论文部分内容阅读
随着工业化的发展,人类在经济与科技不断取得进步的同时,也面临着能源危机与环境污染的严峻考验,寻找可替代的清洁能源是实现可持续发展必须采取的措施。光伏(Photovoltaic, PV)发电技术直接将太阳能转化为电能,绿色无污染,已经成为清洁能源领域的发展潮流,其发电的应用比例愈来愈高。为了保证电网安全稳定运行以及为电网调度人员提供可靠的数据,对光伏电站并网发电短期功率数据预测管理进行研究具有很重要的意义。要实现光伏电站并网发电短期功率数据预测的有效管理,必须建立在可靠的预测方法和对预测数据的合理利用的基础上。本文在分析已有模型优缺点的基础上,提出基于Levenberg-Marquardt算法的改进BP神经网络模型,用于光伏运行系统输出功率短期预测。通过案例计算表明,算法的收敛速度和功率预测精度得到了较大改进,可有效地对电站运行状态做到可靠预判。另外,为满足电网安全稳定运行的要求,光伏电站并网发电短期功率数据预测不仅要给出确定的测算值,还应该对测算值包含的风险做出合理的管理评估。针对这种需求,本文进一步提出了基于误差分布特性的置信区间估计方法,采用Bootstrap方法(一种再抽样统计方法)构造光伏电站并网发电短期功率数据预测管理区间,通过PICP、PINAW、CWC三个评价指标对区间预测结果的性能进行分析,为电网企业在风险评估和系统可靠性分析方面提供数据支持。最后,基于本文的研究成果,设计并实现了一个光伏电站并网发电短期功率数据预测管理系统,主要包括四个模块:系统管理、数据管理、基于LM(Levenberg-Marquardt)改进BP神经网络功率预测管理和基于Bootstrap方法的功率区间数据预测管理。结合功率数据预测管理系统,对光伏电站并网发电短期功率预测数据应用于电站并网运行和配合调度运行管理进行了探讨,提出光伏电站短期功率管理控制方案。