收藏本站
收藏 | 论文排版

基于数据挖掘的光伏集群功率预测方法研究

闫芳晴  
【摘要】:随着光伏发电的快速发展,由多个光伏场站集成的光伏集群的发电形式越来越普遍。把握光伏集群输出功率的变化规律,实现对光伏集群输出功率的有效预测对电力系统运行调控决策具有重要意义。由于光伏集群中包含众多光伏场站,导致光伏集群功率预测所涉及的输入数据类型多样且规模较大(包含集群内各光伏场站的数值天气预报和输出功率),且各光伏场站输入数据之间存在复杂的相关关系。因此,光伏集群功率预测的关键在于如何高效地从高维复杂的输入数据中挖掘有效信息,实现高维输入数据与光伏集群输出功率间精确的非线性关系拟合。目前常用的光伏集群功率预测方法主要有累加法和统计升尺度法,前者直接将集群内所有光伏场站预测结果进行累加得到光伏集群功率预测结果,后者则利用基准光伏场站预测结果升尺度得到光伏集群功率预测结果,其中均缺少对光伏集群功率预测输入数据的深度挖掘,预测精度仍存在改善空间。此外,光伏集群功率变化具有较强的不确定性,难以被准确预测,累加法和统计升尺度法均为单值预测方法,无法为电力系统运行人员提供光伏集群功率预测结果的不确定性信息。本文利用深度学习理论,实现了光伏集群功率预测输入数据的深度挖掘,充分提取关键有效信息,从单值预测和概率预测两方面入手,开展基于数据挖掘的光伏集群功率预测方法的研究。首先提出了基于卷积神经网络(convolutional neural network,CNN)算法的光伏集群功率单值预测方法。该方法利用卷积神经网络强大的高维数据处理和深度特征挖掘能力,对光伏集群功率预测的输入数据进行深度挖掘及特征提取,可有效改善传统光伏集群功率单值预测方法的精度。在此基础上,为衡量光伏集群功率预测结果的不确定性,本文进一步将卷积神经网络算法与非线性分位数回归(quantileregression,QR)算法相结合,并对卷积神经网络结构做出了适应性改进,提出了基于卷积神经网络分位数回归(CNNQR)的光伏集群功率概率预测方法。该方法结合改进的卷积神经网络,能够更加高效地提取输入数据中包含的复杂特征并生成非线性分位数回归函数,提供光伏集群功率的分位数预测结果。文中使用山东省潍坊市10个光伏场站的历史数据对本文所提出的预测方法进行验证,并与多种常用的光伏集群功率预测方法的预测结果进行对比分析,验证本文提出方法的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 仲崇成;苟方怀;;大功率柴油发动机维护保养与维修[J];内燃机与配件;2020年15期
2 方进;;小功率短波发射机保护问题研究与分析[J];中国新通信;2020年13期
3 王英涛;王轶冬;;大功率调频多工器的常见故障分析和维护保养方法[J];广播电视信息;2016年11期
4 苏玉忠;;一种提高短波发射机功率显示精度的改进设计[J];广播与电视技术;2017年01期
5 张宇;王玲玲;;论大功率交流传动内燃机车的未来发展方向[J];内燃机与配件;2017年02期
6 张森;;大功率短波发射机水路的维护研究[J];西部广播电视;2016年24期
7 李燕;;论大功率短波发射机的技术改进[J];现代工业经济和信息化;2016年06期
8 李倬;;“功率”随堂练[J];中学生数理化(八年级物理)(配合人教社教材);2020年06期
9 吴学利;;厘清“功率”与“效率”[J];中学生数理化(八年级物理)(配合人教社教材);2020年Z2期
10 金加团;梁旭;;基于核心素养的教学设计——功和功率[J];中学物理;2019年03期
11 吴凤英;;怎样比较做功的快慢[J];中学生数理化(八年级物理)(配合人教社教材);2018年06期
12 卜琴;戴同兰;;《功率》内容之我见[J];数理化解题研究;2015年13期
13 车畅;;“功率”练习[J];中学生数理化(八年级物理)(配合人教社教材);2014年05期
14 余立新;;额定功率与实际功率[J];新课程学习(下);2014年07期
15 郑冬冬;;2011年中国功率MOSFET市场放缓的两个因素[J];半导体信息;2011年03期
16 孙再吉;;德国Fraunhofer大学开发Ka波段大功率MMIC[J];半导体信息;2010年05期
17 孙再吉;;Philips Lumileds开发高效、小型、大功率LED[J];半导体信息;2009年04期
18 黄超;;大功率交流传动电力机车应用适应性研究[J];铁道货运;2007年10期
19 ;Xicom 把超过40W的功率放进一个“鞋盒子”了?[J];卫星与网络;2007年07期
20 ;法国凤凰快堆恢复带功率运行[J];国外核新闻;2003年07期
中国重要会议论文全文数据库 前10条
