基于三次样条插值及BP神经网络的光伏发电出力数据修复

论文摘要

为了对光伏电站的历史数据进行修复,文中建立了基于三次样条插值和BP神经网络的光伏电站出力数据修复模型。首先对光伏电站原始数据进行清洗和处理;其次,寻找一天中只有一个数据空白点的情况,采用光滑样条插值法对其进行插补,然后寻找一天中有多个数据空白点的情况,采用相似日绝对均值法对其进行插补;再次,根据出力数据的特征要素及BP神经网络模型对待插补数据进行预测插补;最后,输出修复后的光伏电站出力数据。以青海海西地区光伏电站为例进行仿真验证,证明了模型的可行性及正确性。对光伏电站的历史数据进行修复,保证了数据的完整性和真实性,为研究光伏发电相关问题奠定了基础。

论文目录

  • 1 光伏电站出力特性分析
  • 2 光伏电站出力历史数据修复方法
  •   2.1 三次样条插值
  •   2.2 相似日绝对均值法
  •   2.3 BP神经网络
  •     2.3.1 节点输出模型
  •     2.3.2 作用函数模型
  •     2.3.3 误差计算模型
  •     2.3.4 自学习模型
  • 3 数据修复步骤
  • 4 算例分析
  •   4.1 光伏电站出力特性分析
  •   4.2 原始数据分析
  •   4.3 数据修复结果
  • 5 讨论与结论
  • 文章来源

    类型: 期刊论文

    作者: 赵洪斌

    关键词: 光伏出力,三次样条插值,神经网络,相似日绝对均值,数据修复

    来源: 青海大学学报 2020年01期

    年度: 2020

    分类: 基础科学,工程科技Ⅱ辑,信息科技

    专业: 电力工业,自动化技术

    单位: 青海省水利水电勘测设计研究院

    分类号: TP183;TM615

    DOI: 10.13901/j.cnki.qhwxxbzk.2020.01.011

    页码: 68-74

    总页数: 7

    文件大小: 1681K

    下载量: 142

    相关论文文献

    相关文章