| 以下仅列出文章摘要、目录等部分内容，如需获取完整论文资料，或原创定制、长期合作，请随时联系。 微信QQ:312050216 |
 |
 |
| 并网型光伏发电短期功率预测 摘要 随着现代社会对能源的需求日趋增强，能源危机和环境污染问题也日趋严峻。太阳能光伏发电能源因其可再生、清洁、环保等优点受到世界各国高度重视，然而，光伏发电系统具有随机性、周期性和不稳定性等自身发电特性，电力系统是一个即时平衡系统，光伏发电系统的发电特性导致其并入大电网后，会对大电网造成冲击，给大电网的稳定运行带来很多不必要的问题，对于大规模光伏发电系统并网时精确的光伏发电功率预测是有效减缓不利影响的重要前提，所以对于光伏发电系统的发电量预测研究就有了很重要的现实意义和应用价值本文首先对光伏电池的发电工作原理进行阐述；然后介绍光伏发电系统的基本组成和各种光伏发电系统的分类，并介绍了光伏微网系统的光伏发电系统基本结构；然后分析光伏发电系统发电功率的输出特性，选取了太阳辐射强度、环境温度和综合天气类型作为影响光伏发电系统发电量的主要因素，为建立发电量预测模型做好准备。 本文先后提出了基于BP神经网络预测模型；支持向量机预测模型，对两者进行对比，并针对BP算法收敛速度慢、易陷入局部极值等缺陷，提出了附加动量项自适应改变学习率的改进BP算法针对BP神经网络初始权值、阈值盲目选取，随机性较大导致收敛速度慢且极易陷入局部极值，提出了基于遗传算法组合优化BP神经网络的预测模型。 最后，利用实测光伏微网系统数据，在 MATLAB编程环境下，对建立的预测模型进行实验仿真。预测结果表明所提模型及算法具有较高的预测精度和收敛速度。 关键词 光伏微网系统，发电量预测，BP神经网络，支持向量机预测，改进BP算法，遗传算法 目录 第一章 绪论 5 1.1 课题的背景及研究意义 5 1.2国内外发展状况 6 1.2.1 光伏发电产业发展状况 6 1.2.2光伏发电功率预测方法研究现状 7 1.3 本文的主要研究内容 10 2.光伏发电理论基础及输出功率特性分析 10 2.1光伏发电技术概述 10 2.1.1基础半导体材料原理 10 2.1.2通用光伏结构 12 2.2光伏发电输出功率特性分析 12 2.2.1光伏电池组件输出特性分析 12 2.2.2影响光伏功率输出的因素 12 3.基于BP神经网络的太阳辐照预测模型研究 12 3.1BP算法 12 3.1.1BP网络的前馈计算 13 3.2BP网络权值的调整规则 13 3.4.1BP学习算法的机算步骤 15 3.4.2BP神经网络构成 16 4.基于SVM的太阳辐照预测模型研究 18 4.1 统计学习与支持向量机理论 18 4.1.1统计学习基本理论 18 4.2 实验结果与分析 22 5.基于基因遗传算法改进 BP 神经网络的组合预测太阳辐照模型研究 26 5.1遗传算法 26 5.1.1达尔文进化论与遗传算法的基本思想 26 5.1.2遗传算法的组成要素 27 5.2.GA-BP组合模型的建立与优化 30 5.2.1GA-BP组合模型的建立 30 5.2.2GA-BP组合模型的优化 31 6.基于物理数学模型的光伏发电输出功率预测 33 6.1光伏发电实例数据来源 33 6.2基于光伏发电原理的数学模型 34 6.2.1光电转换效率模型 36 6.2.2 最小二乘法求解模型参数 37 7.结论与展望 39 7.1结论 39 7.2展望 39 |
