论文部分内容阅读
能源是经济社会发展的重要物质堪础。随着全球经济增长和世界人口增加,建立在化石能源基础上的传统能源发展方式已难以为继。坚强智能电网和全球能源互联网理念的实施,未来将使清洁能源的比重大幅度提升。因光伏发电系统出力具有明显的间歇性、随机波动性,大规模接入电网给电网调度管理带来巨大挑战。如何充分利用清洁能源、最大限度消纳成为电力系统的研究热点。所以研究光伏发电系统和对其输出功率进行有效预测具有重要实际意义。本文研究分析并网型光伏电站系统发电原理、系统组成和运行方式,并对光伏电站的控制调节系统进行详细设计。在研究分析了影响光伏电站出力的因素和出力特性基础上,确定了以天气类型指数、太阳辐照度、温度、湿度为主要影响因子,将高斯过程回归算法应用到光伏短期功率预测方面,验证了方法的可行性,并且实例验证了该方法预测效果优于小波神经网络与最小二乘支持向量机。针对光伏短期功率预测问题,提出一种基于分类建模思想和相似日原理结合粒子群改进高斯过程回归的预测方法。该方法以天天气类型指数建立二类数据库,并应用相似日原理以天气类型指数、日平均温度、日平均湿度作为预测时选取相似日的参考指标,针对不同的预测类型,选择相应的数据库,从中选取6天相似日,并采用组合协方差函数,权重线性递减粒子群算法(LinW-PSO)代替共轭梯度算法优化高斯过程回归模型超参数,在matlab中分别建立三种类型的高斯过程回归预测模型。针对陕西定边和甘肃武威两个不同区域的实际并网光伏电站进行算例验证分析,结果均表明本文提出的分类方法和LinWPSO-GPR组合预测建模思想能够提高光伏输出功率预测响应时间和预测精度,并且验证了该方法的应用普适性。