电工电气杂志社

分布式光伏发电接入智能电网功率预测模型优化研究

来源：电工电气发布时间：2024-05-08 15:08 浏览次数：325

分布式光伏发电接入智能电网功率预测模型优化研究

杨海亭，白伟，胡运冲

(内蒙古京能康巴什热电有限公司，内蒙古鄂尔多斯 017000)

摘要：在可再生能源中，随着光伏发电量逐年增加，光伏发电的波动性可能对电网系统带来多种不利影响，准确的光伏发电量预测有益于确保电网的稳定运行。对光伏发电的直接预测进行了系统的阐述，讨论了输入输出数据的相关性以及模型输入数据预处理的重要性，基于不同类别的几种光伏功率预测模型进行性能分析，考虑了不同预测模型的优劣势并进行了评估。研究结果表明，经过优化的算法显著提高了模型的预测精度，遗传算法被认为是最可行的优化方法之一。

关键词： 分布式光伏发电；功率预测模型；模型优化；清洁能源

中图分类号：TM615 ；TM727 文献标识码：A 文章编号：1007-3175(2024)04-0001-09

Research on the Optimization of Power Prediction Model for Distributed

Photovoltaic Power Generation Connected to Smart Grid

YANG Hai-ting, BAI Wei, HU Yun-chong

（Inner Mongolia Jingneng Kangbashi Thermal Power Co., Ltd, Ordos 017000, China）

Abstract: In renewable energy, with the increase of photovoltaic power generation capacity year by year, the volatility of photovoltaic power generation may have a variety of adverse effects on the power grid system, and accurate photovoltaic power generation capacity prediction is beneficial to ensure the stable operation of the power grid. In this paper, the direct prediction of photovoltaic power generation is systematically expounded, the correlation of input and output data and the importance of model input data preprocessing are discussed, and the performance analysis is carried out based on several photovoltaic power prediction models of different categories, the advantages and disadvantages of different prediction models are considered and evaluated. The study results show that the optimized algorithm significantly improves the prediction accuracy of the model, and the genetic algorithm is considered to be one of the most feasible optimization methods.

Key words: distributed photovoltaic power generation; power prediction model; model optimization; clean energy

参考文献

[1] 张青山，王丽婕，郝颖，等. 基于卫星云图和晴空模型的分布式光伏电站太阳辐照度超短期预测[J]. 高电压技术，2022，48(8) ：3271-3281.

[2] 朱涛，谢一工，张鹏，等. 分布式光伏快速发展形势下的电网安全阈度分析[C]//电力行业信息化年会论文集，2021.

[3] 廖启术，胡维昊，曹迪，等. 新能源电力系统中的分布式光伏净负荷预测[J].上海交通大学学报，2021，55(12) ：1520-1531.

[4] 刘馨竹. 微电网光伏发电预测及优化调度研究[D]. 南昌：南昌大学，2021.

[5] 靳岩. 基于微气象的分布式光伏出力预测研究[D]. 兰州：兰州交通大学，2022.

[6] 方鹏，高亚栋，潘国兵，等. 基于 LSTM 神经网络的中长期光伏电站发电量预测方法研究[J] . 可再生能源，2022，40(1) ：48-54.

[7] 张翰霆，陈俊，陈根永. 基于 SEELM 多专家模型的分布式光伏系统负荷预测方法[J] . 电力系统保护与控制，2022，50(10) ：69-75.

[8] 杨锡运，赵泽宇，杨岩，等. 基于时空信息组合的分布式光伏功率预测方法研究[J] . 热力发电，2022，51(8) ：64-72.

[9] 白捷予，董存，王铮，等. 考虑云层遮挡的光伏发电功率超短期预测技术[J] . 高电压技术，2023，49(1) ：159-168.

[10] 栗峰，丁杰，周才期，等. 新型电力系统下分布式光伏规模化并网运行关键技术探讨[J] . 电网技术，2023，48(1) ：184-196.

[11] 刘晓艳，王珏，姚铁锤，等. 基于时序数据处理的分布式光伏功率预测系统[J] . 数据与计算发展前沿，2021，3(4) ：140-148.

[12] MOREY M, GUPTA N, GARG M M, et al.A comprehensive review of grid-connected solar photovoltaic system: Architecture, control, and ancillary services[J].Renewable Energy Focus，2023，45 ：307-330.

[13] WANG Guo, WU Xu.Research on optimization strategy of harmonic suppression and reactive power compensation of photovoltaic multifunctional grid connected inverter[J].International Journal of Electrical Power & Energy Systems，2023，145：108649.

