基于数据挖掘的光伏阵列发电功率预测方法研究的任务书.docx

基于数据挖掘的光伏阵列发电功率预测方法研究的任务书
任务书
课题名称：基于数据挖掘的光伏阵列发电功率预测方法研究
一、课题的研究背景和意义
随着能源环保意识的不断增强与研究的不断深入，光伏发电作为一项清洁能源，越来越被人们所关注。而在实际光伏发电系统中，由于受天气、地理、噪声等多种因素的影响，光伏阵列发电功率的预测成为了一个极具挑战性的问题。因此，如何准确地预测光伏阵列发电功率，已成为提高光伏发电系统的效率和利用率的重要方向。
本课题基于数据挖掘技术，通过对历史数据的分析和研究，建立光伏阵列发电功率的预测模型，实现对光伏阵列发电功率的精确预测，从而提高光伏发电系统的效率和利用率。
二、主要研究内容
1、收集光伏阵列发电系统的历史数据，并对数据进行整理和清洗。
2、选择合适的数据挖掘算法，比如支持向量机、神经网络等，建立光伏阵列发电功率的预测模型。
3、对模型进行优化和验证，选取合适的性能指标，比如均方根误差（RMSE）、平均绝对误差（MAE）等，对模型的预测效果进行评估。
4、使用所建立的模型进行预测，并与实际情况进行对比分析，验证模型的预测准确性和实用性。
5、进一步探究光伏阵列发电的运行机理，分析影响光伏阵列发电功率的关键因素，并优化预测模型。
三、研究计划及进度安排
1、第1-2个月：收集光伏阵列发电系统的历史数据，并对数据进行整理和清洗，确定数据挖掘算法。
2、第3-4个月：建立光伏阵列发电功率的预测模型，并进行初步测试和优化。
3、第5-6个月：对模型进行进一步优化和验证，并确定性能指标。
4、第7-8个月：使用模型进行预测，并与实际情况进行对比分析。
5、第9-10个月：探究光伏阵列发电的运行机理，并对预测模型进行优化。
6、第11-12个月：进行实验结果的分析和总结，并撰写论文。
四、预期研究成果
1、建立可靠有效的光伏阵列发电功率预测模型。
2、提高光伏发电系统的效率和利用率，降低操作成本。
3、对光伏阵列发电的运行机理进行探究，掌握关键因素。
4、发表高水平学术文章，并申请相关专利。
五、参考文献
1.Chen,C.-L.,&Chang,J.-H.(2014).Anovelenergygenerationpredictionmodelforphotovoltaicpowersystemsusingartificialneuralnetworks.EnergyConversionandManagement,77,434-446.
2.Konadu,D.D.,Mourshed,M.,&Rezgui,Y.(2014).Areviewofsystem-levelapproachtofaultdetectionanddiagnosisinphotovoltaic(PV)systems.RenewableandSustainableEnergyReviews,33,368-379.
3.Patel,H.,&Gandhi,O.P.(2012).MaximumpowerpointtrackingschemeforPVsystemsoperatingunderpartiallyshadedconditions.JournalofRenewableandSustainableEnergy,4(3),033112.
4.Sadeghipour,H.,Mohammadi-Ivatloo,B.,&Rabiee,A.(2014).Anewworld-linemethodforshort-termschedulingofvirtualpowerplantincludingwind,solarandpumped-storagepowerplants.AppliedEnergy,127,162-174.
6.Yang,F.,Wang,J.,Liu,J.,&Huang,P.(2016).Poweroutputpredictionofgrid-connectedphotovoltaicsystemsusinganovelhybridmodel.AppliedEnergy,174,214-227.