基于克里格模型的光伏发电量预测

被引:28
作者
张玉
黄睿
张振涛
张烈平
机构
[1] 桂林理工大学机械与控制工程学院
关键词
光伏发电; 克里格模型; 辐射度; 发电量; 预测; 适应性; 准确性; 误差;
D O I
暂无
中图分类号
TM615 [太阳能发电];
学科分类号
080811 [新能源发电与电能存储];
摘要
受太阳辐射强度、地理纬度、气候等因素的影响,光伏发电系统输出功率波动性较大,而现有光伏发电量预测模型精度较低。本文提出基于克里格模型的光伏发电量预测,首先建立地表辐射强度模型,并分析辐射强度与光伏发电的关系,确定克里格插值方法与约束条件,然后根据原始样本计算权重系数,最后利用预测模型对未来几天进行发电量预测。实验结果表明,相对于BP神经网络、马尔可夫链和灰色理论预测模型,克里格模型的适应性更强、准确率更高、误差更小。
引用
收藏
页码:27 / 32
页数:6
相关论文
共 13 条
[1]
一种新的光伏并网评价体系 [J].
陈力 ;
胡钋 ;
卫敬宜 ;
卢成城 ;
石少伟 ;
王可 .
电力系统保护与控制, 2017, 45 (02) :105-110
[2]
考虑网络传输约束的并网光伏发电消纳容量计算 [J].
欧阳聪 ;
刘明波 .
电力系统保护与控制, 2016, 44 (05) :17-23
[3]
光伏电站有功功率优化分配 [J].
刘琳 .
热力发电, 2015, (11) :104-108
[4]
光伏规模化并网的电能质量复合控制策略研究 [J].
黄冬冬 ;
吴在军 ;
窦晓波 ;
莫熙 ;
赵波 .
电力系统保护与控制, 2015, 43 (03) :107-112
[5]
基于BP神经网络的火电机组实时负荷裕度计算 [J].
范奇 ;
胡学伟 ;
吴涛 ;
赖菲 ;
王智微 ;
刘超飞 ;
宋兴光 ;
陈钢 .
热力发电, 2014, (05) :132-134
[6]
基于马尔可夫链的光伏并网发电量预测 [J].
李英姿 ;
贺琳 ;
牛进苍 .
太阳能学报, 2014, 35 (04) :611-616
[7]
主成分分析结合神经网络的光伏发电量预测 [J].
蒋浩 ;
洪丽 ;
张国江 .
电力系统及其自动化学报, 2013, 25 (06) :101-105
[8]
基于BP神经网络的光伏发电短期出力预测 [J].
袁晓玲 ;
施俊华 ;
徐杰彦 .
可再生能源, 2013, (07) :11-16
[9]
基于RLS和WT的逐日太阳辐射度预测模型研究 [J].
王晓兰 ;
葛鹏江 .
太阳能学报, 2013, 34 (03) :433-438
[10]
基于灰色理论的汽轮机振动预测 [J].
梁磊 ;
苏雷涛 ;
冯永新 ;
蒋东翔 .
热力发电, 2012, 41 (10) :18-20