基于多元线性回归模型的并网光伏发电系统发电量预测研究
第28卷第2期2011年4月
现 代 电 力
M odern Electric Pow er
V o l 28 N o 2
Apr 2011
文章编号:1007 2322(2011)02 0043 06文献标识码:A中图分类号:T M615
基于多元线性回归模型的并网光伏发电系统
发电量预测研究
李光明,刘祖明,何京鸿,赵恒利,张树明
(云南师范大学太阳能研究所/教育部可再生能源材料先进技术与制备重点实验室;云南昆明650092)
Study on the Generator Forecasting of Grid connected PV Power System
Based on Multivariate Linear Regression Model
Li Guangm ing,Liu Zum ing,H e Jing ho ng,Zhao H engli,Zhang Shuming (Solar Energ y Research Inst itute of Y unnan N or mal U niv ersity;K ey L abor ator y of R enew able Ener gy
Advanced M ater ials and M anufacturing T echno log y,M inistry of Educatio n,K unming 650092,China)
摘 要:为了较为准确地对并网光伏发电系统的发电量做出预测,提高光伏并网后电网的安全性及稳定性。本文对硅太阳电池单一组件发电功率进行了理论计算,建立了一种以辐射量及组件温度为变量的多元线性回归光伏发电功率及发电量预测模型。设计了系统测试方案,采集了光伏系统在晴天I、多云II、阴转多云或晴转多云III3类天气下的运行数据,依据预测模型求解出3种不同天气类型下的预测回归方程,并把预测模型用于2kW并网光伏系统。预测结果表明,该预测方法简单、预测精度高,能解决系统的随机性问题,提高系统的稳定运行能力。
关键词:光伏系统;随机性;线性回归;预测模型;精确性Abstract:To accurately f orecast the generator of grid con nect ed PV pow er system and to improve its security and sta bility,the output power of a single component of silicon so lar cell is calculated in this paper.In addition,a multivariate linear regression f orecasting model is proposed w ith varia bles of radiation and temperature.A test scheme was de signed firstly,then operation data obtained f rom the PV sys t em in sunny day,cloudy day and the day f rom fine to cloud y or the day from overcast to cloudy is collected.Finally, the regression equations f or three kinds of w eather are solved based on forecasting model that is applied in2kW grid connected PV system.The forecasting results show that the forecasting method is not only simple and has high accu racy,but also suitable to solve stochastic problems to im prove the operation stability of PV system.
Key w ords:PV system;stochastic;linear regression;f ore cast model;accuracy
0 引 言
随着社会经济的快速发展,能源消耗剧增,化石能源日趋枯竭,加之与日俱增的化石燃料燃烧所造成的环境污染,给地球的生态平衡和人类的生存带来了严重的威胁,建设大型的光伏电站来满足人类对能源的需求是当前的发展趋势。由于光伏发电受太阳辐射强度、电池组件温度、天气、云层和一些随机因素的影响,系统运行过程是一个非平衡的随机过程,其发电量和输出电功率随机性强、波动大、不可控制,在天气突变时表现得尤为突出,这种发电方式在接入电网后必会对电网的安全和管理带来一系列的问题,所以能较为准确地对光伏系统的出力作出预测显得尤为重要。目前对光伏发电系统发电量的预测模型有神经网络模型、径向基函数模型、多层感知模型等几种[1-7]。此外,光伏系统还是一个部分信息明确、部分未知的典型灰色系统,基于灰色理论的预测模型在电力规划及负荷预测(包含光伏发电系统)方面有广泛的应用[8-10]。但这些模型都较为复杂,本文建立了一种较为简单的多元线性回归预测模型对并网光伏发电系统的发电量进行预测。
