基于AdaBoost算法的光伏电站中长期发电预测

该文提出了一种基于AdaBoost算法的拟建光伏电站发电量预测方法。根据现有光伏电站的历史气象数据与发电量数据,在利用AdaBoost集成学习算法对传统SVM优化的基础上,对气象因素的天气类型进行分类与识别,进而得到4种天气状态下气象因素与发电量之间的对应关系;利用拟建电站所在地的历史气象数据,根据天气类型自动选择对应的LSTM模型,对拟建光伏电站的发电量进行预测。实验结果表明,与采用单一LSTM模型相比,该文方法预测精度有明显的提高,具有一定的推广价值。

模块化光伏电站参数采集系统设计

为满足光伏电站发电效率和经济效益评估的需求,设计一种模块化光伏电站参数采集系统。系统包括高精度的直流电压和电流传感器、交流电压和电流传感器、环境参数采集器及中央处理器等,通过采集相应的参数,不但可以监控光伏电站正常的生产过程,还可以结合一定的控制算法,实现对影响光伏电站发电效率的影响因素权重的分析和评估,对后继电站建设的设备选型、施工单位和施工方案的选择以及设备安装方式和安装位置的优化等都有很重要的指导意义。

基于生成对抗网络的光伏出力区间预测方法

准确的光伏出力(即发电功率)预测是光伏发电设备规模化并网后,保障电网的安全性和经济性的基础。针对传统点预测方法难以表征预测结果概率可信度的问题,研究了基于条件生成对抗网络的光伏出力区间预测方法。通过建立历史测量数据与预测光伏出力间的映射关系,生成光伏出力可能发生的场景。在此基础上,用Bootstrap法和区间估计法计算置信区间的上、下界以确定光伏出力的预测区间范围。算例结果表明,使用该方法得到的短期光伏出力预测区间能准确覆盖实测功率,为电网安全经济运行提供有价值的决策信息。

大数据背景下智能配电网运营管理方法研究

智能配电网外延发展,具有分布式电源大量接入、支持用户需求互动等新特征,运营管理变得更为复杂。大数据技术蓬勃发展,对提高智能配电网运营管理水平提供了重要的技术支撑。论述了大数据技术在智能配电网中的应用价值,从数据预处理、配电网网损管理、配电网状态估计、配电网健康度评估等4个方面着手,系统分析了大数据技术在智能配电网运营管理中的潜在应用场景,指出了大数据背景下智能配电网网络安全问题及其防护策略,结合实际应用中的问题给出了可行的研究方向,为构建基于大数据技术的智能配电网运营管理体系提供了一种思路。