微網中光伏發(fā)電系統(tǒng)的出力預測研究.pdf

1、隨著微網內光伏發(fā)電系統(tǒng)容量的不斷增大，在緩解能源危機和降低環(huán)境污染的同時，光伏出力的隨機性、波動性和間斷性等特點也對電網的安全、經濟和優(yōu)質運行帶來了嚴峻挑戰(zhàn)。對光伏出力進行準確預測，有助于供電部門適時調整供電計劃，統(tǒng)籌安排常規(guī)電源和光伏發(fā)電的協(xié)調配合，提高系統(tǒng)安全、穩(wěn)定運行能力。因此，探究光伏出力的影響因素與預測精度之間的關聯(lián)性，建立適當?shù)念A測模型，并選擇與待預測日相似度較高的樣本進行訓練，可提高光伏出力預測精度。為此，本文主要做了以下

2、工作：
　　首先，以實際運行的光伏發(fā)電系統(tǒng)為研究對象，根據(jù)監(jiān)控系統(tǒng)記錄的歷史出力和對應氣象信息進行采樣，以此來分析影響光伏出力的各種因素。利用Pearson相關系數(shù)法計算各因素與光伏出力之間的相關程度，從而可定量考慮各因素對光伏出力的影響。結合光伏出力值和對應氣象信息，確定每個采樣日期的天氣類型指數(shù)；選擇與光伏出力相關程度較大的因素組成氣象特征向量，在天氣類型指數(shù)一致的數(shù)據(jù)集合中，結合加權歐氏距離方法，選擇與待預測日每1 h天氣屬

3、性接近的樣本，由此得到的樣本可反映待預測日每個時段的天氣變化情況，用高相似度的樣本進行訓練、預測可提高模型預測精度。
　　其次，在分析現(xiàn)有預測算法特征和訓練樣本數(shù)據(jù)特征的基礎上，提出了基于改進粒子群優(yōu)化和最小二乘支持向量機的光伏出力超短期預測方法。針對傳統(tǒng)最小二乘支持向量機選取參數(shù)時依靠經驗試算、效率較低等缺點，引入了粒子群優(yōu)化算法，利用粒子群優(yōu)化算法基于粒子群的并行搜索特點來搜尋最優(yōu)目標函數(shù)值，從而賦予參數(shù)最優(yōu)取值。為了克服標準