论文部分内容阅读
随着环境问题的日益凸显和能源需求的不断增长,发展以风电、光伏为典型代表的新能源已成为世界各国的共识。其中,作为太阳能开发利用的重要方式,光伏发电具有应用形式多样、容量规模灵活、维护便捷等优点,应用前景广阔。但由于光伏发电与多种气象因素密切相关,受其制约,具有明显的周期性和非平稳特性,大规模接入电网导致发用电平衡难度加大,电力系统运行不确定性显著增加。因此,为了应对这一挑战,世界各国开展了光伏功率预测技术的研究。本文在考虑光伏发电功率自身特性的基础上,实现了对光伏发电异常数据的有效识别,构建了光伏发电功率短期点预测模型,最后通过对短期点预测结果进行误差分析,提出了一种基于参数估计的光伏发电功率短期概率区间预测模型。首先,针对光伏发电功率具有周期性和非平稳特性,采用周期图法实现了对光伏功率序列周期分量和随机分量的提取,并利用因子分析法和皮尔森相关系数对影响光伏发电功率的多种气象因素进行筛选,并依据所得到的气象因素,提出了一种相似日选择算法,相似日数据可以形成后续模型的训练样本集,作为后续研究的基础。其次,准确可靠的光伏数据是进行大部分光伏研究的基础,但由于人为或通信故障等因素使光伏采集系统中出现了一定比例的异常数据。因此,本文在分析了影响光伏发电功率的多种气象因素之后,发现环境温度、环境湿度与辐照度-功率散点图的分布有着密切关系。对不同分布特性下的辐照度-功率散点进行分类后,采用Copula理论来描述太阳辐照度与光伏功率相关关系的概率功率曲线,结合4类典型异常数据特征及识别原理,实现了对光伏功率异常数据的有效识别。再次,针对光伏数据具有非平稳、持时短、时域和频域局部化等特性,利用小波包根据数据特性,进而处理数据的能力,将光伏数据进行多尺度分解,并与LSSVM相结合进行逐频预测,将各频率段预测结果叠加合成最终预测结果。并对比分析三种广义天气类型,运用小波包-LSSVM相结合的方法对光伏发电功率进行预测,得到光伏发电短期输出功率预测结果,最后通过算例验证了本文方法的正确性和有效性。最后,通过对光伏发电功率短期点预测结果进行误差分析,将混合t Location-scale分布作为描述光伏发电功率点预测误差的最优概率密度分布,基于已建立的误差分布可以进行概率区间预测,并将概率区间预测结果与传统的基于正态分布的概率区间预测结果进行对比,本文方法在各种评价指标上都较优,验证了本文方法的有效性,为光伏并网安全稳定运行提供了一种切实可行的方法。