本文大纲
帮您节省宝贵时间
一、影响发电功率因素
1、气象因素、组成元件工作特性及光伏电池安装形式
2、电站周围的光照、温度及季节
3、需要考虑光伏阵列的安装角度
4、时间尺度
长期型、中期型、短期型及超短期型。
二、光伏发电的安装形式
1、固定安装合
2、跟踪安装两种
三、光伏发电功率预测系统
1、短期预测
2、超短期预
文章速递
光伏发电技术集中在光伏电站主要由光伏电池、逆变装置及变压器等设备实现，由光伏电池输出直流电经过逆变装置转为交流电，再经过升压设备调压后并入电力系统。
目前，国内大多数的并网型光伏电站都不设蓄电池等能源存储设备，而是通过开关实现电站的循环启动或关闭运行。由于新能源发电技术受环境影响较大，因此当电站周围的光照、温度及季节发生变化时，都会使电站的发电功率发生波动严重时甚至会出现距离的间断问题。
光伏发电过程中光伏阵列的角度与太阳入射角度都会直接影响到发电功率，因此在电站设计过程中需要考虑光伏阵列的安装角度来提高光伏发电的发电功率。
根据光伏发电的安装形式不同可以分为固定安装合跟踪安装两种，其中固定安装是指光伏阵列的机构形式固定，其不随太阳位置变化而变化，该方式具有安装简便及机构简单的特点，但其发电效率较低。
为提高光伏发电的发电功率，设计出以单轴及双轴为代表的跟踪安装，其角度会根据太阳运动而发生改变，保证在白天内时光伏阵列与太阳保持垂直。在最大程度上保持了光伏发电的发电功率达到最优值。
根据光伏电站的机构特点，将气象因素、组成元件工作特性及光伏电池安装形式作为发电功率的主要影响因素。
在进行光伏发电功率预测系统的涉及过程中主要从空间和时间两个方面进行考虑，光伏发电的最小单位包括单台变流器及开关设备，由光伏电站的地理位置及所属区域的不同，设计预测系统中的空间尺度会存在差异。
光伏发电功率预测系统的时间尺度是指根据时间长短不同可以将其分为长期型、中期型、短期型及超短期型。
根据目前电力能源的行业标准将光伏发电功率预测系统分为短期预测和超短期预测。加强光伏发电功率预测可以未调度人员提供决策依据，实现常规发电与光伏发电的协调配合。通过对外部数据进行采集和处理，基于改进POS-BP神经网络的方法设计光伏发电功率预测系统。外部采集系统将气象数据等信息通过辐射预测子系统传输给主站，此外还需要采集光伏电站的实时数据以提高预测系统的准确性。对于复杂的非线性系统采用神经网络，其间需要考虑矩阵计算、微分方式求解等复杂的数值计算问题。
设计基于改建PSO优化的神经网络模型来设计光伏发电预测系统，建立四个子模型存储四个不同季节信息，并考虑晴天、雨天及雪天等典型天气状况，设计相应的输入变量。
在不同的季节中，也需要构建不同的神经网络输入量，例如在春夏季里光伏发电的时间段与冬季光伏发电的时间段存在差异，输入变量包括光伏发电阵列所处环境中温度或湿度等，另外令初始权重为随机数范围为-1至1之间，基于改建 PSO 优化的神经网络模型中不涉及惯性权重，因此可以有效提高系统的全局收索能力。
素材来源：
[1]刘宝良.新能源发电功率预测系统的研究[J].计算机产品与流通,2018(07):88.
往期精彩内容
长按关注
|
01 |
|
02 |
|
03 |
|
04 |
