摘要：光伏发电环境较为复杂,具有非线性、非平稳特性的光伏发电功率数据的多个特征冗余,且依赖关系不明确,提出一种基于LSTM三元复合模型的光伏发电功率预测方案。考虑光伏板和耐高温绝缘硅胶垫片实际分布情况,进行光伏发电数据修正与补全,提取光伏发电功率数据的多个特征,通过加权法进行典型特征融合;捕捉光伏发电功率数据的时序依赖关系,构建LSTM三元复合模型,输出分析发电数据与功率之间的长期或短期依赖关系,完成光伏发电功率预测方案设计。实验结果表明,在实际应用中,该光伏发电功率预测方案的决定系数较高,95%分位数正负偏差率数值较低,光伏发电功率预测精度高。

摘要：覆冰雪是影响光伏电站冬季运行的主要因素之一,研究冰雪积聚对光伏组件发电功率的影响可对冬季光伏电站发电预测及人工除冰提供有效支撑。为此,首先设计人工覆冰雪实验平台,进行辐照度对覆冰雪组件的影响研究,发现在200~1000 W·m^(-2)辐照度范围内,轻度覆冰雪后的光伏组件发电功率与辐照度仍基本呈正比例关系。随后,开展了不同冰雪密度实验,发现雪层的密度越高,造成的发电损耗越大,但高密度的雨凇覆冰透光性强,组件发电功率高于等厚度的雪层和雾凇层。最后,通过覆冰雪厚度与光伏组件发电功率的关系研究发现,发电功率与覆冰雪厚度基本成反比,当覆冰厚度达到6 cm时,雨凇覆冰造成的光伏组件的发电损耗已达到93%,冰雪混合物、半融冰雪造成的发电损耗均达到99%,光伏组件基本无发电能力。

摘要：为确保发电场正常供应电力,设计短时强降雨天气风电场发电功率预测模型,提升发电功率预测效果。通过欧式距离与角度原则扩充短时强降雨天气小样本;利用改进深度可分离卷积算法,在正常天气样本内,提取气象-功率时空特征,并输入长短期记忆网络内,建立正常天气风电场发电功率基准值预测模型,得到发电功率基准值;在Transformer算法内,输入扩充样本,建立短时强降雨天气下发电功率损失值预测模型;利用基于注意力机制的Sequence to Sequence网络,结合扩样本,构造发电功率损失时间点预判模型,结合损失值预测模型,得到最终发电功率损失值;利用基准值减去损失值,得到短时强降雨天气下风电场发电功率预测结果。实验证明:该模型可有效扩充短时强降雨天气小样本;该方法可精准预判发电功率损失时间点,得到发电功率损失值,完成发电功率预测;不同风速下,该模型发电功率预测的关键失误指数与偏移程度均较低,即发电功率预测精度较高。

摘要：风电渗透率的持续提高对电力平衡测算、电网运行调度和系统频率稳定带来了极大挑战。为量化区域风力发电的不确定性,提出一种风电集群直接多步概率预测模型。首先,为有效挖掘区域内各风电场数据与集群发电总出力间的时空相关性,采用最大互信息系数法选取基准场站和关键输入特征变量。然后,基于序列-序列网络架构,结合分位数回归概率预测特性及波网(WaveNet)可捕获大范围内时序依赖特性等优点,设计了适用于风电集群概率预测的多视界分位数(MQ)-WaveNet模型,实现对风电集群场站在多个时间跨步上的风电功率多分位点的预测。最后,选取中国新疆哈密东南部风区12个邻近的大型风电场运行数据进行算例分析。结果表明,所提模型仅利用相关基准场站的关键特征变量即可实现风电集群发电功率的有效预测,模型复杂度低、易于工程应用推广。

