论文部分内容阅读
光伏电池作为光伏发电系统的核心组成成分,其输出功率受外部环境因素(光照度、大气温度、风速等)的影响,造成光伏发电具有波动性和间歇性特点;因此,对光伏电池最大输出功率的精准预测,有利于合理安排电网运营方式,降低光伏接入对电网的负面影响,从而提高电网的安全性和稳定性。为此,研究光伏发电的预测具有深远的社会经济意义。本文研究了光伏电池物理预测模型、BP神经网络预测光伏发电模型、气象因素对光伏发电网络预测影响的规律;GA-BP神经网络预测模型,并分析了其预测特点,分别如下:(1)根据给定的两个温度下的电池开路电压Voc及短路电流Isc,最大功率点的电压Vm和电流Im值,建立了任意辐照度和温度下太阳能电池输出最大功率预测模型。对电池温度在-10℃-40℃,辐照度在583.83W/m2~1095.87W/m2之间的单晶硅、多晶硅和非晶硅太阳能电池发电的测量与预测结果的对比研究,发现以下结论:无论是在辐照度不变,温度改变的条件下,还是在辐照度改变,温度不变的条件下,预测模型能很好的预测电池发电特性;电流电压全局拟合均方根误差均小于1.4439mA且最大功率预测值的相对误差不超过10.61%。在任意辐照度和温度条件下,平均均方根误差RMSE值顺序为:多晶硅>单晶硅>非晶硅,且有平均最大功率的相对误差PRE值顺序为:多晶硅>非晶硅>单晶硅。(2)基于BP神经网络,研究网络中各种传递函数和训练函数对预测结果的影响,结论针对的是单晶硅、多晶硅和非晶硅太阳能电池片在室内光伏电池测试系统的测量数据。发现传递函数pruelin对所有的电池片在预测过程中具有最小的迭代次数和最快的训练时间。基于平均训练速度和训练误差分析,可以得出:单晶硅和多晶硅的最大输出功率比非晶硅电池更容易预测。(3)建立BP神经网络、小波神经网络预测模型,对室外各种气象条件与多晶硅和非晶硅电池组最大输出功率预测之间的关联性进行了对比研究。得到结论:大气温度与多晶硅电池的输出功率关联性最强,其次是风速,最后是相对湿度;相对湿度与非晶硅电池的输出功率关联性最强,其次是大气温度,最后是风速。还发现,无论何种天气因素,多晶硅和非晶硅电池的小波网络预测结果都优于BP网络预测结果。(4)基于遗传算法改进了BP神经网络预测模型,结果表明预测模型较好,满足工程应用精度。在辐照度、电池温度、大气温度、风速和湿度条件下非晶硅的均方根误差和平均绝对百分比误差分别为0.1364mW、0.2734;在该条件下多晶硅的均方根误差和平均绝对百分比误差分别为0.1316mW、0.9714。