基于相似日和交叉熵理论的光伏发电功率组合预测

为进一步提高光伏发电功率预测精度,提出一种基于相似日和交叉熵理论的光伏发电短期功率组合预测方法.首先采用模糊C均值聚类方法对历史样本数据分类,并提出一种基于隶属度的指标来选取相似日.然后采用最小二乘支持向量机、时间序列法和BP神经网络法分别预测光伏发电功率,通过交叉熵算法动态设置各预测时刻下单一方法的权重值,建立光伏发电功率的组合预测模型.算例结果表明,所提方法能够动态识别单一预测方法包含的信息量,能确定更加合理的权重值,从而提高光伏发电功率的预测精度.     

谐波电压造成直流输电换相失败风险评估

换相失败是高压直流输电(high voltage direct current transmission,HVDC)运行中最常见的故障之一。国内外关于HVDC换相失败的研究已经取得了一些成果,但在谐波对HVDC换相失败的影响研究方面还有待进一步深入。文中从直流输电换相物理过程出发,基于换相电压—时间面积分析推导得出谐波影响因子,然后将谐波影响因子和换相电压—时间面积裕度相结合,定量分析谐波对HVDC换相过程的影响,并给出引起换相失败的谐波电压值理论计算方法;最后,基于PSCAD/EMTDC电磁暂态仿真平台对文中所提评估指标进行了仿真验证。     

基于OS-ELM的光伏发电中长期功率预测

为了进一步提高光伏出力预测的精度,提出了一种基于在线序列极限学习机的光伏发电中长期功率预测方法. 结合在线序列极限学习机学习速度快、泛化能力强的特点,通过对大量气象数据和历史发电数据综合处理,对光伏发电系统的输出功率进行预测. 同时,由于实时数据的不断输入,该方法能够对预测模型进行在线更新. 算例仿真研究表明,该预测方法与反向传播神经网络、支持向量机方法相比,能够有效提高预测精度,满足在线应用的需求,具有较好的应用前景.