论文部分内容阅读
在我国经济和社会都迈入高速发展的大背景下,环境恶化危机和能源短缺问题日益突出,大力开发和使用清洁和可再生能源的理念势不可挡,也顺应保护环境和可持续发展的社会主旋律,以光伏发电并网为代表的新能源发电并网方式已成为我国电力系统稳定运行和优化调度的重要一环。但在实际运行过程中,由于受到环境和气候等不稳定的因素变化,光伏发电输出会产生巨大的随机性和波动性,研究光伏发电短期预测对光电并网和电网运行调度显得十分有必要。本文首先研究了光伏发电的基本工作原理和光伏组件的伏安特性,接着详细介绍了光伏发电系统构成和集中式、主从式、分布式与组串式四种光伏发电并网方式优缺点,并对影响光伏发电的多种环境因素进行了细致分析。在此基础上,对光伏发电历史缺失和异常数据进行判别和修正,采用主因子分析法在SPSS数据分析软件中对历史完整有效气象数据降维简化处理,选取主因子作为预测模型新的输入。考虑实际BP神经网络预测算法选取初始权值阈值的随机性和极易陷入最优解的不足,采用了一种改进天牛须算法(MBAS算法)优化BP神经网络的权值和阈值,详细介绍了该改进算法的原理和运算过程,通过函数算例分析对比初始天牛须算法(BAS)、粒子群算法(PSO)和改进的天牛须算法(MBAS)三种算法的寻优结果和运行时间,得出MBAS算法在寻优精度和收敛速度均有提高;利用改进的MBAS算法优化BP神经网络的初始参数,同时采用主因子分析法(PFA)选取的主因子简化模型输入,由此,搭建了基于一种基于PFA-MBAS-BP神经网络的光伏发电短期预测模型。基于完整和有效的历史光伏数据,通过对比分析BP、PFA-BP、MBAS-BP和PFA-MBAS-BP四种组合预测仿真模型的预测精度和收敛速度,实验结果表明:基于PFA-MBAS-BP神经网络的改进预测模型受天气变化影响较小,特别在阴雨等突变天气类型下,该改进模型的预测精度也达到92.5%以上,且整体预测数据的拟合程度也很高,达到理想预期效果,具有良好的应用前景。