作者:崔承刚; 邹宇航 期刊:《上海电力学院学报》 2019年第06期
随着对能源利用效率要求的提高及日益激增的光伏数据,传统的光伏预测方法已逐渐丧失优势。为了更加准确地进行光伏预测,采用深度学习的框架,并利用循环神经网络(RNN)中最重要的一个结构——长短时记忆网络(LSTM)对时间序列的强大处理能力进行了智能算法建模。由于LSTM具有“遗忘”与“更新”功能,很好地解决了长序依赖问题,从而使光伏预测在精度上有了质的变化,预测速度也得到显著提升。
作者:杨少华; 李艾玲; 雍浩; 何瑛; 孙堃 期刊:《智慧电力》 2018年第12期
随着光伏产业的迅猛发展,光伏发电量在电力交易市场所占份额越来越大。光伏发电自身间歇性和不可控等特征给电力系统的稳定性带来巨大冲击。为减少此类状况发生,需要提高光伏发电预测精度。但传统建模过程中经常由于输入变量维度过多,或是参数调整不当导致模型精度差。利用随机森林对初始输入变量进行重要性评价及筛选,利用差分灰狼算法对支持向量机模型参数进行优化。通过建立对比试验发现,在经随机森林降维和差分灰狼算法优化后...
神经网络具有非线性、非局限性、非常定性、非凸性等特点,由于其具有自学习、联想存储及高速寻找优化解的能力,常被应用在识别、预测等方面。该文对人工神经网络在光伏预测、系统监测、故障检测、系统优化等方面的应用进行了简述说明。
作者:桑康伟; 王坤; 高文根 期刊:《四川理工学院学报》 2019年第01期
由于光伏发电并网会对电网产生冲击,进而影响电网的稳定,因此提高光伏发电预测的精度对电网具有重要的意义。考虑到光伏出力的非平稳性和随机性,提出了一种基于经验模态分解(EMD)和相关向量机(RVM)的组合方法(EMD-RVM)对光伏发电系统功率进行预测。首先把历史数据按照天气类型进行分类,利用欧氏距离算法筛选出与待预测日特征相似的历史数据;然后将光伏发电输出功率序列进行集合经验模态分解,得到若干个不同频率的相对平稳的固有模...
作者:张东; 陈景文; 张蓉; 周鑫 期刊:《陕西电力》 2018年第02期
针对孤岛微电网负荷用电与分布式能源发电的变化带来的网损增大,系统可靠性下降的问题,提出一种决策者_的分布式控制方法,对微电网用电进行调度管理。根据相似日原理,采用退火算法优化BP神经网络,预测未来1天的光伏发电量,采用决策者的分布式控制调度微电网的能量,实现微电网昼夜运行切换时发电侧与用电侧的用电平衡。通过采集整理实验平台光伏数据进行光伏发电预测实验,建立系统模型进行能量管理实验,实验结果证明了能量...
光伏发电出力与天气类型有直接关系.越是多云或是阴雨天型天气类型的划分.提出了一种计及预测相对误差的考虑“相关影响因子”的,色伏出:型天气类型并据此对历史数据进行了划分,提出了光伏出力预测的“相关影响因子”缸幂建立了光伏出力预测的相对误差概率模型,采用拉丁超立方技术进行了预测相对误差测的相对误差其与预测值进行叠加得到了最终的预测结果。利用算例证明了所建模型的可行性和有效性。
作者:陈刚 袁越 傅质馨 期刊:《电力系统及其自动化学报》 2014年第02期
合理的储能技术能够有效缓解光伏发电对电网带来的负面影响.该文在验证了光伏波动低频特性的基础上,提出利用储能电池平抑光伏出力短期波动的运行策略及储能电池最优容量的评估方法.通过光伏出力预测,控制储能电池的存储与输出功率,减小光伏出力的不确定性.基于储能电池单位成本下最长利用时间,建立电池最优容量的数学模型.通过实例验证,总结了影响电池最优容量的关键因素,在实现光伏出力可调节的前提下,最大效率地利用储能电池.