摘要：针对电动汽车内燃发电增程器发电功率动态控制存在的控制精度不高、响应滞后和反向超调等问题,提出并设计了一种结合功率/转速双闭环的增程器发电功率动态控制策略。该策略基于高效运行曲线进行发电功率的转矩/转速解耦,同时考虑了基于实际发电功率反馈的内燃机目标发电转矩修正、发电转矩转速动态协调修正。变工况发电试验结果表明,增程器发电过程中的发电功率最大正向超调为1.37 kW,最大反向超调为1.89 kW,稳态误差均小于0.01 kW,功率上升响应时间约为2.5 s,功率下降响应时间约为2.8 s,且工作点均在高效运行曲线附近。该增程器发电功率动态控制策略能够减少瞬态发电功率的响应滞后和反向超调的问题,在工程实践中具备可行性。

摘要：概述了积尘对光伏电站发电功率的影响,提出积尘通过影响辐照度、温度来影响短路电流、开路电压和最大功率(包含最大电流和最大电压),并分析了降尘量、降雨量、降雨强度和频率、风速和风向、湿度、地表植被与空气污染、光伏组件表面封存材料的材质、光伏组件放置的倾角和方位角等因素对光伏组件积尘的影响。最后提出:(1)从微观角度深入研究各种因素对光伏组件积尘的影响;(2)加强研究空气质量、气候特点与光伏组件积尘的关系;(3)建立光伏组件发电数据和积尘状况长期远程监测系统;(4)就积尘对光伏组件功率的影响进行专项评估,并考虑清洁积尘系统的设计。

摘要：对分布式光伏系统变负荷工况发电功率进行准确预测,能避免输出失稳。提出一种基于线空间重构和谱特征提取的分布式光伏系统变负荷工况发电功率预测方法,并结合DSP数字处理器进行预测系统设计。构建光伏系统变负荷工况发电功率的输出时间序列模型,用嵌入式的相空间重构技术进行光伏发电阵变负荷工况发电功率输出负载的异常特征提取,用变负荷工况判断方法进行功率瞬时特征检测,在相空间中提取发电功率时间序列的非线性特征,实现对发电功率时间序列的准确预测。在DSP开发环境下进行发电功率预测系统的优化设计。结果表明,采用该预测系统能有效实现分布式光伏系统变负荷工况发电功率预测,预测精度较高,过程收敛性较好。

摘要：系统地研究了海上风电场逆温层计算的各类方法,并根据国内海上风电场已有的数据资料,选择两种不同改进模型计算发电功率.通过海上风电场发电功率的计算对比分析,发现两种改进模型对比软件推荐的方法更符合实际结果,发电功率计算精度分别提高18.2%与29.4%.

摘要：近年来,由于我国电力系统的不断发展,光伏发电作为一种新型发电形式应用较为广泛。为满足各区域电网对大型光伏电站功率预测的准确性要求,对大型光伏电站发电功率预测算法进行设计。首先,通过建立LSTM的预测计算单元、创建FOA-Elman的发电功率预测算法模型、BP神经网络实现光伏电站发电功率的预测,完成电站发电功率预测算法设计;实验结果表明,该设计方法可以促使电站的功率具有更高的稳定性和安全性,同时加大电站对发电功率的控制。

摘要：当前分布式光伏系统短期发电功率预测结构多设定为目标式,预测范围在实际发电环境下受限,导致平均绝对预测误差增加。为此设计基于利用层次方法的平衡迭代规约和聚类(Balanced Iterative Reducing and Clustering Using Hierarchies,BIRCH)的分布式光伏系统短期发电功率预测方法。首先,明确预测指标,采用多层级的方式设计预测结构;其次,结合BIRCH原理,设计发电功率预测模型;最后,采用梯度回归处理的方式来实现最终预测。测试结果表明,对比传统变分模态分解-麻雀搜索算法-反向传播(Variational Mode Decomposition-Sparrow Search Algorithm-Back Propagation,VMD-SSA-BP)光伏系统短期发电功率预测小组、传统时序动态回归光伏系统短期发电功率预测小组,此次所设计的方法得出的平均绝对预测误差被较好地控制在2.1以下,预测效果更佳,针对性更强,误差可控,具有实际的应用价值。