[14] SILVA J, MOREIRA H, REIS M, et al.Theoretical and behavioral analysis of power optimizers for grid-connected photovoltaic systems[J].Energy Reports，2022，8 ：10154-10167.

[15] 崔永. 分布式光伏电站功率预测与储能模组设计研究[J]. 中国新技术新产品，2023(8) ：58-60.

[16] 黄健生. 分布式光伏储能发电功率预测及监控系统研究[D]. 广州：华南理工大学，2022.

[17] 刘刚，闵金，宋伟，等. 基于 K-Means 和 GBRT 的分布式光伏中短期发电量预测[J] . 能源与环保，2023，45(3) ：210-215.

[18] 董存，王铮，白捷予，等. 光伏发电功率超短期预测方法综述[J] . 高电压技术，2023，49(7) ：2938-2951.

[19] 马振亮. 基于深度学习的中长期光伏发电量预测的研究与实现[D]. 宁夏：宁夏大学，2022.

[20] 陈新和，宋月新，张立国，等. 模型与数据混合驱动的分布式光伏超短期功率预测[J] . 供用电，2023，40(1) ：2-9.

[21] 邵非凡，徐敬友，程波，等. 分布式光伏电源与负荷分布中的智能预测分析[J] . 电子技术，2023，52(3) ：384-385.

[22] 李新军，赵猛，王洪勉，等. 基于 Attention-LSTM 的分布式光伏超短期发电功率预测[J]. 中国新技术新产品，2022(14) ：1-4.

[23] AKBARI E, GHALEH S.Power quality enhancement of distribution grid using a photovoltaic based hybrid active power filter with three level converter[J].Energy Reports，2023，9 ：5432-5448.

[24] DEHGHANI T H, KONSTANTINOU G, LEI Qiyang, et al.Adaptive power system frequency support from distributed photovoltaic systems[J].Solar Energy，2023，257 ：231-239.

[25] 李振生，孙佳龙，卜晓刚，等. 基于分布式光伏功率分区拟合的统调负荷预测方法[J] . 电工技术，2021(15) ：18-20.

[26] 滕陈源，丁逸超，张有兵，等. 基于 VMD-Informer-BiLSTM 模型的超短期光伏功率预测[J]. 高电压技术，2023，49(7) ：2961-2971.

[27] 谭嘉. 基于深度学习的配电网光伏出力估计与多层负荷协同预测研究[D]. 杭州：浙江大学，2022.

[28] 户霖. 基于深度学习的高渗透分布式光伏配电网负荷预测方法研究[D]. 保定：华北电力大学，2021.

[29] 张波，高远，王磊，等. 考虑光伏电源可靠性的配电网无功电压调控策[J] . 高电压技术，2023，49(7) ：2775-2784.

[30] 孙航，杜海江，季迎旭，等. 光伏分布式 MPPT 机理分析与仿真研究[J] . 电力系统保护与控制，2015，43(2) ：48-54.

[31] 谢霆.600 MW 超临界煤电机组与分布式光伏系统耦合发电研究[J] . 电力科学与技术学报，2015，30(1) ：99-104.

[32] 奚伟钦. 计及分布式光伏发电的电力负荷预测研究[D].广州：广东工业大学，2022.

[33] 李克强. 主动配电网运行优化与分布式算法的理论研究[D]. 济南：山东大学，2022.

[34] KHAH S, ZAHEDI R, ESKANDARPANAH R, et al.Optimalsizing of residential photovoltaic and battery system connected to the power grid based on the cost of energy and peak load[J].Heliyon，2023，9(3) ：144-154.

[35] JEELANIS H, PUVIARASI R, CHEN M, et al.An approach to the utilization of grid integration to analyze the performance and quality of solar photovoltaic model[J].Energy Reports，2022，8 ：1029-1044.

[36] 郭威，张凯，魏新杰，等. 高渗透率分布式光伏接入的新型电力系统净功率预测[J] . 电测与仪表，2022，59(12) ：48-55.

[37] BENAVIDES D, AREVALO P, AGUADO J, et al.Experimental validation of a novel power smoothing method for on-grid photovoltaic systems using supercapacitors[J].International Journal of Electrical Power and Energy Systems，2023，149 ：109050.

[38] 李俊伟，龚新勇，朱元富，等. 基于 SVR-LSTM-BP 的分布式光伏短期出力预测方法研究[J] . 电气应用，2023，42(2) ：79-84.

[39] SPIEGEL R J, LEADBETTER M R, CHAMU F.Distributed grid-connected photovoltaic power system emission offset assessment:Statistical test of simulated-and measured-based data[J].Solar Energy，2005，78(6) ：717-726.

返回索引列表

Article retrieval

文章检索

分布式光伏发电接入智能电网功率预测模型优化研究