技术与应用
|
一种实用的超短期光伏发电预测方法
孙锐1 , 汤义勤2 , 马红伟1 , 毛建容1
1.许继集团有限公司, 北京 100085; 2. 台州电业局, 浙江 临海 317000
The Practical Forecast Method of Ultra-Short-Term Photovoltaic Generation
Sun Rui1 , Tang Yiqin2 , Ma Hongwei1 , Mao Jianrong1
1.XuJi Group Corporation, Beijing 100085; 2.Taizhou Electric Power Company, Linhai, Zhejiang 317000
摘要 为了实现光伏发电系统发电量的在线快速预测, 提高光伏并网后电网的稳定性及安全性, 本文提出了一种基于相似日典型变化趋势的超短期光伏发电预测方法。通过选择相似日, 获得光伏发电功率的典型变化趋势, 结合线性外推方法, 得到超短期发电预测数据。最后, 通过实际的算法案例进行验证, 表明本文所用方法具有一定的推广价值。
关键词 :
超短期 ,
光伏发电 ,
相似日 ,
典型变化趋势
Abstract :In order to achieve online quickly forecasting of the photovoltaic generation and improve the stability and security of the grid, a practical forecast method of ultra-short-term PV generation based on the typical tend is proposed. By selecting similar days, the typical trend of photovoltaic generating power is got. Combined with the linear extrapolation method, ultra-short-term forecasting power is measured. Finally, the practical application of this method shows that the method is feasible and has some promotional value.
Key words :
ultra-short-term
photovoltaic generation
similar day
typical trend
收稿日期: 2014-06-26
出版日期: 2014-06-26
作者简介 : 孙锐(1982- ), 女, 硕士, 从事智能微电网研究工作。
引用本文:
孙锐, 汤义勤, 马红伟, 毛建容. 一种实用的超短期光伏发电预测方法[J]. 电气技术, 2013, 14(01): 81-83.
Sun Rui, Tang Yiqin, Ma Hongwei, Mao Jianrong. The Practical Forecast Method of Ultra-Short-Term Photovoltaic Generation . Electrical Engineering, 2013, 14(01): 81-83.
链接本文:
https://dqjs.cesmedia.cn/CN/Y2013/V14/I01/81
[1]
缪雅慧, 焦燕, 徐浩. 含储能的多能互补系统功率控制方案 [J]. 电气技术, 2024, 25(5): 75-80.
[2]
于惠钧, 马凡烁, 陈刚, 杨驰泽, 李嘉轩. 基于改进灰狼优化算法的含光伏配电网动态无功优化 [J]. 电气技术, 2024, 25(4): 7-15.
[3]
崔灏然, 王金全, 黄克峰, 姚卫波, 周美权. 含脉冲负载光储微电网运行特性研究 [J]. 电气技术, 2022, 23(6): 69-76.
[4]
刘语忱, 闫群民, 郭阳, 刘新宇, 桑兴勇. 基于完备局部均值分解和相关分析的光伏发电侧电-氢混合储能优化配置 [J]. 电气技术, 2022, 23(11): 21-29.
[5]
武明义, 焦超凡, 瞿博阳, 焦岳超, 付凯. 基于相似日算法及集成学习的短期光伏预测模型 [J]. 电气技术, 2021, 22(4): 33-37.
[6]
朱泓晖, 屈艾文, 周扬忠. 基于储能型准Z源光伏并网逆变器的改进型自适应粒子群最大功率点跟踪算法研究 [J]. 电气技术, 2021, 22(3): 6-13.
[7]
刘琼, 田晓梨, 花凌锋, 刘晓强. 基于G-L-R模型的光伏发电功率预测 [J]. 电气技术, 2020, 21(8): 11-15.
[8]
孙祥晟, 陈芳芳, 贾鉴, 陈浩, 胡康飞. 基于经验模态分解的神经网络光伏发电预测方法研究 [J]. 电气技术, 2019, 20(8): 54-58.
[9]
曹鹏飞, 杨君, 饶纪全, 邢德文. 分布式光伏发电网络构建与仿真 [J]. 电气技术, 2019, 20(8): 64-68.
[10]
朱宏毅, 沈渭程, 董开松. 大型光伏电站有功功率控制策略研究 [J]. 电气技术, 2019, 20(4): 82-85.
[11]
夏一峰, 许健伟, 朱金荣. 基于改进型变步长电导增量法的光伏最大功率跟踪控制 [J]. 电气技术, 2019, 20(3): 18-23.
[12]
彭周宁, 林培杰, 赖云锋, 程树英, 陈志聪. 基于混合灰色关联分析-广义回归神经网络的光伏电站短期功率预测 [J]. 电气技术, 2019, 20(10): 11-18.
[13]
刘磊, 林金福, 刘夫勇. 基于随机潮流的配电网最大光伏接入能力与影响分析 [J]. 电气技术, 2018, 19(7): 15-20.
[14]
吴世伟, 刘文彪, 纪陵, 李靖霞. 新能源发电功率预测系统数据流容错研究 [J]. 电气技术, 2018, 19(12): 107-111.
[15]
李贞, 崔丽艳, 陶颍军, 邱俊宏, 陈斌. 基于博弈论赋权的光伏功率组合预测模型 [J]. 电气技术, 2017, 18(5): 24-29.