论文部分内容阅读
光伏出力具有明显的间歇波动特性,大规模光伏发电接入给电网调度管理带来巨大挑战。光伏出力预测是解决此类问题的关键技术之一,而全气象参数是光伏出力预测的基础,因此光伏电站全气象参数传感网络的研制与出力预测方法的研究具有重要的学术与应用价值。本文针对传统气象数据采集系统存在扩展性和通用性较差的问题,开发了一款模块化结构的光伏电站全气象参数传感网络。根据不同气象传感器输出信号特征,参照电力行业标准和技术规范,基于嵌入式技术研制了气象各参数的传感终端,传感终端数据通过CAN传送给RTU,然后以TCP/IP工业以太网传给上位机系统。该系统已在屋顶光伏电站投入使用,具有测量精度高、界面友好、扩展性强等优点。光伏出力受多元气象因素的影响,预测模型输入变量选取是否合理直接影响预测精度。本文针对光伏出力与多元气象影响因子之间的相关关系开展研究,定义权重系数作为衡量气象影响因子作用程度的评价指标。根据光伏发电原理和数据的可用性,确定后续光伏出力预测所用到的气象影响因子。针对传统预测模型结构单一很难达到预测精度要求的问题,通过提取历史数据中反映天气状态的特征量,建立了基于K-means聚类的天气状态模式识别模型。该模型充分利用了历史数据间的空间相关性和形状相似性,通过仿真实验对比,模型预测精度有了明显提高。为提高模型的预测精度,本文建立了引入激励函数的Elman神经网络光伏短期出力预测模型。改进后的Elman神经网络解决了传统Elman神经网络动态性能不足的问题,提高建模效率。采用美国波特兰州立大学的光伏电站监测的实际数据,对模型进行实际算例仿真验证。算法改进前模型预测结果的相对均方根误差为5.44%。通过改进激励函数,相对均方根误差减小至3.43%,精度提高2%以上。实验结果表明,该模型适应能力强,能在多种天气类型下实现光伏出力准确预测。本文研制的全气象参数传感网络具有通用性,基于天气状态的模式分类与识别方法和改进后的Elman神经网络预测模型具有简洁高效、预测精度较高的特点,对于分布式光伏发电系统的普及与推广有一定的应用价值。