研究目的
研究云层分布对太阳能发电的影响及其对系统强度的后续影响,并开发一种预测云层分布的方法以提高系统强度评估水平。
研究成果
所开发的方法通过纳入实际太阳能发电量估算,有效预测云层分布并提升系统强度评估效果。与传统方法相比,该方法能提供更精确的结果,有助于电力系统运营商维持电网可靠性和电压稳定性。未来研究应探索极端天气条件等其他因素,以构建更稳健的模型。
研究不足
该方法依赖于历史天气数据,可能无法考虑极端天气条件或其他影响太阳能发电的因素。人工神经网络模型的准确性取决于输入数据的质量和完整性。
1:实验设计与方法选择:
开发了一种基于人工神经网络(ANN)的方法,利用历史气象数据预测云层分布。该方法包括训练ANN模型预测太阳辐照度、利用预测误差识别云模式,以及应用场地依赖型短路比(SDSCR)进行系统强度评估。
2:样本选择与数据来源:
来自俄克拉荷马州中部9个气象站的时间序列数据集,包含时间、相对湿度、气温、风速、风向、最大风速、降雨量、气压和太阳辐照度等参数,采集间隔为5分钟。
3:实验设备与材料清单:
用于数据采集的气象站、用于ANN模型训练和验证的软件包(如MATLAB或SAS),以及用于验证的卫星数据。
4:实验流程与操作步骤:
数据清洗与预处理、ANN模型训练与验证、太阳辐照度预测与误差计算、基于误差分位数的云模式识别,以及卫星数据验证。
5:数据分析方法:
预测误差的统计分析、云模式的分位数划分,以及用于系统强度评估的SDSCR计算。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容