1 太阳电池单块组件发电功率理论计算
光伏发电是利用P N结的光伏效应将光能转化为电能的,其组件和系统在理想情况下的等效电路如图1所示。最大输出功率为
P m=U m I m=U oc I sc FF(1)式中:U oc、I sc、FF分别是电池的开路电压、短路电流、填充因子。对于硅太阳电池,在理想情况下,n=1,R s 0,R sh 。因此,开路电压、短
路电流及填充因子可表示为
U oc =n s nkT q ln I L
I D
+1
I =I L I sc FF =
u oc -ln (u oc +0.72)u oc +11-R s I sc
U oc
(2)
式中:n s 、n 分别为组件中电池的串联数和二极管理想因子;u oc 为归一化开路电压,即u oc =q U oc /
nkT ;I 、I L 、I D 分别为负载电流、光生电流及二极管反响饱和电流(1 78 10-11
A )。
图1 光伏组件理想直流模型等效电路图
对于制作好的单块硅太阳电池组件,其性能主要受到辐射强度和温度的影响,电池输出功率和发电量也强烈地依赖于二者
[11-12]
。在辐射强度方面
具体表现在:短路电流与几个数量级范围内的辐射光强成正比关系,且与电池受光面积成正比;开路电压随辐射量的增加很快趋于饱和,而与电池面积无关;填充因子与辐射量不具有简单的函数关系,对于不同的太阳电池其变化关系也不同。在温度上具体表现在:开路电压、填充因子、输出功率随组件温度的升高,都有所下降,即温度系数分别为-2 3mV/ 、-0 0015/ 、-(0 004~0 005)W/ ;随组件温度的升高,短路电流略有增加,即温度系数为+0 107mA / 。
因此,光伏系统的输出功率可以表示为关于辐射强度与温度的函数,即P m =P m (G,T),据文献[12]可知,短路电流和光生电流与入射光强、温度间的关系为
I sc I L =I scR
G
G R
+K T (t -t R )(3)
式中:I scR 为标准检测下得出的组件短路电流;G R 为标准测试下的辐射强度(1000W/m 2
);K T 为短路电流温度系数(A/ );t 、t R 分别为任意情况和标准情况(25 )下电池的温度。由于温度对短路电流的影响较小,
I sc I L )
式中: 为一常数,与电池面积有关。
把式(4)代入式(2)可得开路电压:
U oc =
n s nkT q ln ( G /I D +1) n s nkT
q
ln ( G /I D )(5)
=
n s nkT
q [ln ( /I D )+ln G]=a +b ln G 式中:a =
n s nkT q ln I D ,b =n s nkT
q
。把式(4)、(5)代入式(2)可得填充因子为
FF u oc -ln (u oc +0 72)u oc +1
1-R s G a +b ln G =
U oc n s /b -ln [(U oc n s /b)+0 72]
(U oc n s /b)+1
1-R s G
a (1+(ln -ln I D )-1 ln G
化简可得
FF U oc -b ln (U oc /b)U oc 1-R s G
a
(6)
因此,输出功率可表示为
P m =U oc I sc FF K T,P
(7)
式中:K T,P =1+ (t -t R )[13]
为输出功率与温度间的关系权值; 为输出功率的温度系数。
由式(7)可知,通过实测太阳电池面上的辐射强度及组件的温度,并把式(4)、(5)、(6)代入式(7)即可求出硅太阳电池单块组件上的输出功率,通过小时内累加即可求出太阳电池的小时发电量。
2 多元线性回归模型
多元线性回归模型的一般形式为
y i =
0+ 1x 1i + 2x 2i + + j x ji i =1,2, ,n ;j =1,2, ,k
式中:j 为解释变量的数目; j 为回归系数;x ji 为变量,也被称为总体回归函数的随机表达式。
在光伏发电系统中,其辐射量和温度对电池出力的影响最大,因此围绕这两个因素建立光伏发电系统多元线性回归模型。
把式(4)、(5)、(6)代入(7)可得P m = G (a +b ln G)K T,P {(1-cG )a+b ln G -b ln [(a+b ln G )/b])
a +
b ln G
}
(8)
式中:c =R s /a,化简可得
P m =( G -2b ln G -b ln 44
现 代 电 力 2011年
对式(9)中的ln 1+b a ln G 项进行泰勒级数展开,
并取其前3项得
ln 1+b a ln G c 0+c 1ln G +c 2(ln G)2
(10)式中:c 0、c 1、c 2分别为展开后的常数项,并将式(10)带入式(9),整理后得
P m ={[ a - b ln (a/b)- bc 0]G +( b - bc 1)G ln G +(- bc 2)[G(ln G)2
]+
[ bc ln (a/b)- ac + bcc 0]G 2
+
( bcc 1- bc )[G 2
