光伏发电功率预测方法与模型研究综述.docx

《光伏发电功率预测方法与模型研究综述.docx》由会员分享，可在线阅读，更多相关《光伏发电功率预测方法与模型研究综述.docx（27页珍藏版）》请在优知文库上搜索。

1、光伏发电功率预料方法与模型探讨综述摘要近年来，随着对可再生能源需求的日益提高，太阳能光伏发电技术得到了快速的发展，大规模光伏发电系统的应用也日益广泛起来，但也随之出现了很多问题。由于太阳辐射量:与季度、阴晴及昼夜等气象条件亲密相关，从而造成了光伏发电系统输出功率的随机性和间歇性的固有缺点，而且考虑到储能技术上的不成熟等因素，当大量的光伏发电系统接入电网时，势必会对电力系统的平安程定运行和电能质量等带来严峻挑战，从而限制光伏发电产业的发展，所以对光伏发电系统输出功率进行预料时丁电力系统运行而言具有特别重要的意义0本文通过对影响光伏发电功率因素进行分析对目前现有的光伏发电功率预料方法进行分类，并依

2、据统计方法和物理方法为依据，对太阳辐照量预料进行预料和干脆对光伏发电系统的输出功率预料两种方法进行阐述和细化对比。再依据各自所运用的数学模型不同符项料方法分为时间序列法、神经网络法、支持向量机方法、回来分析方法和智能预料方法。最终对不同分类的预料方法及相应的数学模型进行分析倒述和对比，说明其适用范围及精确度，并对其可行性进行分析，提出在功率预科中须要解决的问题。关键词：光伏系统：功率预料：数学模型；方法AbstractInrcccn1.years,withthedemandforrenewab1.eenergyincreasing,so1.arphotovo1.taictechno1.ogyh

3、asbeenrapiddeve1.opmentof1.arge-sca1.ephotovo1.taicpowergenerationsystemapp1.icationsareincreasing1.ywidespreadup.buta1.sowi1.1.bea1.o1.ofprob1.ems.Sincetheamountofso1.arradiationquarter.Teenageandotherweatherconditionsc1.ose1.yre1.atedtocircadian,resu1.tinginapoweroutputofphotovo1.taicpowergenerati

4、onsystemandintermittentrandomnessinherentshortcomings,andtakingintoaccountfactorssuchasenergystoragetechno1.ogyimmaturity,whena1.argenumberPVsystemCOnneCIedtothegrid,itmusthaveasafeandstab1.eoperationofpowersystemsandPoWCrqua1.ityposeseriouscha1.1.enges,thus1.imitingthedeve1.opmentofphotovo1.taicpow

5、ergenerationindustry,sotheoutputpowerofthephotovo1.taicpowergenerationsystemtopredictintermsofthepowersystemOperaIiOnhasaveryimportantsignificance.Basedontheimpactofphotovo1.taicpowerfactorana1.ysisoncurrent1.yavai1.ab1.ePVpowerpredictionmethodforc1.assification,andphysica1.methodsbasedonstatistica1

6、.methodsandisbasedontheamountofso1.arradiationforecastsandprojectionsdirec1.ytotheoutputpowerofphotovo1.taicsystemsforecastdescribestwomcthcx1.sandrefinedcontrast.Andthenaccordingtotheirmathcnaiica1.mode1.susedtoforecastmethodisdividedintodif1.-erenttimeseries,works,supportvectormachine,regressionan

7、a1.ysisandinte1.1.igentpredictionmethod.Fina1.1.y,thepredictionofdiI1.erentC1.assit1.cationmethodsandthecorrespondingmathematica1.mode1.1.oana1.yzeandcomparee1.aborated,indicatingitsscopeandaccuracy,anditsfeasibi1.ityana1.ysis,forecastinginpowerneedtobereso1.ved.Keywords:PVsyste11n;PowerPrediction;M

8、athematica1.mode1.;Method摘要IAbstractI1.目录11前言31.1 课题探讨背景31.2 课逐探讨意义31.3光伏产业国内外发呈现状31. 4国内外对功率预料方法探讨的发皇现状及存在问题41.5本文涉及的预料方法概述62光伏发电系统特性概述82.1 光伏发电系统组成82. 2光伏电池的特性82.3 影响光伏发电系统输出功率的因素92.4 光伏电池组件的出力模型103功率预料基本方法及特点122.5 基于支持向量机回来的预料方法122.5.1 支持向量机方法及其特点122.5.2 支持向量机回来算法及特点132.6 基于径向神经网络的预料方法143. 2.1神经网

9、络预料方法基础144. 2.2径向神经网络特点153.3小波分析方法163.3.1小波相关理论基础163.3.2Ma1.1.at鸵法173.3.3逐日太阳辐照量时间序列的小波分解173. 4递推最小二乘法183.5相像日选取算法184主要功率预料模型及其简要分析204.1光伏发电预料模型的建立204.1.1 影响预料模型精度的因素分析204.2光伏发电基本预料模型214. 2.1三种基础的数学理论模型简介224. 2.2三种理论模型的优劣对比234. 3功率预料模型的结构组成24结论25参考文献261前言1.1 课题探讨背景光伏发电功率预料预料是能量管理中急需解决的问题。光伏发电与风力发电一样

