光伏功率预测技术

被引：233

作者：

龚莺飞 ^{[1
,2
]}

鲁宗相 ^{[1
,2
]}

乔颖 ^{[1
,2
]}

王强 ^{[3
]}

机构：

[1] 清华大学电机工程与应用电子技术系

[2] 电力系统及发电设备控制和仿真国家重点实验室清华大学

[3] 国网河北省电力公司

来源：

电力系统自动化 | 2016年 / 40卷 / 04期

关键词：

光伏功率预测; 云图; 数值天气预报; 预测算法;

D O I：

暂无

中图分类号：

TM615 [太阳能发电];

学科分类号：

0807 ;

摘要：

光伏功率预测是提高光伏电站控制、调度性能,保障高比率光伏发电接入的电网安全稳定运行的基础性关键技术。国内光伏功率预测技术研究和工程应用尚处于起步阶段,理清其技术脉络和关键问题尤其迫切。文中对光伏功率预测基本技术原理和关键问题进行了全面综述,首先介绍其基本原理和预测模式,然后总结了超短期和短期预测的主要技术要点,并着重对提升预测精度的相关研究进行评述,最后结合中国光伏功率预测发展现状,提出了值得研究和关注的光伏功率预测关键问题。

引用

收藏

页码：140 / 151

页数：12

相关论文

共 45 条

[1] 光伏发电出力的条件预测误差概率分布估计方法 [J].

赵唯嘉 ;

张宁 ;

康重庆 ;

王跃峰 ;

李鹏 ;

马烁 .

电力系统自动化, 2015, 39 (16) :8-15

[2] 基于遗传算法—模糊径向基神经网络的光伏发电功率预测模型 [J].

叶林 ;

陈政 ;

赵永宁 ;

朱倩雯 .

电力系统自动化, 2015, 39 (16) :16-22

[3] 组合数值天气预报与地基云图的光伏超短期功率预测模型 [J].

朱想 ;

居蓉蓉 ;

程序 ;

丁宇宇 ;

周海 .

电力系统自动化, 2015, 39 (06) :4-10+74

[4] 基于小波神经网络的太阳辐照强度预测 [J].

贺文 ;

齐爽 ;

李国庆 ;

陈厚合 .

可再生能源, 2015, (03) :333-339

[5] 基于小波变换和神经网络的光伏功率预测 [J].

张立影 ;

刘智昱 ;

孟令甲 ;

王泽忠 .

可再生能源, 2015, (02) :171-176

[6] 基于机器学习的自适应光伏超短期出力预测模型 [J].

高阳 ;

张碧玲 ;

毛京丽 ;

刘勇 .

电网技术, 2015, 39 (02) :307-311

[7] 地基云图结合径向基函数人工神经网络的光伏功率超短期预测模型 [J].

陈志宝 ;

丁杰 ;

周海 ;

程序 ;

朱想 .

中国电机工程学报, 2015, 35 (03) :561-567

[8] 一种基于森林模型的光伏发电功率预测方法研究 [J].

宋小会 ;

郭志忠 ;

郭华平 ;

吴双惠 ;

王兆庆 ;

邬长安 .

电力系统保护与控制, 2015, 43 (02) :13-18

[9] 考虑空气污染因素的光伏发电量回归分析 [J].

刘大为 ;

彭文博 ;

鲍亮亮 ;

马铭远 ;

赵志国 .

可再生能源, 2014, (12) :1785-1790

[10] 基于支持向量机的单日多类型天气短期光伏功率预测 [J].

鲁斌 ;

蔡志彬 .

网络安全技术与应用, 2014, (10) :76-77+79

← 1 2 3 4 5 →