一种光伏输出功率值的分频预测方法

    公开(公告)号:CN105117975A

    公开(公告)日:2015-12-02

    申请号:CN201510478986.8

    申请日:2015-08-06

    Abstract: 本发明公开了一种光伏输出功率值的分频预测方法,采用了基于灰色系统校正的小波神经网络,能从历史光伏数据中提取出预测日的出力趋势及特征,提高预测精度;采用了基于小波分解对历史数据进行分解,能对历史光伏数据进行多尺度分析,有效提取历史光伏数据的局部信息;采用了基于神经网络构建预测模型,有助于提取各种外界条件下光伏电站的出力趋势,提高了非晴天条件下光伏输出功率的预测精度;采用了基于灰色系统模型对历史数据进行建模,通过对历史光伏数据的误差分析,找出预测误差分布范围,为灰色系统校正提供了依据;采用了基于历史数据样本进行灰色建模,并对神经网络的预测结果进行进一步的校正,提高了神经网络预测结果的预测精度。

    基于分布式光伏接入设计聚类模型的最优方案选择方法

    公开(公告)号:CN104850716A

    公开(公告)日:2015-08-19

    申请号:CN201510283162.5

    申请日:2015-05-28

    Inventor: 柳丹 袁晓冬 李强

    CPC classification number: Y02E40/76 Y02E60/76 Y04S10/545 Y04S40/22

    Abstract: 本发明公开了一种基于分布式光伏接入设计聚类模型的最优方案选择方法,包括如下步骤:定义现有N种设计方案的集合;确定能够表征分布式光伏接入设计特征的状态变量;由分布式光伏接入设计特征的状态变量定义状态向量;建立基于信息熵的聚类模型,将整个特征参数集在设计方案空间投影,采用基于信息熵的高维分类型数据子空间聚类算法,将所有特征向量分为N类;对于新建并网光伏,基于现有聚类模型,计算新建光伏接入设计模型特征向量与现有聚类模型特征向量的距离,选取距离最小的特征参数所在的分类,即为其对应的最优设计方案。本发明一方面可以丰富现有的模型库,另一方面可以指导设计人员快速的选择最优方案。

Patent Agency Ranking