分布式光伏出力相關因素分析及短時尺度預測研究.pdf

1、光伏發(fā)電輸出功率具有明顯的隨機性和間歇性，隨著分布式光伏系統(tǒng)大規(guī)模并入電網，必將對電網調度管理、用電安全帶來巨大挑戰(zhàn)。光伏出力預測是解決該問題的關鍵技術之一，是分布式光伏發(fā)電精細化管理、安全和調度的基礎，對改善光伏入網質量具有重要的意義。
　　本文首先設計并實現了氣象參數和電氣參數的遠程在線監(jiān)測系統(tǒng)。在此基礎上，研究了光伏出力的影響因素和輸入參數相關性?，F有的預測模型存在輸入維數高和模型結構復雜等缺點，其預測結果也難以滿足實際需求

2、。本文引入理論數據作為外生輸入變量降低對數據環(huán)境的要求，通過小波分析得到高頻數據作為變異度特征數據，以此實現簡化分類。此外通過對相關因子二次計算達到降低數據耦合程度的目的。然后利用Gamma Test和多目標遺傳組合算法，實現智能選擇輸入變量，減小信息冗余。并通過建立支持向量回歸機模型、神經網絡模型和自回歸模型實例分析，實現小時平均輸出功率的分類預測，在天氣異變度較低時相對均方根誤差分別為9.7％，9.1%，7.8%；異變度較高時分別為

3、13.54%，13.36%，13.87%的預測精度。相較于優(yōu)化前精度提高3%以上，實驗結果表明引入外生因子和優(yōu)化選擇變量方法對提高預測精度和縮減訓練時間有明顯作用。同時，光伏出力預測仍有很大的不確定性，單點預測難以滿足所有需求。因此，建立了2D區(qū)間預測模型，預測區(qū)間包含未來時間間隔內瞬時輸出功率變化的上界和下界。實現了基礎算法模型平均相對誤差13.2%和支持向量機模型平均誤差11.04%的預測精度。針對分布式光伏電站精細化管理的需求研制