简介:摘要: 光伏发电大规模接入电网会使电网产生一定波动,对电力系统产生影响,提高光伏发电量预测的准确性是发展光伏发电技术及保证电网稳定性的关键.本文对光伏发电量预测方法进行归纳总结,根据研究原理将其分为直接预测法和间接预测法,并对直接预测法中的混合模型做了具体分类:基于确定神经网络初始权值的混合模型、基于光伏数据预处理的混合模型及其他混合模型.通过比较各种方法的平均绝对百分比误差(MAPE)及仿真时间,对各种方法进行评估.结果 表明:人工智能预测法目前应用最广,MAPE在3%~15%之间,其中,深度学习网络模型预测误差最小,但仿真时间较长且模型复杂度较高;混合模型可以有效减小预测误差,总体预测误差小于10%,是未来一个重要的研究领域.
简介:摘 要:随着全球经济的发展,国家环境越来越差。能源使用不良是造成环境恶劣的主要原因。因此,合理利用能源,鼓励人们使用太阳能等清洁能源非常重要。人们也开始建造太阳能发电厂。本文提出了一种光伏电站优化设计的方法。基于模拟退火算法,利用光伏区域的元件实现最优分组,最终实现最优的两级电缆成本。采用核算和核对实际项目的方法,有效地提高了设计的实际效果。 关键词:光伏电站;有功功率控制;MAS