1. 研究目的与意义
目前太阳能资源在世界范围大量开发利用,但实际使用量还远未达到人类的能源需求。随着可再生能源利用尤其是太阳能资源开发利用的增加,精准的光伏发电预测技术将有助于光伏发电的推广。光伏发电量取决于天气条件,不同天气条件下易产生较大幅度的波动,其发电量具有随机性、波动性和间歇性的特点。由于光伏发电的不稳定性,基于区域对太阳能利用和开发进行切实可行的规划具有较大的难度。因此,准确的发电预测对于确保电网稳定性和经济调度至关重要。为提高光伏发电的预测精度,降低光伏发电不稳定性的影响,本文提出了一种基于深度学习的端到端光伏发电预测模型。
2. 研究内容和预期目标
| 主要工作包括:(1)光伏发电数据预处理方法根据获取的某分布式光伏发电站中三个小型分布式光伏发电站的实时发电原始数据进行数据预处理,包括LOF异常值剔除,数值归一化以及基于马尔科夫蒙特卡洛方法的缺失值的填充,根据原始数据进行5,15,30min时间精度的划分。(2)提出基于深度学习的序列预测模型根据不同模型对比研究,本文利用天气预报气象数据提出了一种光伏发电预测模型。本研究将预测问题转变为结构化的序列输出预测问题,同时预测多个输出。该模型以Bi-LSTM(双向长短期记忆)为基本单位,根据Bi-LSTM网络结构,同时考虑一天中连续时间之间的依赖性。使用深度学习模型的强大学习能力和Bi-LSTM的特征来构建Seq2Seq(序列到序列)模型以处理光伏发电数据。(3)对比分析模型预测结果本文利用深度学习常用处理时间序列预测的深度神经网络结构,即循环神经网络(RNN),通过对比传统预测模型最小二乘法支持向量机(LSSVM)模型以及梯度提升树(GBDT)在不同机组及不同时间精度下模型预测结果,验证模型的有效性。 |
3. 国内外研究现状
| 近日，“十四五”新能源规划引起了业内广泛关注，有消息称，以光伏为代表的新能源比例将大幅提升，比之前预期的高25%左右。政策虽好，但去补贴后成本和收益率的压力，以及高渗透率对电网安全稳定运行的影响，却仍然是困扰着所有新能源人的两大挑战。 纵观全球市场，光伏最低投标电价已经低至1.35美分/度，欧洲等部分区域新能源的占比已经达到30%以上。本文甄选了阳光电源国内外三个典型的电站，通过分析三个电站的实际运行发电曲线，可以从中窥见光伏发电的未来方向。 案例1国内西部某100MW光伏电站
图1 国内西部某100MW光伏电站实际发电曲线 图1为国内西部某100MW电站三天的实际发电曲线，该电站采用1倍容配比设计。可以看出，电站只在中午的时候接近满功率输出，其余大部分时间设备功率都处于闲置状态，且发电曲线受天气影响，波动幅度较大。 从投资收益来看，由于逆变器、变压器等交流设备满载时间较短，设备利用率低，造成了容量浪费，间接提高了电站的度电成本，降低了投资收益率。从电站运行和电网调度来看，发电曲线波动越大，说明电站功率输出波动幅度也越大，增加了电站输出功率预测准确度和电网运行调度的难度。据了解，国内电站因为功率预测不准确导致的罚款，每年都会给业主带来一定的损失。 案例2海外某200MW光伏电站
图2 海外某200MW光伏电站实际发电曲线 图2为海外某200MW电站三天的实际发电曲线，电站采用1.42倍容配比 跟踪系统设计。电站逆变器从早上8点到下午5点一直处于满功率运行状态，相较于图1，该电站发电曲线几乎呈平直状态，即使光照出现一定程度的波动，逆变器输出功率也只是出现微小变化，整个电站的输出更加稳定。 从投资收益来看，虽然电站存在一定程度的弃光，但系统度电成本达到最优，投资收益率更高。从电站运行和电网调度角度看，发电曲线不再是波动形状，电站发电更稳定，可调度性更高，大大提升了电网友好性。同时系统充分利用逆变器自身发无功的能力，无需加装额外设备，节省了投资成本。目前，阳光电源发往海外的逆变器都已具备无功实时调度能力，并在实际运行中得到长时间验证。 案例3日本某光储融合电站
图3 日本某光伏电站实际发电曲线，光储融合实现24小时发电 图3为日本某光伏电站三天的实际发电曲线。该电站采用7倍容配比设计，通过直流侧加装储能系统，实现光储电站24小时发电，彻底解决了弃光和输出功率波动的问题。 光伏电站设计由最初的发电量最大化原则到提高容配比实现系统度电成本最低，再到光储融合实现24小时发电，上述三个发电曲线实际也代表了光伏发电的三个发展阶段。目前，随着光伏发电系统成本的不断下降，国内光伏正由阶段1朝着阶段2迈进，同时，政策支持加速储能规模化发展，储能成本也将进一步降低，所以光储深度融合的步伐将进一步加快。显然，光储融合实现24小时发电已未来可期，而这也必然会加速光伏等清洁能源成为世界主力能源的步伐。
|
4. 计划与进度安排
| 1、2022-11-16至2022-12-10：指导老师下达任务书，对本次毕业设计的进度安排、功能实现和系统提出要求。 2、2022-12-10至2022-12-31：算法设计方面，进行系统需求分析，做好基础的数据准备及技术准备工作，构思系统的功能模块及整体框架。 4、2022-03-01至2022-03-25：通过电子邮件保持与导师的联系,在导师的要求下进行系统的具体修改。 5、2022-03-26至2022-04-20：在导师的指导下，对算法进行debug，确保程序的运行，及撰写论文初稿。 6、2022-04-21至2022-05-31：按照院系以及学校的要求进一步完善系统及论文，修改论文格式，并完成3000字的英文翻译。 7、2022年6月：确保系统能够顺利运行，保证系统功能都能实现，并且对所写论文整体把握，准备答辩PPT，参加毕业论文答辩。
|
5. 参考文献
| [1]史丹我国新能源产能过剩的原因与解决途径[J].中国能源 [2]钟史明太阳能资源、光伏发电现状与预测[Z].沈阳工程学院学报(自然科学版) [3]袁乐光伏发电并网控制系统的研究[D].安徽理工大学,2017 [4]陈昌松，段善旭，殷进军基于神经网络的光伏阵列发电预测模型的设计 [J].电工技术学报,2009,24(9):153-158.
|
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
