新能源發(fā)電功率預(yù)測

目錄
《智能電網(wǎng)研究與應(yīng)用叢書》序
前言
第1章 新能源功率預(yù)測背景意義 1
1.1 新能源的發(fā)展 1
1.1.1 風(fēng)力發(fā)電 1
1.1.2 光伏發(fā)電 3
1.2 問題與挑戰(zhàn) 7
1.3 新能源功率預(yù)測的意義 9
參考文獻(xiàn) 9
第2章 預(yù)測基本問題概述 11
2.1 新能源功率預(yù)測的基本方式 11
2.1.1 直接預(yù)測 11
2.1.2 分步預(yù)測 12
2.2 新能源功率預(yù)測時空尺度 14
2.3 功率預(yù)測方法 15
2.3.1 時間序列 15
2.3.2 人工神經(jīng)網(wǎng)絡(luò) 17
2.3.3 支持向量機(jī) 22
2.3.4 小波變換 28
2.3.5 經(jīng)驗?zāi)B(tài)分解 30
2.3.6 混沌理論與相空間重構(gòu) 32
2.4 預(yù)測誤差評價與考核 34
參考文獻(xiàn) 35
第3章 光伏發(fā)電系統(tǒng)出力特性分析 37
3.1 光伏發(fā)電系統(tǒng)簡介 37
3.1.1 光伏發(fā)電的基本原理 37
3.1.2 光伏發(fā)電系統(tǒng)的結(jié)構(gòu) 38
3.2 光伏發(fā)電系統(tǒng)出力特性 39
3.2.1 光伏發(fā)電系統(tǒng)的輸出特性 39
3.2.2 光伏發(fā)電功率影響因子相關(guān)性分析 41
3.2.3 光伏電站發(fā)電功率出力特性的關(guān)聯(lián)數(shù)據(jù)模型 48
參考文獻(xiàn) 51
第4章 光伏發(fā)電功率極短期預(yù)測 53
4.1 概述 53
4.2 基于天空圖像的光伏發(fā)電功率分鐘級預(yù)測方法 54
4.2.1 云團(tuán)運(yùn)動對光伏發(fā)電功率的影響機(jī)理 54
4.2.2 光伏發(fā)電功率分鐘級預(yù)測基本技術(shù)路線 54
4.3 云空辨識 56
4.3.1 基于大類間方差法的云空辨識算法 56
4.3.2 基于k-means 聚類的云團(tuán)辨識方法 59
4.4 云團(tuán)運(yùn)動速度計算 63
4.4.1 傅里葉相位相關(guān)理論 63
4.4.2 云團(tuán)運(yùn)動速度計算流程 64
4.4.3 云團(tuán)運(yùn)動速度計算結(jié)果準(zhǔn)確性分析 65
4.4.4 仿真與分析 67
4.5 基于相移不變性的改進(jìn)云團(tuán)位移計算 71
4.5.1 相移不變性 71
4.5.2 基于相移不變性的天空圖像云團(tuán)位移計算改進(jìn)算法 73
4.5.3 仿真結(jié)果與分析 75
4.6 地表輻照度計算 80
4.6.1 地表輻照度計算流程 80
4.6.2 晴空地表輻照度 81
4.6.3 天空圖像云遮擋特征提取 82
4.6.4 BP 模型輸入變量及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)選取 84
4.6.5 仿真與分析 85
4.7 本章小結(jié) 87
參考文獻(xiàn) 88
第5章 光伏發(fā)電功率超短期預(yù)測 90
5.1 概述 90
5.2 集合預(yù)測方法 90
5.3 基于小波分解的多重并行預(yù)測 91
5.4 多重并行預(yù)測結(jié)果的自適應(yīng)時間斷面融合 94
5.5 算法仿真與討論 97
5.5.1 仿真過程設(shè)計 97
5.5.2 仿真結(jié)果比較 97
5.5.3 聯(lián)合優(yōu)化過程討論 101
5.6 本章小結(jié) 102
參考文獻(xiàn) 103
第6章 光伏發(fā)電功率短期預(yù)測 104
6.1 概述 104
6.2 基于天氣狀態(tài)模式識別的光伏電站發(fā)電功率分類預(yù)測方法 104
6.2.1 歷史數(shù)據(jù)分組與缺失標(biāo)簽恢復(fù) 104
6.2.2 光伏電站發(fā)電功率分類預(yù)測方法 107
6.3 重要氣象影響因子預(yù)測 109
6.3.1 輻照度神經(jīng)網(wǎng)絡(luò)預(yù)測模型仿真 109
6.3.2 基于時間周期性和臨近相似性的輻照度預(yù)測值修正方法 115
