APP下载

有限信息下基于深度学习模型的小型分布式光伏电站功率预测

2020-05-06甄皓

上海节能 2020年4期
关键词:信息模型

甄 皓

华北电力大学经济与管理学院

0 引言

可再生能源的利用是应对中国环境和能源问题的重要措施。中国在《能源发展战略行动计划(2014-2020)》《可再生能源中长期发展规划(2007-2020)》中指出,在2020年实现非化石能源占一次能源消费比重达到15%。然而,可再生能源整合进电网的主要挑战在于可再生能源的间歇性、不稳定性。为了可靠地利用可再生能源、保障电网平衡、实时调度,不同时间范围内的可再生能源功率预测十分重要。

针对光伏功率预测,大多数文章都通过间接太阳辐照度等气象信息来预测光伏功率。一方面,全球水平辐照度预测往往与温度预测相结合,通过物理模型来预测光伏功率输出。另一方面,越来越多的学者提出了人工神经网络模型(Artificial Neural Networks, ANN)[1,2]、支持向量机(Support Vector Machine, SVM)等机器学习模型[3,4]来预测光伏电站输出。具体来讲,用于功率预测模型的输入数据往往涉及到小型气象站监测的气象数据,一般包括全球水平辐射、温度、漫射辐射水平、风速等。采用物理模型或者机器学习方法,都涉及到一段时间内当地气象数据的获取和利用。

一部分学者对有限气象信息条件下的光伏功率预测进行了研究。Cai Tao等人提出了一种神经网络预测模型,解决了无辐照量数据情况下的光伏功率预测问题[5]。Gianni Bianchini等人通过PVUSA参数模型,分别利用云量信息和光伏功率历史数据[6]、以及温度预测及光伏功率历史数据等[7]解决了无辐照量和温度信息下的光伏功率预测问题。然而,这些方法都假定可以得到有关光伏电站所在站点云覆盖指数或历史温度,对很多分布式小型光伏电站均不能适用。……

登录APP查看全文

猜你喜欢

信息模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
订阅信息
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
展会信息
一个相似模型的应用
信息
健康信息
健康信息(九则)