ln G]+( bcc 2)[G 2
(ln G)2]}K T,P
(11)
令
N 1= a - b ln (a/b)- bc 0, N 2= b - bc 1N 4= bc ln (a/b)- ac + bcc 0,N 3=- bc 2N 5= bcc 1- bc,
N 6= bcc 2
x 1=K T ,P G, x 4=K T,P G 2x 2=K T ,P G ln G,x 5=K T,P G 2ln G
x 3=K T ,P G(ln G)2,x 6=K T,P G 2(ln G)2
则式(11)可变为
P m =N 1x 1+N 2x 2+N 3x 3+N 4x 4+N 5x 5+N 6x 6
(12)
式中:N 1~N 6是常数;x 1~x 6是关于温度和辐射强度的6个未知数。
在并网光伏系统中,光伏方阵是由大量的光伏组件经串联(N s )和并联(N P )构成。整个系统中各部分的转化效率并不是100%,其系统的综合效率 为
= 1 2 3
式中: 1、 2、 3分别为光伏阵列效率、逆变器效率、交流并网效率。
则光伏方阵的输出功率就为
P A =P m N s N P
(13)
把式(12)代入(13)可得
P A =N 1x 1+N 2x 2+N 3x 3+N 4x 4+
N 5x 5+N 6x 6(14)
式中:N 1~N 6是常数,可以看出输出功率与未知
数之间有多元线性关系,可通过采集大量的辐射强度和温度数据,利用回归方法得出式(14)中的6个常数,即可得出预测回归方程。在短时间内,把测
试量近似认为是不变的,利用上一时刻实测辐射量和
温度就可对光伏系统的发电功率及发电量作出预测。
3 数据测试及回归分析
3 1 组件理论计算
光伏系统由18块京瓷KC130GH 2P 多晶硅太阳电池组件串联而成,单块组件参数如表1所示。
表1 京瓷KC130GH 2P 多晶硅组件参数组件P max /W U m /V I m /A U oc /V I sc /A 面积/m 2多晶硅
130
17 6
7 39
21 9
8 02
0 81
计算单块组件标准状况下的开路电压U oc 、短
路电流I sc 随辐射量G 的变化关系,输出功率随辐射量、组件温度的变化关系,结果如图2所示。
图2 组件U oc 、I sc 、输出功率随辐射量的变化关系
图2中可以看出,当组件的温度不变时,开路电压与辐射量间呈对数变化关系,在辐射量大于500W/m 2后,开路电压趋于一定值;短路电流与辐射量间呈线性关系;而输出功率与辐射量间呈线性关系,当组件的温度逐渐升高时,输出功率明显下
降,因此,光伏组件应尽可能保持低温工作环境。3 2 测试系统设计及方法
对2kW 并网光伏系统进行为期数月的测试,测试系统如图3所示。根据仪器使用要求安装好各
45
第2期李光明等:基于多元线性回归模型的并网光伏发电系统发电量预测研究
测试设备,采集数据。测试参数有:辐射强度(G),环境温度(T a ),组件背板温度(T b ),风速(v),发电功率(P A )及小时发电量(Q),其中,G 、T a 、T b 、v 和P A 每间隔3m in 采集一次,Q 间隔一
小时记录一次。
图3 测试系统
3 3 回归分析
对测试数据进行分类与未分类(IV)处理,天气分类为晴天(I)、多云(II)、晴转多云或阴转多云(III)3类。分别对分类和未分类的测试数据进行线性回归(回归数据略),其回归结果如表2~4所示。
从表2至表4中可得出以结论:
3种天气类型及未分类情况下的线性回归方程如式(15)所示,即光伏系统发电功率预测方程;
根据回归数据,线性回归型模型中的6个自变量与因变量的复杂相关系数R >0 996以上,且天气越好R 值越大,相对应的显著值都为0,表示
结果在0 01的水平上是显著的。经过调整后R 2
>0 993,表明所建立的模型拟合比较好;
P A,I =-1 522x 1+0 549x 2-0 083x 3+0 0135x 4-0 0028x 5+1 49 10-4x 6P A,II =-0 672x 1+0 339x 2-0 056x 3+0 011x 4-0 0023x 5+1 5 10-4x 6P A,III =-0 802x 1+0 404x 2-0 067x 3+0 013x 4-0 003x 5+1 3 10-5x 6P A,I V =-0 47x 1+0 237x 2-0 039x 3+0 0076x 4-0 0016x 5+8 6 10-5x 6
(15)
表2 回归统计量
天气类型R R 2R Adjuste d 标准误差%F 值显著值观测点晴天I 0.9974150.9948380.9840410.613051.260101多云II
0.997150.994310.985459.113379.020122晴转多云或阴转云III
0.996520.993140.983739.992652.470117未分类I V
0.99667
0.99336
0.99026
10.34
8301.23
340
注:R 为回归系数精度;R 2为模型拟合系数精度;R Adjusted 为修正后拟合系数精度。
表3 方差分析
天气类型晴天(I)
多云(II)晴转多云或阴转云(III)未分类(IV)
