基于深度学习模型的光伏发电负荷预测

光伏发电作为分布式能源不断普及,对电力基础设施稳定构成了一系列挑战。本文提出了一个有监督的深度学习模型用于光伏发电预测,该模型利用数值天气预报和高分辨率历史测量来预测时间间隔内的联合概率分布,而不用预测变量的预期值,与常见的基线方法——如完全连接的神经网络和长期短期记忆体系结构相比,这种设计提供了显著的性能改善,使用归一化基于平均平方误差的预测技能得分作为关键绩效指标,将提出的方法与其他模型进行比较,结果表明,新设计的性能高于目前的光伏电源预测技术水平。

基于逆变器控制调度的分布式光伏系统分析

本文比较了大型配电馈线电路中,大量分布式光伏系统输出功率的实时控制策略。实际有功功率和无功功率控制的目标是最大限度地减少高渗透光伏发电网络电压超标。控制参数的调整,以最大限度地提高每个控制的有效性为目标。然后根据实现多个目标的能力对控制进行比较。这些目标包括最大限度地减少电压超标的总数,最大限度地减少光伏能量削减或无功发电的总量,以及最大限度地提高所有光伏系统之间各种控制行动的有效性。在OpenDSS平台上利用时间序列负载和空间分布的辐照度对控制进行仿真。