]（2019）在《基于光伏出力区间预测的相变储能电-热联合调度策略》一文中研究指出分布式光伏出力具有较大不确定性。为分析其对相变储能电-热耦合系统联合调度的影响,对传统区间预测评价指标进行改进,并利用改进的区间预测模型,提出了一种分布式光伏出力波动范围评估方法。基于现有相变储能电-热联合调度模型,合理计及光伏出力波动性,制定了其电-热联合调度策略。并开展不同出力置信水平下,电-热联合调度策略作用后系统的经济性与风险评估。最后通过仿真算例,分析了光伏出力波动与系统经济性和风险性之间的影响关系,为相变储能系统的实际应用提供了参考借鉴。(本文来源于《电力系统保护与控制》期刊2019年21期）
杨红军,王胜辉,李潇潇[4]（2019）在《基于最优加权组合模型的光伏出力预测》一文中研究指出针对单一光伏出力预测方法的局限性,建立了一种基于最优加权组合方法的光伏发电功率预测模型。基于气象信息数据,采用模糊聚类的方法将历史光伏发电功率样本分为几类,然后将预测日归类为相似度较高的历史样本集。将此类历史样本与预测日的气象数据作为输入样本分别建立BP神经网络模型、支持向量机模型。利用最优加权组合算法进行多模型的加权组合,得到组合预测模型。某光伏电站的实测功率数据与模型预测结果对比表明,提出的模型有较高的预测精度。(本文来源于《沈阳工程学院学报(自然科学版)》期刊2019年04期）
丁建豪,郭佳田,施勇,张昊,杨东升[5]（2019）在《考虑时空特性的分布式光伏出力预测研究》一文中研究指出光伏发电具有很强的不确定性,本文建立了基于Copula理论的多点光伏联合出力预测模型。首先,基于地表太阳辐照度、温度、云层厚度等影响因素,本文建立了输入选择策略和基于神经网络的基本预测模型。考虑到天气因素的随机性,本文应用Copula理论建立单点光伏出力的条件概率分布,在预测可能出现的出力值的同时给出相应概率。最后对多个光伏电站进行聚类分析,将强相关性电站聚为一类,再依据Pair-copula理论构建联合出力的条件概率分布,建立多点光伏出力的概率预测模型。本文将所建立的模型应用于2014年全球能源预测竞赛和北美53座光伏电站的出力预测,验证了本文所提出的单点及多点概率预测模型有效性,能够为含有光伏电站的电力系统运行规划提供参考依据。(本文来源于《电气技术与经济》期刊2019年04期）
张静,褚晓红,黄学安,范文,陈雁[6]（2019）在《一种基于加权马尔科夫链修正的SVM光伏出力预测模型》一文中研究指出构建高效的光伏出力预测模型,能减少光伏出力随机性对电力系统的冲击。考虑光伏发电的随机性和不稳定性,提出用加权的马尔科夫链修正SVM预测模型,以提高预测精度。首先建立SVM光伏出力预测模型,预测未来1天的出力曲线。然后基于均值-均方差方法对预测残差进行分级,以残差序列标准化的各阶自相关系数为权重,运用加权马尔科夫链模型,预测残差的未来状态。最后根据未来状态空间的阈值对SVM预测结果进行修正。将此模型应用到某光伏发电系统的出力预测实例中,仿真结果表明,修正后的模型预测精度更高,模型具备可行性和有效性。(本文来源于《电力系统保护与控制》期刊2019年19期）
赖昌伟[7]（2019）在《基于奇异谱分析的短期光伏出力特性分析与预测》一文中研究指出近年来,太阳能因其可再生、易开发等优点得到规模化发展,光伏发电成为当今可再生能源领域的研究热点。然而,光伏发电出力其固有的间歇性和波动性给电力系统的调度决策和可靠运行带来挑战。准确的光伏出力预测可以帮助调度部门制定科学合理的决策计划,降低系统备用和运行成本,提高光伏电站并网接入水平。针对光伏出力的特性,本文分析了光伏出力的特性和影响光伏出力的气象因素。基于实测光伏电站出力及气象数据,采用线形图法和相关系数法定性和定量研究了光伏出力与温度、辐照强度、风速、相对湿度、云量及降雨量等气象因素之间的关系,确定了温度和辐照强度为影响光伏出力的主要气象因素,采用灵敏度分析法定量研究了温度和辐照强度对光伏出力的影响程度。