简介:针对光伏发电短期预测准确性问题,提出一种基于集合经验模态分解(EEMD)和改进粒子群优化算法(IPSO)的支持向量机(SVM)预测模型。该模型选择与预测日具有相同天气类型的历史光伏小时出力数据及相关气象因素作为输入变量,采用EEMD方法将历史光伏小时出力数据分解为一系列相对比较平稳的分量序列,针对不同特征子序列,建立选用不同核函数的SVM模型分别进行短期预测,并采用IPSO对不同SVM模型的参数进行优化。通过建立不同预测模型进行比较分析,验证了本文提出的组合预测模型具有较高的预测精度,对大规模光伏并网电力系统的决策优化调度具有一定的意义和参考价值。
简介:粒子群优化(PSO)算法是智能算法的一种,有较好的全局搜索能力,已经被应用于局部阴影条件下的最大功率跟踪(MPPT)当中。但PSO算法的搜素速度慢,收敛不稳定。本文通过分析局部阴影条件下光伏阵列的输出特性曲线提出了改进型粒子群优化算法(IPSO),以变换器的占空比为粒子,初始化时将粒子均匀分散在可能的功率峰值点处,依据迭代次数线性调整惯性权重、学习因子,并通过引入反正切函数,对传统PSO算法的速度更新进行修改,以减小追踪过程的振荡,更快地找到最大功率点,提高收敛速度。最后通过仿真验证了与常规的PSO算法相比,改进的PSO算法具有跟踪速度快、动态响应波动小等特点。
简介:根据瞬时功率理论,建立了光伏并网逆变器在旋转dq坐标系下的功率预测模型。采样并网电压、电流后,利用该模型能够直接预测出并网输出的有功功率和无功功率。然后,利用模型预测控制方法,选用预测功率与给定功率误差的绝对值之和作为价值函数,根据功率预测模型,选择最优空间电压矢量,设计了光伏并网逆变器的模型预测直接功率控制策略。该控制策略无需使用PWM调制模块和内环电流控制,计算量小,易于实现。在光照强度稳定、变化等条件下,对控制系统的性能进行了仿真。结果表明,并网逆变器能够跟踪光照变化快速输出有功、无功功率,具有较好的动、静态性能,验证了所提出的控制策略的有效性。