光伏发电系统发电功率预测

吴攀

doi:10.12096/j.2096-4528.pgt.19113

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

光伏发电系统发电功率预测

分布式能源系统 | 更新时间：2025-07-04

- 光伏发电系统发电功率预测
- Power Forecasting of Photovoltaic Power Generation System
- 发电技术 2020年41卷第3期页码：231-236
- 作者机构：
  
  国网浙江台州市路桥区供电有限公司, 浙江省台州市 318050
- 作者简介：
  
  [ "吴攀(1982), 男, 高级工程师, 研究方向为电网调度、电网运行、配网设计改造, 627526761@qq.com" ]
- 基金信息：
- DOI：10.12096/j.2096-4528.pgt.19113
  中图分类号： TM615
- 收稿：2019-11-13，
  
  纸质出版：2020-06-30
- 稿件说明：
移动端阅览
吴攀. 光伏发电系统发电功率预测[J]. 发电技术, 2020,41(3):231-236.

Pan WU. Power Forecasting of Photovoltaic Power Generation System[J]. Power Generation Technology, 2020, 41(3): 231-236.
吴攀. 光伏发电系统发电功率预测[J]. 发电技术, 2020,41(3):231-236. DOI： 10.12096/j.2096-4528.pgt.19113.

Pan WU. Power Forecasting of Photovoltaic Power Generation System[J]. Power Generation Technology, 2020, 41(3): 231-236. DOI： 10.12096/j.2096-4528.pgt.19113.

摘要

为解决光伏发电系统发电功率在不同条件下误差较大问题，提出光伏发电系统发电功率预测新方法。通过分析光伏发电系统结构，研究光伏发电系统发电功率影响因素；以季节和天气类型作为历史样本选取样本源，针对气象部门提供的预测日分时气象数据在历史数据库中寻找相似数据点作为历史样本；依据历史样本构建离线参数寻优数据总集，使用核函数极限学习机算法构建发电系统发电功率预测模型，通过粒子群算法优化模型参数。实验结果表明：所提方法在不同条件下预测太阳能光伏发电系统发电功率的平均绝对百分比误差分别为1.47%和6.39%，光伏组件在综合异常条件下发电功率预测误差相对变化均低于1%，证明所提方法满足实际预测要求。

Abstract

In order to solve the problem of large errors in the power generation of solar photovoltaic system under different conditions

a new method for power generation prediction of solar photovoltaic system was proposed. By analyzing the structure of solar photovoltaic power generation system

the influencing factors of solar photovoltaic power generation system were studied. Seasons and weather types were used as historical samples to select sample sources

and similar data points were searched in the historical database for predicting daily time-sharing meteorological data provided by meteorological departments as historical samples. The off-line parameter optimization data set was constructed with historical samples

and the generation power prediction model of power generation system was constructed with the kernel function limit learning machine algorithm

and the model parameters were optimized by the particle swarm optimization algorithm. The experimental results show that the mean absolute percent errors of the proposed method are 1.47% and 6.39% respectively under different conditions

and the relative variation of the power prediction errors of solar photovoltaic modules is less than 1% under comprehensive abnormal conditions. It is proved that the proposed method meets the actual prediction requirements.

关键词

Keywords

references

王以笑, 崔丽艳, 雷振锋, 等.分布式光伏电站区域智能调控系统的研究[J].电力系统保护与控制, 2016, 44(4):118-122.

Takahashi A, Yamagata A, Imai J, et al.Decomposition of fluctuating photovoltaic generation power in frequency bands and analysis of chaotic properties[J].Electrical Engineering in Japan, 2017, 201(4):26-33.

武永鑫, 王虎, 李世杰, 等.灰尘沉积对光伏组件发电性能的影响[J].分布式能源, 2017, 2(5):55-59.

石磊, 侯学良.并网光伏电站发电效率快速估算实用模型[J].电网与清洁能源, 2018, 34(2):161-166.

于秩彬, 王春芳, 周钊正, 等.青岛地区四季天气对光伏发电量的影响[J].广东电力, 2019, 32(6):48-54.

严华江, 章坚民, 胡瑛俊, 等.考虑空间相关性的分布式光伏发电出力预测及误差评价指标研究[J].浙江电力, 2020, 39(3):54-60.

史洁, 刘晓飞.新能源功率预测算法优化研究[J].发电技术, 2019, 40(1):78-82.

陈世游, 左为恒.基于改进相似样本选取与特征提取的光伏发电功率预测方法[J].计算机测量与控制, 2019, 27(2):165-169.

时珉, 王强, 王铁强, 等.基于特征筛选与ANFIS-PSO的分布式光伏发电功率预测方法研究[J].可再生能源, 2019, 37(7):989-994.

殷豪, 陈云龙, 孟安波, 等.基于二次自适应支持向量机的光伏输出功率预测[J].太阳能学报, 2019, 40(7):1866-1873.

张玉, 黄睿, 张振涛, 等.基于克里格模型的光伏发电量预测[J].热力发电, 2017, 46(4):27-32.

徐敏姣, 徐青山, 袁晓冬.基于改进EMD及Elman算法的短期光伏功率预测研究[J].现代电力, 2016, 33(3):8-13.

Li Q, Sun Y, Yu Y, et al.Short-term photovoltaic power forecasting for photovoltaic power station based on EWT-KMPMR[J].Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(20):265-273.

侯松宝, 王侃宏, 石凯波, 等.基于相似日和主成分分析的光伏发电系统短期出力预测[J].可再生能源, 2018, 36(1):15-21.

王昕, 黄柯, 郑益慧, 等.基于萤火虫算法广义回归神经网络的光伏发电功率组合预测[J].电网技术, 2017, 41(2):455-461.

王昕, 黄柯, 郑益慧, 等.基于PNN/PCA/SS-SVR的光伏发电功率短期预测方法[J].电力系统自动化, 2016, 40(17):156-162.

黎嘉明, 艾小猛, 文劲宇, 等.光伏发电功率持续时间特性的概率分布定量分析[J].电力系统自动化, 2017, 41(6):30-36.

王冰, 卢舟鑫.一种基于多时段综合相似日的光伏发电功率预测方法[J].电源技术, 2017, 41(1):103-106.

温润, 谭丽.结合HS算法与ESN算法的光伏发电短期出力预测[J].计算机科学, 2017, 44(6):226-231.

Simon C, Michiorri A, Kariniotakis G.Optimal offer of automatic frequency restoration reserve from a combined PV/wind virtual power plant[J].IEEE Transactions on Power Systems, 2018, 33(6):6155-6170.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

新能源功率预测算法优化研究

含风-光-电氢混合储能的多微电网系统容量优化配置方法

多重不确定性下的虚拟电厂参与电能量和需求响应市场鲁棒优化调度策略

光伏耦合电解水制氢系统作为虚拟电厂资源的运行模式与经济性分析

太阳能光伏光热高效综合利用技术