针对光伏出力预测,本文提出了一种基于奇异谱分析的短期光伏出力预测方法 SSA-MF(Singular Spectrum Analysis method considering Meteorological Factors)。首先,采用奇异谱分析技术对原始光伏出力序列进行分解得到不同的光伏出力子序列即低频序列、高频序列和噪声序列,挖掘不同子序列所呈现的规律和特征;接着,根据光伏出力的各种特性和奇异谱分析理论,建立嵌入主要气象因素的短期光伏出力预测模型;最后,采用SSA-MF、BP(Back Propagation)神经网络、SSA-AR(Singular Spectrum Analysis method based on AutoRegressive)和AR(AutoRegressive model)4种方法分别对几种常见的不同天气类型的光伏出力进行了预测。大量的仿真结果表明,与BP神经网络、SSA-AR和AR相比,SSA-MF的预测精度最高,并且针对不同天气类型均具有较好的预测能力。这表明,本文所提出的一种基于奇异谱分析的短期光伏出力预测模型具有一定的优越性。(本文来源于《广西大学》期刊2019-05-01）
洪嘉玲[8]（2019）在《基于光伏出力概率预测的储能优化配置方法》一文中研究指出储能技术是实现高渗透可再生能源并网的关键技术之一。针对跟踪光伏计划出力这一场景下的储能配置问题,大多数研究将光伏出力点预测结果直接带入储能配置中,从而导致所需的储能容量过大。为解决这一问题,本文提出一种基于光伏出力概率预测的储能优化配置方法。该方法利用光伏出力概率预测方法对光伏出力预测值和实际值之间的关系建模,基于该模型得到的光伏出力概率预测结果得到更精确的点估计值,并将该点估计值作为储能优化配置的计算数据,以优化储能的配置。本文的主要研究内容及创新点概括如下:(1)研究了基于Copula理论的光伏出力概率预测方法(PPP-Copula),利用该方法对光伏出力预测值和实际值的相关关系建模,建立了不同维度下的相关模型。通过算例可以得出,叁维情景下的预测结果略优于二维情景下的预测结果。(2)研究了基于GRU网络分位数回归的光伏出力概率预测方法(PPP-QR-GRU)。将该概率预测方法与基于Copula理论的光伏出力概率预测方法进行比较。通过算例可以得出,两种方法的预测效果相差不大,但PPP-QR-GRU方法的通用性更好。(3)建立了基于PPP-Copula和PPP-QR-GRU方法的储能优化配置模型,其具体做法为将光伏出力概率密度最大值作为光伏出力的点估计值,并将该点估计值作为储能优化配置的计算数据。通过实例计算与分析对所提出的方法进行验证,从配置结果中分析可知,与直接采用点预测值相比,采用光伏概率密度最大值作为光伏出力点预测值配置得到的储能经济性更优。(本文来源于《合肥工业大学》期刊2019-05-01）
李瑞青[9]（2019）在《计及气象因素的超短期光伏电站出力预测研究》一文中研究指出由于受到多种气象因素的影响,导致光伏电站的出力值具有强烈的波动性和不确定性,为电力系统的发电规划、并网和经济调度带来了危害,阻碍了光伏电站进一步的推广和应用。因此,提高光伏电站出力预测的精度对光伏电站并网运行具有重要意义。针对光伏电站出力受气象因素影响而难以预测的特点,本文提出一种计及气象因素的超短期光伏电站出力预测方法。主要研究内容如下:针对影响光伏电站出力的不同气象因素进行分析。首先,分析了典型日下的太阳辐照强度、温度、风速、相对湿度和大气压强等气象因素与光伏出力之间的相关性。然后,分析晴天、阴天和雨天条件下光伏电站出力与不同气象因素之间的相关性。经分析得到,光伏电站出力值与不同的气象因素之间存在复杂的、非线性的耦合关系。为了进一步地对光伏电站出力与不同气象特征之间的相关性进行定量分析,引入了皮尔逊相关系数、互信息和条件互信息等特征重要度分析方法。首先,以西北某光伏电站实测数据构建原始特征集合。