计及天气与气象因子关联度的短期光伏发电功率预测
光伏发电系统的功率受天气、气象因子、地理位置等多种因素的影响，所以光伏发电系统的输出功率呈高度的波动性、随机性。光伏发电功率预测是提高电网控制、保证高比率光伏并网运行的基础性关键技术。由于光伏发电系统的输出功率受多种因素的影响，因此本文提出了一种计及天气与气象因子关联度的短期光伏发电功率预测的方法。 首先，针对用于光伏发电功率预测数据受机器故障、停电等影响的问题，在进行相似日选取前，通过iForest算法进行问题数据的清除。通过相关性分析软件SPSS进行五种天气类型下光伏发电功率与五种气象因子Pearson相关系数的分析，并将五种气象因子做模糊聚类，获得历史日与待测日的关联系数。并定义了通过相关系数和关联系数确定历史日与待测日的关联度的计算方法，从而根据关联度的大小确定相似日。根据内蒙古某城区光伏电站2019年1月1日~2020年1月1日的光伏发电功率及相关历史数据,通过仿真分析计及天气及气象因子相关度的相似日选取方法的优势。 其次，短期光伏发电功率的预测值对准确性和实效性的要求较高。本文引入蚁群算法用以优化BP神经网络的各个初始权值及阈值，避免陷入局部最优。引入自适应学习效率缩短训练时长，并提高训练精度。在此基础上，构建通过自适应学习效率改进的ACO-BP(Antcolonyoptimizationalgorithms，ACO)神经网络光伏发电功率预测模型。通过对比BP神经网络、ACO-BP神经网络、改进的ACO-BP神经网络，通过误差结果对比发现，改进的ACO-BP神经网络的预测精度最高。
光伏发电;功率预测;模糊聚类关联度;ACO-BP神经网络模型
燕山大学
硕士
电力系统及其自动化
钟嘉庆
2021
中文
TM615
2021-12-23（万方平台首次上网日期，不代表论文的发表时间）