D f SS M S D f SS M S D f S S M S Df S S
MS
回归分析6205.9334.326166.9727.8286160.1726.696532.8188.80残差951.0680.01121160.9550.00821101.1070.01013333.5620.0106总和
101
206.998
-122
167.9272
-116
161.2801
-339
536.38
-
注:Df 为自由度;SS 为平方和;M S 为均数平方
表4 回归计算中各方程系数输出结果
天气类型晴天(I)
多云(II)
晴转多云或阴转云(III)未分类(IV)
X 系数标准差/%T -统计量
系数标准差/%T -统计量系数标准差/%T -统计量系数标准差/%T -统计量N 1-1.15224.14-0.477-0.80263.56-1.262-0.68153.43-1.275-0.47034.72-1.352N 20.549113.670.4830.40431.45 1.2860.34426.59 1.2940.23717.13 1.383N 3-0.08316.85-0.493-0.067 5.05-1.326-0.057 4.31-1.322-0.039 2.73-1.426N 40.0135 2.570.5240.0130.94 1.4210.0110.82 1.3760.00760.50 1.513N 5
-0.0028
0.52-0.527-0.0030.20-1.432-0.00240.17-1.381-0.0016
0.10
-1.520N 6 1.49 10-4
0.03
0.531
1.5 10-4
0.01
1.443
1.3 10-5
0.009
1.385
8.6 10-55.6 10-3
1.526
注:回归方程的因变量为输出功率P A ,单位为kW
46现 代 电 力 2011年
在回归方程式(15)中,常数项为零,各回归系数在置信度为95%的取值范围内,相应的显著值都为0,这表明结果是显著的;
对于晴天和多云天气,可采用分类后的回归方程P A,I 、P A ,II 对光伏系统发电功率进行预测,其预测精度比直接用未分类的回归方程要高。而对于晴转多云或阴转云时,采用未分类的回归方程P A,IV 进行预测,精度较高;
从数据表中也可以看出,回归方程中未知量X 1~X 6的回归系数及T -统计量也是显著的,这说明建立的6个未知量对光伏发电系统发电功率线性影响是显著的。同时采用F 检测法对回归方程显著性检测,也说明所建立的模型有很好的拟合效果。
4 预测结果分析与讨论
把预测模型用于2kW 并网光伏系统上。其中,晴天(I)、多云(II)、晴转多云或阴转多云(III)天
气分别采用P A,I 、P A,II 、P A,I V 预测模型。预测不同天气类型下连续两天内每小时的平均发电功率(kW)及发电量(kWh),结果如表5和图4所示。从表5和图4中可知:预测模型有较好的预测效果,且晴天(I)预侧值较实测值都偏高,晴转多云或阴转云(III)天预测值较实测值较低,多云天( )有更好的预测效果。在每天的14:00到15:00系统小时发电量将达到极值,且在11:00到14:00时间段内I 和III 类天气的预测误差也较大,预测误差最大值点分别为12:00和14:00,而II 类天气的预测误差较大点在早晨和傍晚。这是由于这段时间内系统接收到的辐射量最高、组件的工作温度也较高所造成的。另外,在晴天(I)、多云(II)、晴转多云或阴转云(III)天气下,平均残差分别在0 095、0 066、0 126左右,预测残差对比结果如图5所示。
表5 小时发电量实测及预测值
kWh
晴(I)
多云(II)晴转多云或阴转云(III)
时段实测预测残差时段实测预测残差时段实测预测残差9:30~10:300.490.532-0.04211:00~12:000.610.6030.00710:00~11:000.630.6010.02910:30~11:300.99 1.131-0.14112:00~13:000.710.7100.00011:00~12:00 1.070.9840.08611:30~12:30 1.33 1.523-0.19313:00~14:00 1.22 1.2190.00112:00~13:00 1.41 1.2260.18412:30~13:30 1.64 1.713-0.07314:00~15:00 1.63 1.639-0.00913:00~14:00 1.50 1.3340.16613:30~14:30 1.71 1.745-0.03515:00~16:00 1.02 1.155-0.13514:00~15:00 1.36 1.2190.14114:30~15:30 1.70 1.712-0.01216:00~17:000.950.8670.08315:00~16:00 1.40 1.2710.12915:30~16:30 1.46 1.542-0.08210:00~11:000.570.728-0.15816:00~17:00 1.17 1.0280.1429:41~10:410.530.577-0.04711:00~12:000.91 