【技术实现步骤摘要】
本专利技术涉及光伏发电系统,尤其涉及一种光伏发电短期出力预测方法。
技术介绍
当前,全球化石能源资源日益短缺、气候变化等环境压力日渐增大。太阳能作为一种清洁、安全、可再生的绿色能源,在缓解世界能源供应紧张,优化能源结构,保护环境等方面有着独特的优势。太阳能发电不需要消耗常规能源,是绿色无污染的清洁能源,被世界各国重视。作为太阳能发电利用的主要形式,光伏发电在近年来得到了飞速的发展。大规模光伏并网发电是充分利用太阳能的一种有效方法,也是光伏发电系统的主流趋势,目前大规模的光伏并网系统已得到应用。由于光伏并网的出力具有随机性,光伏并网系统相对于大电网是一个不可控电源,其出力的不稳定性对大电网的安全稳定运行有影响。因此,大规模光伏发电的渗透接入必定给电网带来一系列的影响,光伏发电是间歇性能源,受太阳辐射强度、环境温度等影响,输出功率具有不确定性,其并入电网后使得大电网的短期负荷预测准确性降低,光伏出力大幅度的变化也必然引起整个系统的电压、频率波动,电力系统存在频率和电压稳定问题,增加了传统发电、控制和运行计划的难度,不利于电网调度人员安排常规电源与其协调调度。所以,为了安全有效地利用光伏发电,准确预测光伏发电的出力具有重要的意义。一方面可以有效地降低光伏并网对电力系统造成的负面影响,提高电力系统运行的可靠性和稳定性,另一方面可以降低电力系统的旋转备用容量,充分利用太阳能资源,获得更大的经济效益、社会效益和环境效益。同时,光伏出力预测是设计并网光伏电站所需要的基础数据。光伏发电出力的预测结果,为光伏电源的接入位置、接入方式和运行方式提供理论依据,为电力系统优化调 ...
【技术保护点】
一种基于BP神经网络的光伏发电短期出力预测方法,其特征在于,包括如下步骤:步骤101,根据光伏电站历史发电数据分析一天中的出力时间段,确定预测日需要预测的出力时间段;步骤102,统计光伏电站一段时期内每天在各个出力时间段的发电功率数据,以此作为BP神经网络训练的第一组输入数据;步骤103,统计各类天气类型下的发电功率数据,计算不同天气类型在步骤102所述的一段时间内的发电功率平均值;步骤104,根据不同天气类型的发电功率平均值,计算不同天气类型的发电功率平均值之间的倍率关系,将此倍率关系映射为日类型指数,然后将日类型指数作为BP神经网络训练的第二组输入数据;步骤105,根据输入、输出单元数,经公式推算和试凑调整确定BP神经网络的隐含层节点数,建立BP神经网络训练模型;步骤106,在利用BP神经网络训练前,对发电功率数据和日类型指数进行归一化处理;步骤107,利用步骤106归一化后的数据,对BP神经网络进行训练;步骤108,利用训练后的BP神经网络进行预测日的发电功率预测,得出预测结果。
【技术特征摘要】
1.一种基于BP神经网络的光伏发电短期出力预测方法,其特征在于,包括如下步骤: 步骤101,根据光伏电站历史发电数据分析一天中的出力时间段,确定预测日需要预测的出力时间段; 步骤102,统计光伏电站一段时期内每天在各个出力时间段的发电功率数据,以此作为BP神经网络训练的第一组输入数据; 步骤103,统计各类天气类型下的发电功率数据,计算不同天气类型在步骤102所述的一段时间内的发电功率平均值; 步骤104,根据不同天气类型的发电功率平均值,计算不同天气类型的发电功率平均值之间的倍率关系,将此倍率关系映射为日类型指数,然后将日类型指数作为BP神经网络训练的第二组输入数据; 步骤105,根据输入、输出单元数,经公式推算和试凑调整确定BP神经网络的隐含层节点数,建立BP神经网络训练模型; 步骤106,在利用BP神经网络训练前,对发电功率数据和日类型指数进行归一化处理; 步骤107,利用步骤106归一化后的数据,对BP神经网络进行训练; 步骤108,利用训练后的BP神经网络进行预测日的发电功率预测,得出预测结果。2.根据权利要求1所述的一种基于BP神经网络的光伏发电短期出力预测方法,其特征在于,所述BP神经网络包括输入层、输出...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。