基于天气状态模式识别的光伏电站发电功率分类预测方法

被引：74

作者：

王飞 ^{[1
]}

米增强 ^{[1
]}

甄钊 ^{[1
]}

杨光 ^{[1
]}

周海明 ^{[2
]}

机构：

[1] 新能源电力系统国家重点实验室(华北电力大学)

[2] 中国电力科学研究院

来源：

中国电机工程学报 | 2013年 / 33卷 / 34期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

光伏电站; 功率预测; 模式识别; 太阳辐照度; 支持向量机; 天气状态;

D O I：

10.13334/j.0258-8013.pcsee.2013.34.013

中图分类号：

TM615 [太阳能发电];

学科分类号：

0807 ;

摘要：

光伏发电功率的准确预测对电网调度的计划安排及光伏电站的优化运行具有重要意义。采用单一模型实现多种不同天气状态下光伏发电功率的准确预测非常困难。在分析辐照度变化规律基础上,综合考虑分类总数、类型代表性和分布均衡性,针对气象专业天气类型进行归纳合并,得到4种广义天气类型;进而给出光伏发电功率分类预测的基本框架;提取辐照度的特征参数,建立基于支持向量机的天气状态模式识别模型,辨识恢复部分历史数据所缺失的天气类型信息;最后利用光伏电站的实际运行数据进行仿真,结果验证了模式识别的准确性和分类预测的有效性。

引用

页码：75 / 82+14 +14

页数：9

共 12 条

[1] 基于神经网络与关联数据的光伏电站发电功率预测方法 [J].

王飞 ;

米增强 ;

杨奇逊 ;

赵洪山 .

太阳能学报, 2012, 33 (07) :1171-1177

[2] 基于改进BP神经网络的光伏发电系统输出功率短期预测模型 [J].

丁明 ;

王磊 ;

毕锐 .

电力系统保护与控制, 2012, 40 (11) :93-99+148

[3] 基于天气类型聚类识别的光伏系统短期无辐照度发电预测模型研究 [J].

代倩 ;

段善旭 ;

蔡涛 ;

陈昌松 ;

陈正洪 ;

邱纯 .

中国电机工程学报, 2011, 31 (34) :28-35

[4] 基于马尔可夫链的光伏发电系统输出功率短期预测方法 [J].

丁明 ;

徐宁舟 .

电网技术, 2011, 35 (01) :152-157

[5] 基于神经网络的光伏阵列发电预测模型的设计 [J].

陈昌松 ;

段善旭 ;

殷进军 .

电工技术学报, 2009, 24 (09) :153-158

[6] 基于支持向量机回归的光伏发电出力预测 [J].

栗然 ;

李广敏 .

中国电力, 2008, (02) :74-78

[7] A review of the factors affecting operation and efficiency of photovoltaic based electricity generation systems [J].

Meral, Mehmet Emin ;

Dincer, Furkan .

RENEWABLE & SUSTAINABLE ENERGY REVIEWS, 2011, 15 (05) :2176-2184

[8]

Short–mid-term solar power prediction by using artificial neural networks[J] . Solar Energy . 2011 (2)

[9] Online 24-h solar power forecasting based on weather type classification using artificial neural network [J].

Chen, Changsong ;

Duan, Shanxu ;

Cai, Tao ;

Liu, Bangyin .

SOLAR ENERGY, 2011, 85 (11) :2856-2870

[10]

A case study of a typical 2.32kW P stand-alone photovoltaic (SAPV) in composite climate of New Delhi (India)[J] . Arvind Chel,G.N. Tiwari.Applied Energy . 2010 (4)

← 1 2 →