1.007-0.09710:00~11:000.640.6120.02810:41~11:41 1.05 1.237-0.18712:00~13:00 1.39 1.436-0.04611:00~12:00 1.060.9480.11211:41~12:41 1.41 1.595-0.18513:00~14:00 1.36 1.401-0.04112:00~13:00 1.45 1.3270.12312:41~13:41 1.60 1.700-0.10014:00~15:00 1.62 1.6180.00213:00~14:00 1.60 1.4240.17613:41~14:41 1.65 1.722-0.07215:00~16:00 1.49 1.546-0.05614:00~15:00 1.78 1.5810.19914:41~15:41 1.59 1.673-0.08316:00~17:00
1.49
1.264
0.226
15:00~16:00 1.29 1.1650.12515:41~16:41
1.39
1.466
-0.076
16:00~17:00
1.29
1.166
0.
124
图4 I 、II 、III 3类天气预测值与实测值比较
47
第2期李光明等:基于多元线性回归模型的并网光伏发电系统发电量预测研究
图5 3类天气预测残差对比
5 结 论
对硅晶电池单块组件进行了理论计算,在此基础上以辐射量及组件工作温度为变量,建立光伏系统发电功率及发电量多元线性回归模型;
通过2kW并网光伏发电系统大量数据的测试,在天气分类(I、II、III)及未分类情况下对数据进行多元线性回归分析,模型有很好的拟合性,精度较高;
一天内预测与实测的变化趋势一致,基本能够做到对并网光伏发电系统发电量进行有效预测,预测值与实测值之间存在一定误差。且多云( )天气下平均误差最小、晴天(I)次之(预测值偏高)、晴转多云或阴转云(III)最大(预测值偏低);
在11:00到14:00时间段内系统接收到的辐射量最高、组件的工作温度也较高,该时段的预测误差也是最大的。
参考文献
[1] Chakr abo rty S,W eiss M D,Simoes M G.Distr ib
uted intellig ent energ y manag ement system for a sin
gle phase frequency AC micro gr id[J].I EEE
T r ansactio ns o n Industr ial Electr onics,2007,54
(1):97-109.
[2] T sikalakis A G,Hatziar gy riou N iko s D.Centralized
contro l for o pt imizing micr og rids operatio n[J].
IEEE T ransact ions on Energ y Conver sion,2008,23
(1):241-248.
[3] Stefan Bof ing er,Gerd Heilsher.So lar elect ricit y
for ecast appro aches and first results[C].Dr esden:
21st European Phot ovo ltaic Solar Energ y Co nf er
ence,2006:4-8,9.
[4] Co ppye W,G eur sts L,W oyt e A.Determiting T he
V alue of dec entr alisd g r id co nnected pho tvo ltaic e
lectr icity in Belg ium[C].17th Euro pean photo vol
taic so lar energ y co nfer ence,2001.
[5] G ir aud F,Salameh Z M.A nalysis of the Effects of
a passing cloud o n a G rid Interactiv e pho tovo ltaic
sy stem w ith battery stor ag e using neural netw o rks
[J].I EEE T r ans.o n Energ y Conversio n,1999,14
(4):1572-1577.
[6] 陈昌松,段善旭,殷进军,等.基于神经网络的光
伏阵列发电预测模型的设计[J].电工技术学报,
2009,24(9):153-158.
[7] Y ona A,Senjyu T,F unabashi T.Application o f re
current neur al netw ork t o shor t-term-ahead gen
erat ing pow er fo recasting for photov oltaic sy st em
[C].I EEE Pow er Eng ineering Societ y General
M eeting,2007.
