共查询到20条相似文献,搜索用时 93 毫秒
1.
文章提出一种混合蛙跳算法和核主成分分析的光伏发电功率综合预测方法,以日期、时刻、历史天气预报中的云层状况和温度为输入量,以光伏发电系统历史发电数据和历史天气预报数据为基础,用核主成分分析对输入量降维,提取主要输入成分,与光伏发电功率输出共同构成历史数据库,对历史数据进行训练,建立光伏发电功率的综合预测模型,利用相对均方根误差对模型进行评估。结果表明,文章提出的方法建模速度快,模型预测精度较高。 相似文献
2.
3.
针对光伏电站发电量预测不准确及多种气象因素下预测结果出现波动的问题,提出一种基于遗传算法小波神经网络(GA-WNN)的光伏电站发电量预测方法。首先,以反向传播(BP)神经网络的结构为框架,选择小波基函数作为隐含层的传递函数,将网络连接权值、小波函数伸缩因子、小波函数平移因子视为遗传个体,并通过遗传算法(GA)进行个体寻优以得到网络最优初始参数;然后,利用优化后的网络进行仿真预测,并对仿真数据进行分析;最后,将预测结果与实际发电量进行对比,以评估预测模型的误差和可靠性。实例分析表明,GA-WNN预测模型具有更小的误差和更高的预测精度,适用于精确预测光伏电站的发电量。 相似文献
4.
5.
首先根据太阳能辐射的机理模型推算出1MW太阳电池方阵的发电量,再与国外软件的发电量进行对比,并分析差异原因。最后提出,待光伏电站的实际运行数据获取后,再对本理论计算方法进行优劣分析。 相似文献
6.
以陕西靖边大型光伏电站建设为例,对是否需要大面积防雷设计进行了探讨,并针对电站光伏方阵、控制机房、升压站等的防雷提出了具体的防雷方案。 相似文献
7.
云南省是中国太阳能资源最丰富的地区之一,光伏发电已成为该省实现能源转型的中坚力量和减少碳排放的重要举措。基于Meteomorm和SolarGIS数据库,对在云南省曲靖市会泽县拟建的娜姑光伏电站所在区域的太阳能资源时空分布特征进行了分析;并通过计算能够反映太阳能资源丰富程度、稳定度和太阳直接辐射状况的量化指标,评估了该光伏电站建设地的气候适宜性;然后利用光伏发电系统设计软件,结合电站所在地的实际地形,对该电站光伏阵列的布置方式进行了优化,并预测了电站的发电量。分析结果表明:1)基于Meteomorm和SolarGIS数据库分别计算得到的月均水平面太阳辐射量及月均水平面太阳散射辐射量的变化趋势和数值基本接近;2)根据SolarGIS数据库计算得到的娜姑光伏电站建设区域的年总水平面太阳辐射量、月均法向太阳直接辐射量和年总水平面太阳散射辐射量分别为1655.9、1361.8和755.0 kWh/m2;3)娜姑光伏电站装机容量为151.2 MW时,预计其25年的总发电量为5499833.0 MWh,年均发电量为219993.3 MWh,年均等效利用小时数为1454.9 h。该研究可为娜姑光伏电站... 相似文献
8.
9.
10.
11.
文章提出了一种基于人工神经网络(ANN)和模拟集成(AnEn)的短期光伏发电预测方法。该方法首先利用数值天气预报模型,以计算天文变量为输入,对光伏发电站点进行72 h的确定性和概率预测;然后分别运用基于ANN,AnEn和ANN+AnEn联合模型方法对3个光伏发电站点进行预测,并进一步利用模拟4 450个光伏电站的综合数据验证了该模型方法的可扩展性;最后利用美国国家大气研究中心(NCAR)的黄石超级计算机,在1个节点(32核)~4 450个节点(141 140核)内测试了该方法的并行运算处理能力。实验结果表明,基于ANN+AnEn联合模型方法可以获得最佳结果,同时证明了该方法适用于大规模并行计算。 相似文献
12.
13.
14.
为了解决传统光伏电站超短期功率预测方法不能同时准确提取发电功率的时间和空间特征的问题,提出一种基于时空图卷积神经网络的光伏发电功率超短期预测方法。针对同一区域内的多个光伏电站,首先对电站进行图建模,利用图卷积网络(GCN)与门控线性单元(GLU)提取发电功率的时空特征。利用提取到的时空特征信息以及区域内光伏电站的历史发电功率数据训练预测模型,最终实现对多个光伏电站发电功率超短期预测。实验结果表明,该方法能够将超短期功率预测均方根误差减小至1.122%,对工作人员根据实际情况进行电网的调度管理具有重要意义。 相似文献
15.
16.
为了提高风能资源的有效利用,提高风电机组运行的可靠性、经济性和安全性,故障预测变得尤为重要。故障预测方法在判断设备隐患、制定合理的风电场运维方案方面具有重要的理论和实际意义。围绕变桨系统故障预测的问题,文章利用小波对机械信号特征敏感的优点,引入自适应阈值函数实现对小波降噪的改进,结合具有自学习能力和并行处理能力强的BP神经网络,建立了自适应阈值的小波BP神经网络故障预测模型。该模型结合了小波分析的技术特点,减少了噪声对预测模型的干扰,模型简洁、易实现。应用该网络预测模型,提前15 d对变桨系统故障预测的准确率达到了92.27%。 相似文献
17.
18.
19.
Regional forecasts of power generated by photovoltaic systems have an important role helping power utilities to manage grids with a high level of penetration of such systems. The objective of this study is to propose a method to obtain one-day ahead hourly regional forecasts of photovoltaic power when regional information is available. The method is based on the use of principal component analysis, support vector regression and weather forecast data. One-day ahead regional forecasts of photovoltaic power were done for 4 of the main regions of Japan for 1 year, 2009, using hourly power generation data of 453 photovoltaic systems. The performance of the method was characterized comparing the results it yielded with the ones provides by a persistence approach and by an approach that do not employ the principal component analysis. Moreover, the expected smoothing effect on the error achieved when the regional forecasts are based on forecasts for each photovoltaic system is presented, constituting an additional reference to evaluate the proposed method. The results show that the method performed well; its regional forecasts had a normalized annual root mean square error of 0.07 kWh/kWrated in the worst case, and the persistence approach was outperformed by at least 51% regarding the same error. The use of principal component proved to be a simple and particularly effective approach, decreasing the bias of the forecasts in all regions, and causing a reduction of the normalized root mean square error from 20.2% to 57.8% depending on the region. The proposed method also yielded results within the same level of forecasts which benefitted from the smoothing effect; the former presented a maximum variation of 10.2% of the normalized root mean square error of the latter in the worst case. 相似文献
20.
基于PSO-BP神经网络的短期光伏系统发电预测 总被引:1,自引:0,他引:1
对光伏发电影响因素进行了分析,建立了粒子群算法优化的前向神经网络光伏系统发电预测模型。该模型利用了粒子群算法来优化神经网络内部连接权值和阈值,兼具粒子群和BP神经模型的优点,具有较好的收敛速度,泛化性能与预测精度。将光伏电站发电历史数据与天气情况作为样本,运用所建立的模型进行了训练与预测。结果表明,经过粒子群优化的BP网络模型预测精度高于典型BP网络,验证了该方法的有效性。 相似文献