光伏统电预测

The forecast of Photovoltaic system power generating光伏系统发电预测研究预测的方法01主要预测方法：1)基于太阳能电池结构等效电路及数学模型进行光电转换仿真方法；2)基于环境因素对光伏组件光电转换效率的预报方法；3)基于大量数据，包括气象资料、太阳光辐射照度、环境因素等， 采用多元回归分析法或者采用神经网络等算法进行预测。BP神经网络02图-BP神经网络结构使用BP神经网络的工具箱，最主要的是确定三层的节点03timepower (W)energy (Wh)TempHumwind SpeedRainSolar Rad.2012/1/1 5:006951918.4821.6072012/1/1 5:10423541418.4826.40162012/1/1 5:2010150156018.5821.60262012/1/1 5:3018735395818.6821.60492012/1/1 5:4030055788118.8823.20812012/1/1 5:50419951387418.9813.201162012/1/1 6:00551502191819.28111.301562012/1/1 6:10698303227019.3801.602002012/1/1 6:20850154514219.6783.202432012/1/1 6:301007056065519.8781.602832012/1/1 6:401130057896820.1774.803152012/1/1 6:501353209985720.5756.403652012/1/1 7:0015146012369220.9734.804042012/1/1 7:1016765015055821.2714.804432012/1/1 7:2018269017972421.7699.704852012/1/1 7:3019343521114721.86611.305132012/1/1 7:4020685024459021.9671.605472012/1/1 7:5023583527707822.4663.206612012/1/1 8:0023716531510622.76217.706272012/1/1 8:1024958035569122.9626.406632012/1/1 8:2026041539822023.261807002012/1/1 8:3027429044251423.6609.707402012/1/1 8:40285035489112245911.307752012/1/1 8:5026822553717924.458808892012/1/1 9:0034237058052224.158009532012/1/1 9:1036654061640824.3574.8010542012/1/1 9:2035529567322224.6574.802602012/1/1 9:3034241072920424.9544.8010002012/1/1 9:409038576999924.9548010512012/1/1 9:5035402081294625.1524.803642012/1/1 10:0012369586416524.7559.705292012/1/1 10:1039255590883525.5519.7011652012/1/1 10:2038965597086225.5509.7011462012/1/1 10:30403770100527725.7518012872012/1/1 10:40338975104849725.94816.10378原始数据举例对原始数据处理：筛选可用数据；筛选整点时间数据；设计训练集和测试集；环境变量因素相关性分析；系统受环境因素及其他不可控力等因素影响较大：太阳辐照度在时间上不连续，与季节、气象以及地理等因素密切相关，日，月，季，年各个时期的变化也会造成大影响；同时其他因素也包括云量、大气温度、风速等或大或小对系统造成不确定的影响。预测的主要问题04预测的主要问题04最主要的影响图-发电量与辐照度的关系图-发电量与温度的关系图-发电量与风速的关系初步模型构建05图 模块化子模型01确定输入层节点02确定输出层节点03确定隐含层节点06 BP神经网络实现光伏发电量短期预测模型设计图 BP神经网络模型建立01数据处理02数据投入模型03matlab成图06 BP神经网络实现光伏发电量短期预测模型设计晴天模型选取30天的数据做成训练集，共1320个数据量，选取10天的数据做成测试集，共420个数据量。同理，在建立春季、夏季、冬季晴天模型时均可选取30天的数据量做训练集，10天的数据作为测试集。而在考虑雨天模型数据量处理时，经统计春季雨天共20天，夏季共38天，秋季共5天，冬季共30天，可定15天的数据量为训练集，共645个数据量，5天的数据量为测试集，共195个数据量，秋季雨天模型雨天数据少，不做建立。结果展示0707 结果展示-四季晴天蓝色线条：实测值红色线条：预测值春季夏季秋季冬季07 结果展示-四季雨天蓝色线条：实测值红色线条：预测值春季夏季冬季致谢08感谢老师辛勤指导，感谢各位老师的批评指正。