基于BP-ANN和出力波动特性的光伏系统短期功率预测模型

基于BP-ANN和出力波动特性的光伏系统短期功率预测模型

ID:46290417

大小:620.66 KB

页数:5页

时间:2019-11-22

基于BP-ANN和出力波动特性的光伏系统短期功率预测模型_第1页
基于BP-ANN和出力波动特性的光伏系统短期功率预测模型_第2页
基于BP-ANN和出力波动特性的光伏系统短期功率预测模型_第3页
基于BP-ANN和出力波动特性的光伏系统短期功率预测模型_第4页
基于BP-ANN和出力波动特性的光伏系统短期功率预测模型_第5页
资源描述:

《基于BP-ANN和出力波动特性的光伏系统短期功率预测模型》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、第36卷第6期四川电力技术V01.36.No.62013年I2月SichuanElectricPowerTechnologyDec.,2013基于BP—ANN和出力波动特性的光伏系统短期功率预测模型杨青斌。袁铁江,吐尔逊·伊不拉音,陈洁,刘沛汉,刘佳铭,王再闯,葛来福(新疆大学电气工程学院,新疆乌鲁木齐830008)摘要:目前,光伏系统出力预测在精度方面还远不能满足电力系统调度的要求,已成为阻碍光伏发展的主要瓶颈问题之一。考虑到光伏系统的高度非线性特性,难以用传统的数学模型表征其输出功率与外界条件之间的映射关系。首先以传统反传播神经网络作为建模基础,建立光伏系统

2、出力初步预测模型,再基于由光伏系统历史出力数据统计分析得到的波动量统计规律对初步预测结果进行修正,建立了具有较高精度的光伏系统出力预测模型。进一步进行算例仿真验证,结果表明所建立的光伏系统出力预测模型能够较好地反应现场实际情况。关键词:光伏系统;神经网络;波动量统计规律;预测模型Abstract:Currently,theoutputpredictionofphotovohaicsystemcouldnotmeettherequirementsofpowersystemdispatchingintheaspectofprecision,whichhasbecom

3、eoneofthemajorbottleneckstohinderthedevelopmentofphotovohaie.Takingthehishlynon—linearcharacteristicsofphotovoltaicsystemintoaccount,itisdifficulttousetheconventionalmathematicalmodeltorepresentthemappingrelationshipbetweentheoutputpowerandtheexternalconditions.Firstly,anoutputprelim

4、i—narypredictionmodeofphotovoltaicsystemisestablishedusingthetraditionalback—-propagationneuralnetworkasthefoun·-dationofmodeling.Secondly,theinitialforecastresultsarecorectedbasedonthestatisticalregularitiesoffluctuationquantityinhistoricaloutputdata.Andahigherprecisionmodelforoutpu

5、tpredictionofphotovohaicsystemisestablished.Thesimula-tionandtheerroranalysisareverified,whoseresultsshowthattheproposedoutputpredictionmodelofphotovohaicsystemcanreflecttheactualsituationperfectly.Keywords:photovohaicsystem;BP—ANN;statisticalregularitiesoffluctuations;forecastingmod

6、el中图分类号:TM714文献标志码:A文章编号:1003—6954(2013)06—0009—04这些传统方法需要详细的物理参数。就这些参数尚0引言且不易获得,推导出的数学模型更不一定准确,因此传统方法所建模型与实际系统特性相差甚远,且精大规模光伏系统的并网有利于缓解能源危机、度也极为有限。神经网络建模将建模对象当作一个保护环境,但是其输出功率具有随机.陛、不连续性等黑盒子不考虑其物理意义,而是利用历史数据对神特点会对光伏并网电力系统的安全、稳定运行以及经网络进行训练,对建模对象进行识别。因此越来电能质量等造成严重威胁,因此光伏系统出力预测越多的人将神经网络技

7、术应用于光伏系统中。显得极为重要。然而,目前光伏系统出力预测在精但这些方法都只是在神经网络上进行处理,而没有度方面还远不能满足大规模光伏并网电力系统调度再考虑光伏出力波动特性的基础上对神经网络建模的要求,并已成为阻碍光伏发展的主要瓶颈问题之后进行二次修正研究。一。因此,亟待针对适应大规模光伏并网电力系统在上述背景下,首先以传统反传播神经网络作调度的光伏系统出力预测模型进行研究。为建模基础,建立光伏系统出力初步预测模型,再利光伏系统具有高度非线性特性,其输出功率主用由历史出力数据分析得到的波动量统计规律对其要受太阳辐照强度和温度的影响。目前大多研究都初步预测结果进

8、行修正,建立了具有较高精

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。