论文部分内容阅读
当前我国光伏产业大力发展,截止到2016年累计装机量位居世界第一。但由于光伏发电具有昼夜性,且发电受到太阳辐射度、环境温度、风速等气象条件影响,在并网时,易对电网造成冲击,影响供电的稳定性和电网的经济运行。光伏功率预测可以有效的改善光伏并网问题,并对电网调度和光伏电站的运行提供强有力的参考价值。针对光伏功率预测问题,构建了一个基于多粒度级联森林的光伏功率预测模型。具体工作如下:(1)研究了光伏发电系统的构成和分类,分析了影响光伏发电的因素。阐述了光伏电池的分类、工作原理和数学模型,介绍了光伏电池的功率输出特性及最大功率点跟踪方法。(2)以沧州某光伏电站历史数据为基础,建立了基于光伏电站历史数据的多粒度级联森林预测模型。预处理了光伏电站历史数据及气象预报网站数据,并补全了数据缺失值,对数据进行了归一化处理。结合温度、气象条件等因素对历史数据进行了分析。将处理好的数据输入到多粒度级联森林模型中,训练预测模型,将预测值与实际值通过方均根误差、平均绝对误差、平均误差三种误差验证,得到了模型的误差范围在10%~20%。(3)以实验室风光互补装置中的光伏发电设备测得的数据为基础,建立基于光伏设备实测数据的多粒度级联森林预测模型。测试分析了光伏设备的光伏面板温度、环境温湿度和输出功率特性,并在模拟光源上灯开启、下灯开启、双灯同时开启三种状态下,测得不同光源入射角度的光伏面板温度、环境温湿度、光照强度数据。将数据作为输入,训练多粒度级联森林预测模型,通过预测值与实际功率的方均根误差、平均绝对误差、平均误差三种误差验证,得到了模型的误差范围在10%~25%之间。通过两种不同类型的测试数据验证,多粒度级联森林预测模型在光伏功率预测的误差范围在10%~25%之间,预测模型有效、可行,并可以应用在小型光伏设备的功率预测、及光伏电站的出力预测上。