并网型光伏电站发电功率的建模与预测研究

当今社会传统能源面临枯竭,人类生态环境日益恶化。太阳能光伏发电以资源丰富、清洁、不受资源分布地域的限制等优点成为人们关注的焦点。并网型光伏发电,就是将通过光伏效应生成的电能输入电网。目前并网光伏发电已经占世界光伏发市场的80%以上。由于太阳能光伏发电存在能量密度低、稳定性差、调节能力差等诸多缺点,且发电量的多少受天气和地域因素影响较大,并入电网后会对供电质量造成影响,所以在并入电网之前,有必要对发电功率做出有效的预测,以减轻对大电网的负面影响。 本文通过对光伏发电功率的特性分析,在深入研究高斯过程算法基本原理的基础上,提出将高斯过程(Gaussian Process, GP)应用到光伏发电功率的预测问题中。通过对发电功率特性以及发电功率影响因索的分析,确定直接影响发电功率的因素包括光照强度、温度、天气类型等,与历史发电功率数据一起构建训练样本集和测试样本集,然后采用高斯过程算法对训练样本进行学习,训练生成GP预测模型,最后利用训练好的预测模型和测试样本集进行发电功率预测,并与其他模型的预测结果对比,展现了GP模型的优越性。GP模型的参数选择是影响预测精度的主要因素,本文采用和声搜索(Harmony Search, HS)算法替代传统的共轭梯度法来解决高斯过程的参数优化,得到了更好的寻优效果。实验结果表明,在光伏发电功率预测应用中,HS-GP方法比GP方法的预测精度更高。最后本文根据提出的预测模型与方法设计实现了一个光伏电站发电功率预测系统,并进行了详细的描述,包括架构设计、功能设计、数据库设计,以及系统的部分操作界面。该系统具备了光伏发电功率预测系统的基本功能,例如历史数据录入、模型训练、功率预测、误差统计以及结果的图表展示功能等等,具有一定的实用性。