6.3.3 光伏電池組件溫度與氣象因素相關(guān)分析及光伏電池組件溫度預(yù)測 122
6.4 光伏電站發(fā)電功率關(guān)聯(lián)數(shù)據(jù)映射預(yù)測 141
參考文獻(xiàn) 145
第7章 深度學(xué)習(xí)理論在光伏發(fā)電功率預(yù)測中的應(yīng)用 146
7.1 深度學(xué)習(xí)模型 146
7.1.1 基于深度學(xué)習(xí)理論的生成模型 146
7.1.2 卷積神經(jīng)網(wǎng)絡(luò) 153
7.1.3 循環(huán)神經(jīng)網(wǎng)絡(luò) 156
7.1.4 長短期記憶網(wǎng)絡(luò). 160
7.1.5 雙向長短期記憶網(wǎng)絡(luò) 162
7.2 基于深度學(xué)習(xí)理論的天氣狀態(tài)模式識別模型 163
7.2.1 仿真數(shù)據(jù)與仿真平臺 165
7.2.2 深度學(xué)習(xí)模型結(jié)構(gòu)和超參數(shù) 165
7.2.3 生成樣本質(zhì)量評估 166
7.2.4 不同模型準(zhǔn)確率對比 170
7.3 基于天氣狀態(tài)分類和深度學(xué)習(xí)理論的輻照度預(yù)測模型 174
7.3.1 預(yù)測模型的組成. 174
7.3.2 仿真算例 178
7.4 本章小結(jié) 191
參考文獻(xiàn) 191
第8章 風(fēng)電功率超短期預(yù)測 193
8.1 概述 193
8.2 基于模糊粗糙集理論的風(fēng)電功率預(yù)測方法 195
8.2.1 基于模糊粗糙集與改進(jìn)聚類的神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測模型 195
8.2.2 模型仿真實例與結(jié)果分析 196
8.3 基于混沌理論的風(fēng)電功率預(yù)測方法 201
8.3.1 基于混沌分析和RBF(C-RBF)的功率預(yù)測模型 201
8.3.2 模型仿真實例與結(jié)果分析 202
8.4 基于EMD 的風(fēng)電功率預(yù)測方法 204
8.4.1 基于EMD-ARMA 的風(fēng)電功率預(yù)測模型 205
8.4.2 基于EMD-RBF 的風(fēng)電功率預(yù)測模型 206
8.4.3 模型仿真實例與結(jié)果分析 207
8.5 考慮時空信息的風(fēng)電功率預(yù)測方法 217
8.5.1 風(fēng)速時空相關(guān)性分析 217
8.5.2 STCP-BP 組合的時空相關(guān)性預(yù)測模型 218
8.5.3 模型仿真實例與結(jié)果分析 221
參考文獻(xiàn) 225
第9章 風(fēng)電功率短期預(yù)測 226
9.1 概述 226
9.2 基于NWP 的短期風(fēng)力發(fā)電功率預(yù)測方法 226
9.2.1 NWP 信息與風(fēng)力發(fā)電功率的關(guān)系 226
9.2.2 基于NWP 的神經(jīng)網(wǎng)絡(luò)風(fēng)電功率預(yù)測 227
9.2.3 模型仿真實例及結(jié)果分析 227
9.3 風(fēng)力發(fā)電功率的概率預(yù)測方法 228
9.3.1 風(fēng)力發(fā)電功率預(yù)測誤差概率分布特性分析 229
9.3.2 貝塔分布模型及模型的優(yōu)化 231
9.3.3 模型仿真實例及結(jié)果分析 234
參考文獻(xiàn) 237
第10章 實際預(yù)測系統(tǒng) 238
10.1 光伏功率預(yù)測系統(tǒng) 238
10.1.1 概述 238
10.1.2 數(shù)據(jù)的采集和處理 238
10.1.3 系統(tǒng)的架構(gòu)設(shè)計 241
10.1.4 系統(tǒng)拓?fù)渑c數(shù)據(jù)交換方式 244
10.1.5 功能設(shè)置與界面展示 247
10.1.6 小結(jié) 251
10.2 風(fēng)電功率預(yù)測系統(tǒng) 251
10.2.1 概述 251
10.2.2 需求分析 251
10.2.3 構(gòu)架設(shè)計 254
10.2.4 系統(tǒng)實現(xiàn) 259
10.2.5 系統(tǒng)應(yīng)用 259
10.2.6 小結(jié) 263
參考文獻(xiàn) 263