目前,隨著經濟社會發展不斷深入,傳統能源的消耗在持續增長,而因污染性能源的使用,環境也日趨惡化,能源供給和環境惡化危機在世界范圍內爆發。于是,可再生能源和電動汽車應運而生,成為世界各國力捧的“寵兒”。由于新能源發電的不穩定和電動汽車負荷的增加,必然會對微電網產生不利影響,引發新一輪的電力問題。因此,新能源的發電功率和電動汽車充放電的預測對電力系統的安全穩定運行就顯得至關重要,本文從光伏發電和電動汽車充放電預測兩個方面進行研究。一方面,針對光伏系統的發電特性,本文提出了一種使用關聯規則和核主成分分析的Elman神經網絡光伏功率預測方法。首先,采用灰色關聯分析法選取與預測日氣象特征高度相似的若干相似日作為訓練樣本;其次,利用核主成分分析法對訓練樣本的輸入個數進行降維優選,提取出主成分序列;然后,利用蟻群算法優化的Elman神經網絡對數據進行預測;最后,針對Elman神經網絡預測模型在功率波動的峰值處預測誤差較大及預測精度存在波動性,采用馬爾科夫方法對初步得到的預測值進行修正,得到最終的預測結果。另一方面,針對電動汽車的充放電隨車主的行為在時間與空間上具有很強的隨機性,提出一種考慮不同充電方... 

【文章來源】：燕山大學河北省

【文章頁數】：65 頁

【學位級別】：碩士

【部分圖文】：

晴天的預測相對誤差對比圖

方法 1 方法 2 -44.17 -68.12 -55.89 -65.47 11.69 22.35 -6.04 -13.62 24.02 38.02 6.37 14.83 -44.17 -68.12 -3.13 3.65 19.34 26.81 20.40 14.27 23.90 -38.14 40.15 54.01 61.76 42.65 -3.13 3.65

車輛日首次出行時刻不同車輛不同目的地之間的日行駛里程電池的荷電狀態判斷是否充電不同充電方式的起始充電時間充電方式的比例擬布圖 4-1 電動汽車負荷時空分布預測思路4.2 電動汽車的出行與停車規律4.2.1 私家車出行情況電動公交車和電動商務車一般都有自己固定的出行路徑，其時空規律性很強而電動私家車的時空分布規律主要取決于車主的行為，其時空隨機性很強。文獻[研究和分析了居民的出行行為，從分析結果可以得到私家車的出行情況。一般情下，在勞動日和休息日，用戶的出行行為是有一定差別的，因此圖 4-2 從勞動日和息日兩個方面分別給出了私家車的出行情況。

【參考文獻】：
期刊論文
[1]基于IAFSA-GM的化工園區光伏電站功率預測模型[J]. 張予澤,韓偉.  電子設計工程. 2019(08)
[2]頻域分解和深度學習算法在短期負荷及光伏功率預測中的應用[J]. 張倩,馬愿,李國麗,馬金輝,丁津津.  中國電機工程學報. 2019(08)
[3]基于晴朗系數和多層次匹配的光伏功率預測方法研究[J]. 王志忠,韓茂林,胡海,陳堯.  電測與儀表. 2019(08)
[4]基于LSTM神經網絡的復合變量電動汽車充電負荷預測方法技術研究[J]. 王琨,高敬更,張勇紅,魏立兵,李鵬,楊春光,董智穎.  工業儀表與自動化裝置. 2019(01)
[5]基于粗糙集-混沌時間序列Elman神經網絡的短期用電量預測[J]. 吳佳懋,李艷,符一健.  電力系統保護與控制. 2019(03)
[6]融合多源信息的電動汽車充電負荷預測及其對配電網的影響[J]. 陳麗丹,張堯,Antonio Figueiredo.  電力自動化設備. 2018(12)
[7]計及路-網-車交互作用的電動汽車充電實時優化調度[J]. 王珂,李媛,楊文濤,李濤,岑海鳳,許苑,文福拴.  電力建設. 2018(12)
[8]基于MDP隨機路徑模擬的電動汽車充電負荷時空分布預測[J]. 張謙,王眾,譚維玉,劉樺臻,李晨.  電力系統自動化. 2018(20)
[9]基于日類型及融合理論的BP網絡光伏功率預測[J]. 冉成科,夏向陽,楊明圣,張真,李延和,曾小勇,黃海,滕欣元,蔡昱寬,曹伯霖.  中南大學學報(自然科學版). 2018(09)
[10]計及霧霾影響因素的光伏發電超短期功率預測[J]. 劉衛亮,劉長良,林永君,李靜,李金拓,熊峰,陳晨.  中國電機工程學報. 2018(14)
[1]基于相似日和小波神經網絡的光伏短期功率預測[D]. 祝暄懿.西安理工大學 2018
[2]基于神經網絡的分布式光伏電站短期功率預測[D]. 張鵬華.安徽理工大學 2017
[3]光伏電站并網發電短期功率數據預測研究[D]. 俞震.華北電力大學(北京) 2016
[4]并網型光伏電站發電功率預測研究[D]. 李多.蘭州交通大學 2016
[5]規模化電動汽車用電需求的空間分布預測[D]. 蔣毅舟.華北電力大學 2012
[6]基于用地區位分析的停車需求預測研究[D]. 王瑞.昆明理工大學 2010