[8] 唐鹏.电力系统负荷组合预测模型及应用[J].广
西轻工业,2008(5):39-40.
[9] Xu Jianhui.Application of Gr ey T heory in the Lo ad
P rediction of Power System[J].JiangXi Hydraulic
Science and Technolog y,2002,28(4):215-217.
[10] 贺琳,李英姿.改进GM(1,1)残差修正模型在光
伏发电量短期预测中的应用[J].北京建筑工程学
院学报,2008,24(3):61-65.
[11] Wenham S R,Green M A.A pplied Ho tov olt aics
[M].N atio na l librar y o f austr alia catalog uing in
publicatio n entr y,1998:41-42.
[12] Ikeg ami T,M aezono T,N akanishi F.Estimatio n
o f equivalent circuit paramemter s of P V module and
its application to o pt imal o per ation of P V sy st em
[J].So lar Ener g y M aterials&So lar Cells,2001,
75:389-395.
[13] N ishioka K,Hat ayama T,U raoka Y,et al.Field
test analy sis of P V sy stem o ut put cha racterist ics fo
cusing on module temperature[J].So lar Energ y
M at erials&Solar Cells,2003,75(3-4):665-
671.
收稿日期:2010 10 08
作者简介:李光明(1984-),男,硕士研究生,从事光伏发电系统及应用工程方面的研究。
(责任编辑:杨秋霞)
48现 代 电 力 2011年
一元线性回归模型的置信区间与预测
§2.5 一元线性回归模型的置信区间与预测 多元线性回归模型的置信区间问题包括参数估计量的置信区间和被解释变量预测值的置信区间两个方面，在数理统计学中属于区间估计问题。所谓区间估计是研究用未知参数的点估计值（从一组样本观测值算得的）作为近似值的精确程度和误差范围，是一个必须回答的重要问题。 一、参数估计量的置信区间 在前面的课程中，我们已经知道，线性回归模型的参数估计量^ β是随机变量 i y 的函数，即：i i y k ∑=1 ?β，所以它也是随机变量。在多次重复抽样中，每次 的样本观测值不可能完全相同，所以得到的点估计值也不可能相同。现在我们用参数估计量的一个点估计值近似代表参数值，那么，二者的接近程度如何？以多大的概率达到该接近程度？这就要构造参数的一个区间，以点估计值为中心的一个区间（称为置信区间），该区间以一定的概率（称为置信水平）包含该参数。 即回答1β以何种置信水平位于() a a +-1 1?,?ββ之中，以及如何求得a 。 在变量的显著性检验中已经知道 ) 1(~^ ^ ---= k n t s t i i i βββ (2.5.1) 这就是说，如果给定置信水平α-1，从t 分布表中查得自由度为(n-k-1)的临界值2 αt ，那么t 值处在()2,ααt t -的概率是α-1。表示为 α αα-=<<-1)(2 2 t t t P 即
α ββαβα-=<-< -1)(2 ^ 2 ^ t s t P i i i α ββββαβα-=?+<
多元线性回归分析预测法
多元线性回归分析预测法 (重定向自多元线性回归预测法) 多元线性回归分析预测法（Multi factor line regression method，多元线性回归分析法） [编辑] 多元线性回归分析预测法概述 在市场的经济活动中，经常会遇到某一市场现象的发展和变化取决于几个影响因素的情况，也就是一个因变量和几个自变量有依存关系的情况。而且有时几个影响因素主次难以区分，或者有的因素虽属次要，但也不能略去其作用。例如，某一商品的销售量既与人口的增长变化有关，也与商品价格变化有关。这时采用一元回归分析预测法进行预测是难以奏效的，需要采用多元回归分析预测法。 多元回归分析预测法，是指通过对两上或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。 [编辑] 多元线性回归的计算模型[1] 一元线性回归是一个主要影响因素作为自变量来解释因变量的变化，在现实问题研究中，因变量的变化往往受几个重要因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释
