基于数据挖掘的光伏发电建模及功率预测研究和应用

《基于数据挖掘的光伏发电建模及功率预测研究和应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士硕士学学位位论文基于数据挖掘的光伏发电建模及功率预测研究和应用作者姓名吕耀棠工程领域电气工程校内指导教师管霖教授校外指导教师梅勇高级工程师所在学院电力学院论文提交日期2017年11月TheResearchandApplicationofPhotovoltaicPowerGenerationModelingandOutputForecastingBasedonDataMiningADissertationSubmittedfortheDegreeofMasterCandidate：LvYaotangSupervisor：Prof.GuanLinSeniorEngineerM

2、eiYongSouthChinaUniversityofTechnologyGuangzhou,China分类号：TM615学校代号：10561学号：201521011814华南理工大学硕士学位论文基于数据挖掘的光伏发电建模及功率预测研究和应用作者姓名：吕耀棠申请学位级别：工程硕士工程领域名称：电气工程校内指导教师姓名、职称：管霖教授校外指导教师姓名、职称：梅勇高级工程师论文形式：产品研发工程设计■应用研究工程/项目管理调研报告研究方向：可再生能源应用分析论文提交日期：2017年11月16日论文答辩日期：2018年3月18日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会

3、成员：主席：尹华杰委员：管霖、夏成军、杜兆斌、王超摘要近年来在国家能源发展战略的引导下，光伏电源建设迅速发展。光伏功率曲线的建模和预测成为电网运行调度和规划建设普遍关注的问题。现阶段光伏电站普遍配置了功率和环境测量与存储装置，记录的大数据资源为数据驱动的光伏功率特性挖掘、建模和预测应用创造了条件。基于大量光伏电站录波数据的挖掘和利用，本文提出了一种多尺度分析策略来实现对光伏功率时间序列的固有和随机特性的挖掘和建模。将光伏功率曲线的挖据和建模分解为小时级波动特性和分钟级波动特性等两个时间尺度的建模问题。在小时级时间尺度，提出了一种多子集聚类分析方法，可实现对光伏功率曲线在大时间尺度

4、规律性的挖掘。通过多子集分割和聚类算法提取实现对光伏电站在不同季节和天气条件下日功率曲线规律的挖掘，并与气象领域理论模型结合，建立有效的大时间尺度光伏功率曲线预测模型，模型能推广应用于缺乏光伏监测数据的光伏电站中长期功率预测。在分钟级时间尺度，通过对光伏波动样本的标准化变换，生成新的光伏功率小时间尺度波动样本。应用概率分布模型提取其随机波动统计规律，通过随机抽样生成低幅高频波动分量叠加至大时间尺度光伏功率模型建立计及短时波动的光伏功率预测模型。最后通过实际光伏电站的日前功率预测实例验证了本文方法和模型的有效性。算例结果表明所建模型既可以用于原站的日前或超短期功率预测，也可以用于其

5、它规划电站的功率曲线预测，功率预测应用精度能基本满足电网规划和电网调度运行需要。作为分布式光伏在配电网中的应用延伸，围绕充电站接入含光伏电源的配电网规划时接入馈线和接入点的选择问题，建立了基于电价引导原则的V2G响应模型，并以减小网损和日内电压波动为目标，建立了在含有高渗透率光伏接入的配电网中，嵌入运行模拟的充电站接入优化规划模型。根据优化结果分析了负荷曲线和光伏渗透率对充电站接入优化方案的影响，提出了充电站接入规划的基本原则。算例表明充电站的V2G行为对配电网运行效益有显著影响，不恰当接入方案下充电站V2G行为可能对配电网带来明显的负面影响。研究成果能广泛应用于充电站接入光伏配

6、电网的规划工程。关键词：光伏功率曲线预测；聚类分析；短期波动；电动汽车；优化配置IABSTRACTPhotovoltaic(PV)powersourcesspreadsrapidlyacrossChinarecentyearsalongwiththeguidanceofthenationalenergydevelopmentstrategy.ModelingandforecastingofPVpowergenerationhavebecomeasignificantconcernforgridplanninganddispatching.Currently,thepowerand

7、environmentmeasurementsanddatastoragedevicesdeployedatdistributedPVpowerstationscanrecordalargenumberofPVoperationdata.Theselargedataresourcesprovidethefoundationforthemining,modeling,andforecastingapplicationsofdata-drivenPVpowercharacterist