导　　师： 薛家祥

授予学位： 硕士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 分布式光伏发电系统通过光生伏特效应产生电能,发电过程绿色环保,所产生电能可有效缓解电力供应紧张的问题。但光伏发电具有波动性大、随机性强的特点,使得光伏发电能量大规模并网时,可能对公共电网产生较大冲击。因而,对分布式光伏发电系统状态进行监控,并通过对监测数据的挖掘,形成有效的光伏发电能量管理策略,实现光伏发电能量的就地消纳,具有十分重要的现实意义。论文基于光伏储能分布式电站硬件平台,重点研究基于STM32的WiFi网关模块、光伏发电阿里云监控软件平台、光伏发电功率的深度学习预测算法与能量管理技术。论文主要完成了以下工作:(1)确定了光伏储能分布式发电监控与能量管理系统方案,并对系统关键技术进行了研究和分析。系统关键技术包含以下三部分:发电数据采集技术、光伏发电监控阿里云软件平台以及光伏发电功率深度学习预测算法与能量管理技术。(2)研究和设计了基于STM32的光伏储能分布式发电监控硬件系统。采用STM32作为主控芯片,基于ZigBee和WiFi通信技术,设计了太阳辐射强度采集模块和网关通信模块。试验结果表明,所设计模块可满足发电数据采集要求。(3)研究了基于阿里云的光伏储能分布式发电监控软件平台。利用阿里云设计了光伏发电监控云端服务器、云端监控软件与能量管理算法;基于Android设备,设计了本地监控APP和远程监控APP。试验结果表明:所设计的各软件模块均可实现预定功能。(4)提出了基于深度置信网络的光伏发电功率预测模型以及能量管理方法。在Matlab软件上对深度置信网络预测模型进行了训练,并与经典的BP神经网络预测模型进行了性能对比。所提出的模型预测结果的平均绝对百分比误差(MAPE)最小值为7.49%,且所有测试样本数据的MAPE值均在15%内,表明所提出的预测模型具有良好�

关 键 词： 光伏监控 云服务器 功率预测 深度置信网络 能量管理

领　　域： []