碩士論文
[1]基于IAFSA-GM的化工園區光伏電站功率預測模型[J]. 張予澤,韓偉.  電子設計工程. 2019(08)
[2]頻域分解和深度學習算法在短期負荷及光伏功率預測中的應用[J]. 張倩,馬愿,李國麗,馬金輝,丁津津.  中國電機工程學報. 2019(08)
[3]基于晴朗系數和多層次匹配的光伏功率預測方法研究[J]. 王志忠,韓茂林,胡海,陳堯.  電測與儀表. 2019(08)
[4]基于LSTM神經網絡的復合變量電動汽車充電負荷預測方法技術研究[J]. 王琨,高敬更,張勇紅,魏立兵,李鵬,楊春光,董智穎.  工業儀表與自動化裝置. 2019(01)
[5]基于粗糙集-混沌時間序列Elman神經網絡的短期用電量預測[J]. 吳佳懋,李艷,符一健.  電力系統保護與控制. 2019(03)
[6]融合多源信息的電動汽車充電負荷預測及其對配電網的影響[J]. 陳麗丹,張堯,Antonio Figueiredo.  電力自動化設備. 2018(12)
[7]計及路-網-車交互作用的電動汽車充電實時優化調度[J]. 王珂,李媛,楊文濤,李濤,岑海鳳,許苑,文福拴.  電力建設. 2018(12)
[8]基于MDP隨機路徑模擬的電動汽車充電負荷時空分布預測[J]. 張謙,王眾,譚維玉,劉樺臻,李晨.  電力系統自動化. 2018(20)
[9]基于日類型及融合理論的BP網絡光伏功率預測[J]. 冉成科,夏向陽,楊明圣,張真,李延和,曾小勇,黃海,滕欣元,蔡昱寬,曹伯霖.  中南大學學報(自然科學版). 2018(09)
[10]計及霧霾影響因素的光伏發電超短期功率預測[J]. 劉衛亮,劉長良,林永君,李靜,李金拓,熊峰,陳晨.  中國電機工程學報. 2018(14)
[1]基于相似日和小波神經網絡的光伏短期功率預測[D]. 祝暄懿.西安理工大學 2018
[2]基于神經網絡的分布式光伏電站短期功率預測[D]. 張鵬華.安徽理工大學 2017
[3]光伏電站并網發電短期功率數據預測研究[D]. 俞震.華北電力大學(北京) 2016
[4]并網型光伏電站發電功率預測研究[D]. 李多.蘭州交通大學 2016
[5]規模化電動汽車用電需求的空間分布預測[D]. 蔣毅舟.華北電力大學 2012
[6]基于用地區位分析的停車需求預測研究[D]. 王瑞.昆明理工大學 2010



本文編號：2894958