一种考虑季节特性的光伏电站多模型功率预测方法

论文摘要

随着并网光伏发电容量的持续增加及多能源发电协同利用的需要,光伏发电功率的高精度预测对于提高规模化光伏发电的优化调度和安全运行日益重要。为了解决单一预测模型精度低的问题,提出了一种基于季节气象特征划分的光伏发电多模型预测方法。通过不同季节下光伏发电系统的电气特性和出力特性分析,说明了按照季节来划分功率预测多模型的必要性。以某光伏电站为例,利用BP神经网络建立不同季节的光伏发电预测模型,通过遗传算法优化了季节模型参数。利用实测数据对2种功率预测方法进行了比较,结果表明,该方法能有效提高光伏电站的功率预测精度。

论文目录

• 1 光伏发电季节性特征统计与分析
• 2 多模型的建立和优化
•   2.1 光伏发电功率建模的输入变量选取
•   2.2 基于遗传算法的BP神经网络结构与参数优化
•   2.3 光伏发电多模型功率预测方法
• 3 实例验证
•   3.1 季节多模型输入量选取
•   3.2 季节多模型结构的确定
•   3.3 性能验证
• 4 结论

文章来源

类型: 期刊论文

作者: 时珉,周海,韩雨彤,尹瑞

关键词: 光伏功率预测,太阳辐照度,人工神经网络,多季节模型

来源: 电网与清洁能源 2019年07期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 国网河北省电力有限公司,新能源与储能运行控制国家重点实验室,中国电力科学研究院有限公司,华北电力大学可再生能源学院

基金: 国网河北省电力有限公司科技项目(5204BB170007)~~

分类号: TM615

页码: 75-82

总页数: 8

文件大小: 3881K

下载量: 115