然后,采用条件互信息等方法对构建的原始特征集合进行特征相关性的定量分析。特征相关性越高,证明该特征对光伏电站出力预测的重要度越高。由实验分析可得:条件互信息在进行特征重要度分析时能够兼顾特征的相关性与冗余性,为后续构造具有低冗余、高精度最优特征子集提供了理论基础。依据光伏电站出力预测的特征重要度分析结果,提出了一种基于条件互信息特征选择的超短期光伏电站出力预测方法。首先,对深度门控循环单元神经网络进行优化,并将其作为特征选择的预测模型。然后,依据条件互信息等特征重要度分析结果,结合优化后的神经网络模型开展特征选择实验,将具有最小预测误差特征子集作为最优特征子集。最后,将最优特征子集配合最优深度神经网络模型开展超短期光伏电站出力预测研究。结果表明:经特征选择构建的最优预测模型与未经特征选择构建的预测模型相比,前者具有更高的预测精度;由条件互信息特征选择得到的最优特征子集在具有较少的特征维度的同时保证了预测模型具有较高的预测精度。(本文来源于《东北电力大学》期刊2019-05-01）
赖昌伟,黎静华,陈博,黄玉金,韦善阳[10]（2019）在《光伏发电出力预测技术研究综述》一文中研究指出准确的光伏发电出力预测对于保障高比例光伏接入后系统的安全稳定与经济运行具有重要意义。目前我国对于光伏发电出力预测技术的研究尚处于广泛研究阶段,本文对光伏发电出力预测技术的研究成果进行归纳总结。首先,分析光伏发电系统的发展及预测现状;然后,从点预测、区间预测和概率预测叁个方面,分别对当前的预测方法及技术、预测效果的衡量指标等进行了梳理、归类、总结和评述;最后,根据目前我国光伏产业的现状及发展趋势,探讨未来光伏发展及出力预测的研究方向。(本文来源于《电工技术学报》期刊2019年06期）
光伏出力预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
光伏功率预测准确性对电网调度运行影响很大,传统的确定性预测方法对光伏出力波动的响应能力不足,给电网的安全稳定运行带来挑战。提出了基于改进贝叶斯神经网络的光伏出力概率预测方法,将神经网络的权重以概率分布的形式表示,提高了神经网络应对光伏出力随机性的能力;依据输入输出相关性进行特征降维,提高数据密度,抑制过拟合;在贝叶斯神经网络的输入端引入全连接神经网络与一维卷积神经网络,提高网络对不同输入数据的信息提取能力,提高预测精度。以实际系统为例进行实证分析,结果表明,与传统的确定性预测模型相比,所提方法在光伏出力波动时具有更高的预测准确率;与其他概率预测方法相比,所提方法在保持较高总体预测准确率的同时,预测功率区间更窄。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
光伏出力预测论文参考文献
[1].陈中,车松阳.基于云变换的光伏出力预测模型[J].太阳能学报.2019
[2].赵康宁,蒲天骄,王新迎,李烨.基于改进贝叶斯神经网络的光伏出力概率预测[J].电网技术.2019
[3].杜进桥,徐诗鸿,胡志豪,李艳,随权.基于光伏出力区间预测的相变储能电-热联合调度策略[J].电力系统保护与控制.2019
[4].杨红军,王胜辉,李潇潇.基于最优加权组合模型的光伏出力预测[J].沈阳工程学院学报(自然科学版).2019
[5].丁建豪,郭佳田,施勇,张昊,杨东升.考虑时空特性的分布式光伏出力预测研究[J].电气技术与经济.2019
[6].张静,褚晓红,黄学安,范文,陈雁.一种基于加权马尔科夫链修正的SVM光伏出力预测模型[J].电力系统保护与控制.2019
[7].赖昌伟.基于奇异谱分析的短期光伏出力特性分析与预测[D].广西大学.2019
[8].洪嘉玲.基于光伏出力概率预测的储能优化配置方法[D].合肥工业大学.2019
[9].李瑞青.计及气象因素的超短期光伏电站出力预测研究[D].东北电力大学.2019
[10].赖昌伟,黎静华,陈博,黄玉金,韦善阳.光伏发电出力预测技术研究综述[J].电工技术学报.2019