学校首页    English

基于频域主成分分析及神经网络的日前太阳辐照度的时-空预测方法

作者:尹赫  来源:自动化学院  发布时间:2019年09月04日  点击数:10

      随着传统化石能源的枯竭和环境污染问题的日益严峻,新能源成为取代传统化石能源的不二之选,发展新能源发电技术是解决人类社会能源短缺问题的重中之重。光伏发电是商业化程度最成熟,应用最广泛的新能源。为解决光伏发电技术的最主要问题——发电特征不规律,需要对太阳辐照度进行提前预测,预知第二天的光伏发电情况,对电力系统进行提前调度。传统预测方法很难在有限数据资料情况下,精准预测太阳辐照度情况。

  

       近日,兰海教授团队在国际期刊Applied Energy(中科院JCR一区,IF=7.9)上发表新文章(DOI:10.1016/ j.apenergy.2019.04.056),提出基于频域主成分分析及神经网络的日前太阳辐照度的时-空预测方法,据悉,这是该领域内首次提出基于频域主成分分析及神经网络的时-空预测方法,为新能源发电预测提供了新思路。

  

  

 方法框架

      该组合方法包含两大计算步骤,频域特征提取及神经网络滚动式预测。第一步,采集预测目标地点周围太阳辐照度历史数据,利用快速傅里叶分解对原始时域数据进行频域转换,得到频域特征数据;第二步,利用主成分分析-负反馈混合神经网络(PCA-BPNN)对频域特征数据进行滚动式时间序列预测,最后对神经网络输出的频域预测结果进行快速傅里叶变换,得到日前太阳辐照度的时域预测值。

太阳辐照度四季预测结果

     与四种的传统太阳辐照度预测方法对比,明显提出的新方法在一年四个季节中的预测精度更高,与真实数据相关性更紧密。预测结果证明了该时空预测方法的有效性和优势,是解决新能源发电预测问题的重要技术创新。

 

      论文链接: 

      https://doi.org/10.1016/j.apenergy.2019.04.056


责任编辑:吴琦
分享到:
? 2016哈尔滨工程大学自动化学院 地址:哈尔滨市南岗区南通大街145号哈尔滨工程大学61号楼 邮编:150001 电话:0451-82519410 管理维护:自动化学院 技术支持:信息化处
sitemap