论文摘要
针对传统系统太阳辐照波动预警准确率低、误差大和预测效率低的问题,提出并设计了新的并网型分布式光伏发电辐照波动预警系统,采用基于蚁群BP神经网络的辐照波动预测方法获取了预测结果的最优解。预警系统中包含太阳能电池组件、微型逆变器和单机辐照度预警子系统等,采用三端稳压模块LM7803电源模块,保障极端天气正常供电;选择单晶硅太阳电池片的光照传感器,将太阳辐射的光能变换成电能;采用指数平滑法结合趋势移动平均法对太阳辐照进行预测,得到预测时间段范围内的平滑指数,以此作为计算参数,根据蚁群BP神经网络算法,通过构建新传递函数,优化网络结构,改进BP神经网络训练,求出预测结果最优解。试验结果表明:所提系统能在不同天气条件下有效预测并网型分布式光伏发电的辐照波动,且预测误差较小;在不同天气类型下,系统预警的准确率始终高于98%,且预警时长平均用时24.08 s,相比于其他系统用时较短,实现预警系统稳定运行,保证输出电能质量,有力支撑系统优化。
论文目录
文章来源
类型: 期刊论文
作者: 熊宁,崔文婷,朱文广,杨为群,李伟伟,王光
关键词: 分布式,光伏发电并网,辐照波动,指数平滑法,移动平均法,蚁群神经网络,预警
来源: 电源学报 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 国网江西省电力有限公司经济技术研究院,天津大学智能电网教育部重点实验室,国网江西省电力有限公司发展策划部
分类号: TM615
DOI: 10.13234/j.issn.2095-2805.2019.6.108
页码: 108-114+136
总页数: 8
文件大小: 571K
下载量: 86
相关论文文献
标签：分布式论文; 光伏发电并网论文; 辐照波动论文; 指数平滑法论文; 移动平均法论文; 蚁群神经网络论文; 预警论文;