基于GCN-LSTM的分布式光伏超短期出力预测方法研究

气象数据是光伏出力预测的重要依据,气象数据的质量对预测的准确性至关重要。但对于分布式光伏系统,往往缺乏气象监测装置,难以对每个站点分别提供准确的气象数据。针对这一问题,提出一种分布式光伏超短期出力组合预测方法,将图卷积神经网络(Graph Convolutional Network,GCN)与长短期记忆神经网络(Long Short-Term Memory,LSTM)耦合构建预测网络。在数据预处理方面,采用趋势项分解方法,将历史出力数据分解为趋势项和剩余项,利用剩余项训练预测网络。利用图卷积网络提取历史数据的数值和结构信息,并使各站点共享信息,然后输入LSTM网络实现预测,再将趋势项加回网络的输出作为最终预测值。最后,利用某光伏发电装置采集的真实数据进行仿真验证,得出结论为:GCN-LSTM模型的预测精确度对比传统LSTM模型有显著提高,而趋势项分解法对GCN-LSTM和LSTM模型都有助于提高预测精确度。

计及相关性的风电场和光伏电站时序出力模型研究

在大规模风光并网时,采用具有相关性的风光时序数据进行系统可靠性评估能够更好模拟系统的运行状态,有利于提高可靠性评估的准确性和实用性。基于混合Copula函数和马尔科夫过程相关理论,建立了一种用于可靠性评估的计及相关性的风光时序出力模型。首先,通过区分光伏出力序列中的规律性与随机性特征,提取出光伏出力的随机分量;然后将风光时序相关性模型分解为风电出力时序模型、光伏出力时序模型以及风光出力的时序相依模型3部分。最后,通过比利时瓦垄地区的实测数据对上述模型进行了验证。

计及光照波动性及元件故障的光伏出力概率模型

光伏发电正向规模化、集成化方向发展,大规模接入将给电网安全、稳定运行带来极大的挑战,建立准确、可信的光伏出力模型显得尤为重要。而已有的光伏出力模型往往只考虑自然天气、地理位置等因素而忽略光伏元件故障对光伏出力的影响。鉴于此,本文建立了计及光照波动性及元件故障的光伏出力概率模型。首先,建立光照强度遵循Beta分布的光伏出力概率模型;其次,建立光伏元件故障功率水平;最后,运用联合概率分布建立考虑光照波动性及元件故障的光伏出力概率模型。然后,通过算例验证了所建模型的准确性。

基于SVR-LSTM-BP的分布式光伏短期出力预测方法研究

提出一种分布式光伏短期出力组合预测方法,以BP神经网络耦合支持向量回归(Support Vector Regression,SVR)和长短期记忆(Long Short-Term Memory,LSTM)神经网络实现组合预测。首先分别构建两个单一模型:以高斯径向基函数为核函数的支持向量回归模型和三层长短期记忆神经网络,并分别预测,再通过三层BP神经网络将前两个单一模型的预测结果耦合并输出,以提高预测的准确度。利用江苏某光伏发电装置采集的真实数据进行仿真验证,得出结论:SVR-LSTM-BP模型的准确度与SVR模型相比有显著提高,而与LSTM模型接近,稳定性则比LSTM模型有一定提高。

光伏发电及其所处电力系统可靠性评估研究进展

对光伏发电可靠性建模中辐照度模型、环境温度模型、光伏元件的随机停运模型等内容进行综述;对现有光伏发电及其所处电力系统可靠性评估方法及可靠性指标进行总结;综述了光伏发电对配电网及发电系统的影响,指出增加储能装置、风光互补发电、风光储组合运行是提高光伏发电及其所处电力系统可靠性的3种方法;最后对光伏发电及其所处电力系统可靠性评估的未来研究趋势做出展望.

基于小生境和模糊理想决策的冷热电联供系统光伏容量配置

冷热电联供系统具有以冷定电、以热定电和以电定热等多种运行模式,但为满足冷/热/电的单一供应需求而常导致一次能源消耗量过高。为此,本文提出了一种冷热电联供系统的光伏容量优化配置方法。首先,分别建立了光伏出力模型和冷热电联供系统模型;其次,构造了以光伏改造经济收益最大和用户满意度最高为目标的多目标优化模型;再次,针对常规粒子群算法无法有效解决多目标函数的问题,引入小生境机制,提出了改进的小生境粒子群算法。基于专家模糊理想权重,利用模糊理想决策方法对所得到的非劣解集进行决策。最后,实际算例表明,所提的光伏容量优化配置方具有良好的可行性,有良好的经济收益的同时可以提高用户满意度。

利用SVM-LSTM-DBN的短期光伏发电预测方法

为解决传统预测算法的不足,利用深度信念网络(DBN)耦合支持向量机(SVM)和长短期记忆神经网络(LSTM),提出一种新的光伏功率组合预测方法.分别构建以高斯径向基函数为核函数的支持向量机预测模型、4层长短期记忆神经网络为单项预测模型,通过深度信念网络组合,优化预测结果并输出.根据实际出力和预测结果的误差,利用DBN动态调整以获得最优值,进一步验证SVM-LSTM-DBN模型的有效性和准确性,并以新疆维吾尔自治区某光伏电站的实测数据进行仿真验证.结果表明:基于SVM-LSTM-DBN组合的光伏出力预测模型与单一模型相比,预测精度明显提高.

考虑光伏不确定性的配电网负荷特性概率评估

为准确评估光伏接入配电网以后对其负荷特性的影响程度,分析了光伏出力的不确定性和时序性特点,建立了基于净空模型的光伏出力时序模型。根据光伏出力以及负荷的随机性特点,提出置信日负荷率、置信日峰谷差以及置信日削峰度3种概率性负荷特性指标,基于概率性指标并结合蒙特卡洛模拟法形成考虑光伏不确定性的配电网负荷特性概率评估方法,运用其分析不同渗透率和天气情况下光伏接入对工业生产、酒店商业、农业加工、居民生活类负荷的影响程度。以广东地区的光伏出力历史数据为例进行仿真分析,结果表明:提出的概率性负荷特性指标能够准确的反映光伏接入对负荷特性的影响情况,为配电网规划与运行提供依据。