光伏微電網(wǎng)的發(fā)電和負(fù)荷預(yù)測(cè)方法及調(diào)度策略研究.pdf

1、隨著能源消費(fèi)的快速增長(zhǎng)，導(dǎo)致傳統(tǒng)能源日益枯竭。為了應(yīng)對(duì)這一嚴(yán)峻問題，人類加快了對(duì)可再生能源的研究和開發(fā)。其中，太陽能因?yàn)槠渚哂腥菀撰@取和綠色環(huán)保等優(yōu)勢(shì)，基于太陽能發(fā)電的光伏微電網(wǎng)逐漸成為人類對(duì)可再生能源研究和利用的發(fā)展方向。但是由于易受天氣和外部環(huán)境等各種客觀的不可控的因素的影響，光伏微電網(wǎng)中的發(fā)電及負(fù)荷會(huì)呈現(xiàn)出一定程度的不確定性，難以實(shí)現(xiàn)微電網(wǎng)的經(jīng)濟(jì)穩(wěn)定運(yùn)行。因此，獲取精確的微電網(wǎng)發(fā)電和負(fù)荷預(yù)測(cè)數(shù)據(jù)，制定合理的微電網(wǎng)能量調(diào)度策略，具有

2、重要意義。本文以光伏微電網(wǎng)為研究對(duì)象，對(duì)光伏發(fā)電及負(fù)荷預(yù)測(cè)方法進(jìn)行了全面而細(xì)致的探討，基于獲取的預(yù)測(cè)數(shù)據(jù)，對(duì)光伏微電網(wǎng)的能量調(diào)度策略進(jìn)行了深入研究。
　　本文針對(duì)光伏發(fā)電及負(fù)荷預(yù)測(cè)中的實(shí)際應(yīng)用問題，深入地研究了RBF神經(jīng)網(wǎng)絡(luò)和灰色算法的基本原理，分別探討了這兩種算法的建模方法。首先，引入神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)理論，探討了光伏發(fā)電和負(fù)荷預(yù)測(cè)模型的構(gòu)建及其設(shè)計(jì)思想，詳細(xì)的定性分析了氣象條件與光伏發(fā)電及負(fù)荷預(yù)測(cè)之間存在的聯(lián)系；探究了光伏發(fā)電及負(fù)荷

3、預(yù)測(cè)中神經(jīng)網(wǎng)絡(luò)輸入量的確定和選取方法、輸入數(shù)據(jù)的預(yù)處理方法、網(wǎng)絡(luò)結(jié)構(gòu)以及網(wǎng)絡(luò)輸出的確定方法，構(gòu)建了基于RBF神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電及負(fù)荷預(yù)測(cè)模型。其次，探討了 GM(1,1)的建模思想，研究了灰色算法對(duì)輸入數(shù)據(jù)的預(yù)處理方法，詳細(xì)分析了模型關(guān)鍵參數(shù)的求解方法，針對(duì)模型參數(shù)求解過程中存在的缺陷，提出了改進(jìn)方法，分析了原始模型和改進(jìn)模型的預(yù)測(cè)性能，仿真結(jié)果表明，改進(jìn)算法具有更優(yōu)的預(yù)測(cè)結(jié)果。為了提煉出更精確的預(yù)測(cè)結(jié)果，本文提出了組合預(yù)測(cè)算法，研究了