基于地基云图的光伏功率超短期预测模型

被引：32

作者：

陈志宝 ^{[1
]}

李秋水 ^{[2
]}

程序 ^{[1
]}

周海 ^{[1
]}

丁杰 ^{[1
]}

机构：

[1] 中国电力科学研究院(南京)

[2] 南瑞集团公司(国网电力科学研究院)

来源：

电力系统自动化 | 2013年 / 37卷 / 19期

基金：

国家高技术研究发展计划(863计划);

关键词：

地基云图; 云团提取; 云团跟踪; 光伏功率预测; 超短期; 辐照度;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

以地基云图采集设备提供的实时日间彩色天空状况图像为研究对象,通过数字图像处理技术对时间序列图像进行了处理和分析,运用云团提取算法和跟踪学习算法实现对云团未来运动状况的预估,结合一天中太阳在云图像上的位置计算,预测未来时刻太阳的遮挡情况,进而预测辐照度和光伏功率的变化。研究结果表明,文中所述模型具有很好的可行性和实用性,为光伏电站0～4h超短期功率精确预测提供了方法。

引用

页码：20 / 25

页数：6

共 9 条

[1]

太阳能光伏发电应用技术.[M].杨金焕; 于化丛; 葛亮; 编著.电子工业出版社.2009,

[2]

数字图像处理MATLAB版.[M].(美) 冈萨雷斯 (Gonzalez;R.C.) 等; 著.电子工业出版社.2004,

[3] 并网光伏的短期运行备用评估 [J].

汪海瑛 ;

白晓民 .

电力系统自动化, 2013, 37 (05) :55-60

[4] 基于灰色神经网络组合模型的光伏短期出力预测 [J].

王守相 ;

张娜 .

电力系统自动化, 2012, 36 (19) :37-41

[5] 最小二乘支持向量机在光伏功率预测中的应用 [J].

朱永强 ;

田军 .

电网技术, 2011, 35 (07) :54-59

[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 24-h forecast of solar irradiance using artificial neural network: Application for performance prediction of a grid-connected PV plant at Trieste, Italy [J].

Mellit, Adel ;

Pavan, Alessandro Massi .

SOLAR ENERGY, 2010, 84 (05) :807-821

[8] Feature extraction from whole-sky ground-based images for cloud-type recognition [J].

Calbo, Josep ;

Sabburg, Jeff .

JOURNAL OF ATMOSPHERIC AND OCEANIC TECHNOLOGY, 2008, 25 (01) :3-14

[9]

Short-term forecasting of solar radiation: a statistical approach using satellite data.[J].A. Hammer;D. Heinemann;E. Lorenz;B. Lückehe.Solar Energy.1999, 1

← 1 →