论文部分内容阅读
光伏发电技术因其清洁、高效、安全等特点受到了广泛的关注,光伏电站被大量建立。但是由于光伏发电受环境因素影响较大,其表现的间断性、不稳定性和波动性给系统调试、电网规划带来了不利影响,因此光伏功率预测系统的模型的建立和开发具有重要意义。目前涉及预测系统的研究主要集中在预测模型的搭建上,缺乏预测系统的整体方案设计,诸多问题有待进一步完善。因此,本文以预测系统的设计为研究重点,进行了混合预测模型的理论研究工作,并对预测系统软件功能和界面进行了设计。主要工作如下:(1)受到环境、天气等多方面影响,采集后的功率序列中包含大量噪音,从而影响预测模型的精度。为了进一步从大量功率数据中得到更加精确的使用价值,本文使用小波变换对功率输入序列进行降噪处理,并通过仿真验证了可靠性。同时对气象信号和功率序列信号进行了相关性分析。(2)本文提出了一种基于SE-IPSO-LSSVM-迭代误差修正的混合预测方法。首先采用样本熵理论将天气类型量化,将量化后数值作为特征向量的输入参与预测;然后对粒子全算法的权值和学习因子进行改进,并加入遗传、变异思想,粒子群算法整体加入模拟退火算法的概率判断准则,减少了迭代次数、提高搜索速度、避免陷入局部最优值,使用改进粒子群算法对最小二乘支持向量机的主要参数优化;最后使用最小二乘支持向量机分别对功率值和误差值进行预测,将误差补偿后的功率值作为最终的预测结果。(3)以某分布式光伏电站的实测数据为例,基于Matlab建立预测模型预测未来1min的光伏发电功率。同时,分别建立相似日-LSSVM、SE-LSSVM、相似日-IPSO-LSSVM三种预测模型对测试样本进行对比测试,经过仿真分析,得到与传统方法相比,该方法在光伏功率预测中的优越性。最后,分别采用均方根误差和平均相对误差对模型进行评估,验证该模型具有很好的普适性。(4)对光伏预测系统软件的功能进行设计,同时使用VB对软件界面进行了设计。