论文部分内容阅读
近年来随着国家对新能源投入的加大,我们国家太阳能装机容量也出现了井喷式的提高,因此对电力系统所产生的影响也越来越高。因为太阳能发电功率受气象环境等各方面条件的影响,所以波动性和随机性较大,大规模集中并网的太阳能发电对电力系统的安全可靠运行带来了极大的挑战。因此,光伏电站功率预测研究具有重要的理论和现实意义。 欧美等发达国家的功率预测技术起步较早,其中有一些预测系统已经成功运用到实际生产当中。我们国内的预测技术研究起步较晚,成功做出功率预测系统软件的公司不超过五家,不但费用高昂、用户体验差,而且在预测精度和可能性方面仍然还有很大提高空间。 本文在研究已有预测方法的基础上,结合基于时间序列的预测模型,研究提高光伏功率预测精度的组合预测算法,提出了正负误差变权组合预测模型。在滚动变权组合预测模型的基础上,根据不同时刻,不同误差的正负关系赋予不同权重比,最大程度利用有效信息,可以极大提高预测准确性。 本课题详细介绍了光伏功率的特点及预测基本过程,具体分析了甘肃省某光伏电站发电功率各方面的特性。根据对发电功率产生影响因素的实际情况选取了三种不同方法的预测模型:灰色神经网络系统理论模型、时间序列的Elman模型和支持向量机模型,分别进行结果的预测。再由单一模型的片面性,引出组合预测方法,试利用不同方法的优缺点优化组合权值。实验结论证明,本文所提出的多种组合预测模型其预测准确度大大优于现有的单一模型以及组合模型的预测结果,表明本文所提方法是切实可行的和有效的。