10、,均属于波动性和间歇性电源,同时.各用户或小区运用的光伏电池种类及其安装位置随机性也大，光伏发电系统受光照强度和环境温度等气候因素的影响.输出功率的变更具有不确定性.输出功率的扰动将有可能影响电网的稳定.因此,须耍加强光伏发电功率预料的探讨,预先获得光伏发电系统的日发电量曲线,从而协调电力系统制定发电安排,削减光伏发电的随机化问题对电力系统的影响.运用蓄电池来稳定光伏发电功率输出是种可行的方法,但须要追加成本,而I1.废旧蓄电池还会导致环境污染。因此.须要对光伏系统的发电功率进行精确预料,以便了解大规模的太阳能光伏并网系统的发电运行特性以及与电网调度、电力负荷等的协作问网.这样有助于整个电力系

11、统的规划和运行,从而削减光伏发电随机性对电力系统的影响,提高系统的平安稳定性。因此对光伏系统进行功率预料是很有必耍的。1.2 课题探讨意义目前随着大规模的光伏发电系统应用日益广泛，也出现/越来越多的问题.由丁太阳辐射量同季度、昼夜及阴晴等气象条件有关，造成光伏发电系统输出功率间歇性和随机性的固有缺点，而J1.目前存在储能技术不成熟等因素，当大量的光伏发电系统接入电网时，势必会对电力系统的平安桎定运行和电能质量等带来严峻挑战，从而限制光伏发电的发展速度和规模，所以对光伏发电系统输出功率进行预料对于电力系统运行具有特别至要的意义。1.3 光伏产业国内外发呈现状太阳能作为一种新型可再牛能源.与传统能

12、源相比具有可再生.无污染,来源广泛等优点是杵代化石能源的主要选择。太阳能光伏发电产业是20世纪80年头以后世界上增长股快的高新技术产业之一。1839年,法国的科学家Bccqurc1.就发觉,光照能够使半导体材料不I可部位之间产生电位差,这种现象被称为“光伏效应”。每秒到达地面的太阳光能量高达8()万千瓦,假设把到达地球表面0.1%的太阳能转为电能,转化率5%,每年的发电量就能达到561012千瓦时,相当于世界能耗量的40倍。正是由于这些优势,太阳能电池不断发展.种类日益增多、应用范围逐步增大、市场规模也不断地扩大作为太阳能的重要应用,光伏发电技术已经成为各国争相发展的新能源技术之一。2011年

13、,美国提出“太阳能先导安排”意在降低太阳能光伏发电的成本,使其20154F达到商业化竞争的水平;日本也提出了在2020年达到28Gw的光伏发电总批;欧洲光伏协会提出了“3C1.fOr2020”规划，规划在202（）年让光伏发电做到商业化竞争，可见,在发展低碳经济的大背景下,各国政府对光伏发电的认可度渐渐提高。中国也不廿落后，据业内估计2011年我国新增光伏装机量有达到2.5GW,同比增长400%.十二五相关规划也将2015年的光伏装机目标从IOGw上调到I5GW,2020年将达到50GW。随着光伏技术的不断发展,光伏发电的成本也Ki之不断下降,再加上各国对光伏产业的支持力度,我们有理由信任大规

14、模利用光伏发电为人类供应服务的前景将更加广袤。光伏系统发电的竞争力正在不断提高,己经成为r最受重视的新能源发电技术太阳能光伏发电系统工作原理是当有太阳光的时候.太阳能电池将光能转换为电能输出,多组太阳能组件构成的方阵输出电流并通过接线箱进行汇总,然后输入能源安排系统。输入电能一方面通过充放电雎元给蓄电池组进行充电,另一方面通过逆变系统在能源安排单元的限制作用下给负载供电，平衡安排通过太阳能转化的电能与电网电能.做到优先充分利用太阳能电力,同时能源安排单元保证当太阳能不足时,刚好切换至由电网供电.目前,光伏发电产品主要用于三大方面：是供应电源,主要为广袤无电地区居民生活生产供应电力,还包括些移动

15、电源和备用电源;二是太阳能日用电子产品,如各类太阳能充电器.太阳能路灯等:三是并网发电,这在发达国家已经大面积推广实行,如谯国“10万屋顶安排”和美国“百万个太阳能屋顶安排、我国并网发电刚起步,2008年北京/绿色奥运部分用电就由太阳能发电和风力发电供应,还有2011年甘前最大光伏发电项目敦煌太阳能综合利用示范项目暨100兆瓦光伏并网发电项目在敦煌建成投产2）11年世界最大的屋顶电站项目一一兴业太阳能20兆瓦屋顶电站项目实现投产。1.4 国内外对预料方法探讨的发呈现状及存在问题目前，国外以欧洲、日本等国家的光伏发电系统输出功率预料技术探讨已有忖定的探讨进展，如丹麦、西班牙、意大利、日本等国已开

16、展和研发利用气象预报信息对光伏电站输出功率进行预料的探讨和应用。丹麦ENFOR公司开发的So1.arfor系统是较具代表性的光伏发电输出功率预料系统，其将输出功率历史数据、短期的数值天气预报信息、地理信息、日期等要素进行结合，利用自适应的统计模型对光伏发电系统的短期（048h）输出功率进行预料。意大利Jije1.高校Ade1.MeHit等对的里雅斯特地区（意大利）的20KW并网光伏电站所在地气象数据和系统功率数据进行采集和分析，利用两种人工神经网络模型（太阳辎照量和气温作为网络输入）对系统输出功率进行预料，平均偏差仅为3.1%和5.4%6,西班牙JoCn高校AImOnaCid等采纳神经网络方法，以实时测量的光伏阵列温度、太阳总辐照量为输入值，对应条件