基于灰色关联分析和最小二乘支持向量机的光伏功率预测算法的研究

《基于灰色关联分析和最小二乘支持向量机的光伏功率预测算法的研究》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、基于灰色关联分析和最小二乘支持向量机的光伏功率预测算法的研究GeneratingPowerForecastingofPhotovoltaicSystemBasedonGRAandLS-SVM学科专业：控制科学与工程研究生：韩丽洁指导教师：程泽副教授天津大学电气与自动化工程学院二零一四年十二月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研

2、究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日摘要随着全球能源危机和环境污染的日益严峻，开发利用新能源和可再生能源已成为世界各国解决能源问题

3、的主要方法，光伏发电系统也由此得到迅速的发展。但是，光伏并网发电系统的发电功率由于受气象因素的影响，其发电功率具有间歇性和波动性特点，为了减轻其对电网的冲击，保证电网的稳定性，有必要对光伏系统的发电功率进行准确的预测。在阅读大量国内外文献的基础上，本文从两个不同方面对光伏并网的发电功率预测进行了研究。通过分析影响光伏并网发电功率的相关因素和数据挖掘技术，从大量数据中筛选出与预测时段具有相似气象特征的数据序列，采用灰色关联分析理论对光伏发电功率进行预测。选取辐照度、温度、湿度主要影响因子作为最小二乘支持向量机预测模型的输入变量，提前24h预

4、测光伏系统的输出功率。深入分析灰色关联分析方法和最小二乘支持向量机方法各自的优缺点，结合光伏发电系统的特性，提出并联灰色关联小二乘支持向量机预测方法和串联灰色关联小二乘支持向量机预测方法。本文通过天津大学光伏并网发电监控系统，获取光伏并网的相关数据，分季节建立了四种预测模型，分别对晴天、多云、雨天和雾霾天进行了预测。实验结果表明串并联灰色关联小二乘支持向量机预测方法比单独的灰色关联分析方法和最小二乘支持向量机方法的预测精度高，其中串联灰色关联小二乘支持向量机模型的输出值最接近光伏系统输出功率的实际值。关键词：灰色关联分析；最小二乘支持向量

5、机；光伏发电；功率预测ABSTRACTAstheglobalenergyshortageandsecurityissuesbecomeincreasinglyprominent,thedevelopmentofnewenergyandrenewableresourceshasbecometheconsensusaroundthewholeworld.However,forthepoweroutputofphotovoltaicsystemisaffectedbydifferentweatherconditions,itisuncertai

6、nandcyclical.AccuratelypredictthePVsystemoutputpowerisofgreatsignificanceforensuringthestabilityofthegridandpromotingthedevelopmentoflarge-scalePVsystems.IOnthebasisofreadingalargenumberofdomesticandforeignliteratures,thispaperstudiedphotovoltaicgridpowerpredictionfromfou

7、rdifferentaspects.Byanalyzingtherelatedfactorsinfluencingthephotovoltaicgridpoweranddataminingtechnology,thepaperselectedsimilarcharacteristicsofmeteorologicaldatafromalargeamountofdataandusingthegreycorrelationanalysis(GRA)theorytoforecastthephotovoltaicpower.Wechoosethe

8、mainfactorsincludeirradiance,temperature,humiditywhichinfluencePVgenerationheavilyastheinputvari