因变量的变化，这就是多元回归亦称多重回归。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元性回归。 设y为因变量，为自变量，并且自变量与因变量之间为线性关系时，则多元线性回归模型为： 其中，b0为常数项，为回归系数，b1为固定时，x1每增加一 个单位对y的效应，即x1对y的偏回归系数；同理b2为固定时，x2每增加一个单位对y的效应，即，x2对y的偏回归系数，等等。如果两个自变量x1,x2同一个因变量y呈线相关时，可用二元线性回归模型描述为： 其中，b0为常数项，为回归系数，b1为固定时，x2每增加一 个单位对y的效应，即x2对y的偏回归系数，等等。如果两个自变量x1,x2同一个因变量y呈线相关时，可用二元线性回归模型描述为： y = b0 + b1x1 + b2x2 + e 建立多元性回归模型时，为了保证回归模型具有优良的解释能力和预测效果，应首先注意自变量的选择，其准则是： (1)自变量对因变量必须有显著的影响，并呈密切的线性相关； (2)自变量与因变量之间的线性相关必须是真实的，而不是形式上的； (3)自变量之彰应具有一定的互斥性，即自变量之彰的相关程度不应高于自变量与因变量之因的相关程度； (4)自变量应具有完整的统计数据，其预测值容易确定。 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和()为最小的前提下，用最小二乘法求解参数。以二线性回归模型为例，求解回归参数的标准方程组为 解此方程可求得b0,b1,b2的数值。亦可用下列矩阵法求得
100kW光伏并网发电系统典型案例解
100kW光伏并网发电系统典型案例解 100kW光伏并网发电系统典型案例解析 1、项目地点分析 本项目采用光伏并网发电系统设计方案，应用类别为村级光伏电站项目。项目安装地为江西，江西位于位于中国的东南部,长江中下游南岸。地处北纬24°29′-30°04′，东经113°34′-118°28′之间。项目所在地坐标为北纬25°8′，东经114°9′。根据查询到的经纬度在NASA上查询当地的峰值日照时间如下： (以下数据来源于美国太空总署
根据项目所在地理位置坐标，项目所在地坐标为项目所在地坐标为北纬25°8′，东经114°9′，光伏组件安装最佳倾角为20°如下图所示： 2.3组件阵列间距及项目安装面积 采用260Wp的组件，组件尺寸为1650*990*35mm，共用400块太阳能电池板， 总功率104kWp。根据下表公式可以计算出组件的前后排阵列间距为2.4m，单 块组件及其间距所占用面积为2.39㎡。
104kWp光伏组件组成的光伏并网发电系统占地面积为2.39*400=956㎡,考虑到安装间隙、周围围墙等可能的占地面积，大约需要1000㎡。 3、光伏支架 本项目为水平地面安装，采用自重式支架安装方式。自重式解决方案适用于平屋顶及地面系统。利用水泥块压住支架底部的铝制托盘，起到固定系统的作用。
多元线性回归分析预测法
多元线性回归分析预测法 多元线性回归分析预测法（Multi factor line regression method，多元线性回归分析法） 目录 [隐藏] ? 1 多元线性回归分析预测法概述 ? 2 多元线性回归的计算模型[1] ? 3 多元线性回归模型的检验[1] ? 4 多元线性回归分析预测法案例分析 o 4.1 案例一:公路客货运输量多元线性回归预测方法探讨[2] ? 5 相关条目 ? 6 参考文献 多元线性回归分析预测法概述 在市场的经济活动中，经常会遇到某一市场现象的发展和变化取决于几个影响因素的情况，也就是一个因变量和几个自变量有依存关系的情况。而且有时几个影响因素主次难以区分，或者有的因素虽属次要，但也不能略去其作用。例如，某一商品的销售量既与人口的增长变化有关，也与商品价格变化有关。这时采用一元回归分析预测法进行预测是难以奏效的，需要采用多元回归分析预测法。 多元回归分析预测法，是指通过对两上或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。 [编辑] 多元线性回归的计算模型[1] 一元线性回归是一个主要影响因素作为自变量来解释因变量的变化，在现实问题研究中，因变量的变化往往受几个重要因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化，这就是多元回归亦称多重回归。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元性回归。 设y为因变量，为自变量，并且自变量与因变量之间为线性关系时，则多元线性回归模型为：