1 李超;朱涵一;;功率汇流环的设计及应用[A];2005年机械电子学学术会议论文集[C];2005年
2 吴晃;徐品方;潘文杰;徐向东;费琳;于贵明;李自卫;王新;;铀0cm~(-1)→16900.38cm~(-1)(~5L_6~o→~7M_7~e)跃迁功率加宽实验及分析[A];第五届全国量子光学学术报告会论文摘要专集[C];1992年
3 段超毅;储祥林;常乐;;S波段4.8MW大功率磁控管的研制与应用[A];“第十四届全国微波能应用学术会议”暨“2009年微波创造美的生活高峰论坛”论文集[C];2009年
4 冯爱华;;第十五章 第三节 功率[A];河北省教师教育学会优秀课题成果论坛论文集[C];2012年
5 邓刚;;高功率水负载的设计研究[A];2008年电子机械与微波结构工艺学术会议论文集[C];2008年
6 顾占彪;陈志宏;孙长友;孙志宇;;L波段800W功率放大模块的研制[A];2003'全国微波毫米波会议论文集[C];2003年
7 孙进;初海彬;董海青;秦红磊;陈忠贵;;基于全球导航卫星设计的功率增强技术研究[A];第二届中国卫星导航学术年会电子文集[C];2011年
8 宋丹;邢金强;邵哲;刘磊;王桂英;何文林;;5G高功率终端产业需求及射频解决方案研究[A];面向5G的LTE网络创新研讨会(2017)论文集[C];2017年
9 官伟;孙绍国;张轶江;易容平;;米波宽带小型化大功率功分器的设计[A];2015年全国微波毫米波会议论文集[C];2015年
10 蔡琇如;龐秀蘭;魏亦誠;;單相電功率數位取樣量測系統[A];第五届海峡两岸计量与质量学术研讨会论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 李伟;基于分量理论的功率分解新方法研究[D];华北电力大学(北京);2007年
2 李林;基于分功率传动原理的旋转机械调速技术与装置研究[D];华北电力大学(北京);2010年
3 胡旭东;高功率连续光纤激光器全局优化的研究[D];北京交通大学;2015年
4 林歆悠;混联式混合动力客车功率均衡能量管理控制策略研究[D];重庆大学;2011年
5 王小君;基于功率从属性追踪的电网节点成本分析[D];华北电力大学(北京);2008年
6 张伟毅;高功率掺镱光纤主振荡功率放大系统研究[D];天津大学;2012年
7 李晓波;轻型高速柴油机提高功率的研究[D];哈尔滨工程大学;2002年
8 洪立立;低功率高能聚焦超声对胰腺癌移植瘤凋亡和基因表达影响的初步研究[D];天津医科大学;2014年
9 谭勋琼;直驱永磁风电—燃料电池混合系统建模及功率平滑控制[D];湖南大学;2011年
10 吴鹏;高功率掺镱光纤超荧光光源技术研究[D];中国科学院大学(中国科学院西安光学精密机械研究所);2019年
中国硕士学位论文全文数据库 前10条
1 闫芳晴;基于数据挖掘的光伏集群功率预测方法研究[D];山东大学;2020年
2 赵英俊;新型功率车的恒功率控制系统研究[D];中国科学技术大学;2016年
3 孙德霖;大功率自均流直流电子负载的研究[D];青岛科技大学;2015年
4 朱红燕;功率感知DBMS的实时功率建模与控制[D];浙江工业大学;2014年
5 王毅;功率MOSFET的失效分析及其驱动设计[D];武汉理工大学;2014年
6 许婷婷;风功率预测的场风速指标应用及其数值预报的修订[D];南京信息工程大学;2015年
7 臧芳;风功率预测系统设计与实现[D];山东大学;2016年
8 褚夫飞;基于改进人工蜂群算法的分散式风功率预测方法研究[D];东北大学;2014年
9 刘宜良;基于组合模型的光伏功率预测系统研究[D];华北电力大学(北京);2016年
10 习佳;实时风功率预测算法研究[D];内蒙古科技大学;2020年
中国重要报纸全文数据库 前10条
1 本报记者 靳卫明;大功率快充:“阵痛”何时过去?[N];新能源汽车报;2018年
2 赛迪装备所 尚勇;大功率快充产业现状几何?[N];新能源汽车报;2018年
3 湖北 朱少华 编译;驱动大功率LED的高压降压变换器[N];电子报;2015年
4 本报记者 郭涛;科华:在大功率UPS市场站稳脚跟[N];中国计算机报;2009年
5 记者 翁卿仑;温企引领大功率LED灯技术[N];温州日报;2010年
6 ;SMC大功率无线 PC卡[N];网络世界;2003年
7 杨斌;功率IC:中国增长最快 DC-DC应用加速[N];中国电子报;2007年
8 江苏 沈亦飞;电磁灶的功率叠加装置[N];电子报;2004年
9 贾一欣;小功率UPS采购4招[N];网络世界;2005年
10 边吉;小功率LED优势应发扬光大[N];消费日报;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978