其中，b0为常数项，为回归系数，b1为固定时，x1每增加一 个单位对y的效应，即x1对y的偏回归系数；同理b2为固定时，x2每增加一个单位对y的效应，即，x2对y的偏回归系数，等等。如果两个自变量x1,x2同一个因变量y呈线相关时，可用二元线性回归模型描述为： 其中，b0为常数项，为回归系数，b1为固定时，x2每增加 一个单位对y的效应，即x2对y的偏回归系数，等等。如果两个自变量x1,x2同一个因变量y呈线相关时，可用二元线性回归模型描述为： y = b0 + b1x1 + b2x2 + e 建立多元性回归模型时，为了保证回归模型具有优良的解释能力和预测效果，应首先注意自变量的选择，其准则是： (1)自变量对因变量必须有显著的影响，并呈密切的线性相关； (2)自变量与因变量之间的线性相关必须是真实的，而不是形式上的； (3)自变量之彰应具有一定的互斥性，即自变量之彰的相关程度不应高于自变量与因变量之因的相关程度； (4)自变量应具有完整的统计数据，其预测值容易确定。 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和()为最小的前提下，用最小二乘法求解参数。以二线性回归模型为例，求解回归参数的标准方程组为 解此方程可求得b0,b1,b2的数值。亦可用下列矩阵法求得 即
多元线性回归预测模型论文
多元线性回归统计预测模型 摘要:本文以多元统计分析为理论基础，在对数据进行统计分析的基础上建立多元线性回归模型并对未知量作出预测,为相关决策提供依据和参考。重点介绍了模型中参数的估计和自变量的优化选择及简单应用举例。 关键词：统计学;线性回归;预测模型 一．引言 多元线性回归统计预测模型是以统计学为理论基础建立数学模型，研究一个随机变量Ｙ与两个或两个以上一般变量X 1,X ２，…,Xp 之间相依关系,利用现有数据,统计并分析，研究问题的变化规律，建立多元线性回归的统计预测模型,来预测未来的变化情况。它不仅能解决一些随机的数学问题,而且还可以通过建立适当的随机模型进而解决一些确定的数学问题,为相关决策提供依据和参考。 目前统计学与其他学科的相互渗透为统计学的应用开辟新的领域。并被广泛的应用在各门学科上,从物理和社会科学到人文科学，甚至被用来工业、农业、商业及政府部门。而多元线性回归是多元统计分析中的一个重要方法,被应用于众多自然科学领域的研究中。多元线性回归分析作为一种较为科学的方法,可以在获得影响因素的前提下，将定性问题定量化，确定各因素对主体问题的具体影响程度。 二.多元线性回归的基本理论 多元线性回归是多元统计分析中的一个重要方法，被广泛应用于众多自然科学领域的研究中。多元线性回归分析的基本任务包括:根据因变量与多个自变量的实际观测值建立因变量对多个自变量的多元线性回归方程；检验、分析各个自变量对因自变量的综合线性影响的显著性；检验、分析各个自变量对因变量的单纯线性影响的显著性，选择仅对因变量有显著线性影响的自变量，建立最优多元线性回归方程;评定各个自变量对因变量影响的相对重要性以及测定最优多元线性回归方程的偏离度等。由于多数的多元非线性回归问题都可以化为多元线性回归问题,所以这里仅讨论多元线性回归。许多非线性回归和多项式回归都可以化为多元线性回归来解决,因而多元线性回归分析有着广泛的应用。 2.1 多元线性回归模型的一般形式 设随机变量y 与一般变量12,, ,p x x x 线性回归模型为 01122...p p y x x x ββββε=+++++ （2.1） 模型中Ｙ为被解释变量(因变量）,而12,,,p x x x 是p 个可以精确测量并可控制的一般变 量，称为解释变量（自变量）。p ＝1时，(２.1)式即为一元线性回归模型，p 大于2时，(2.1)
5kWp光伏太阳能并网发电系统
5kWp光伏太阳能并网发电系统 设 计 方 案 设计人：申小波（Mellon） 单位：个人 电话： 日期： 2013年10月27日
目录 一、光伏太阳能并网发电系统简介 (2) 二、项目地点及气候辐照状况 (2) 三、相关规范和标准 (5) 四、系统结构与组成 (5) 五、设计过程 (6) 1、方案简介 (6) 2、设计依据 (6) 3、组件设计选型 (7) 4、直流防雷汇流箱设计选型 (9) 5、交直流断路器 (11) 6、并网逆变器设计选型 (13) 7、电缆设计选型 (14) 8、方阵支架 (15) 9、配电室设计 (15) 10、接地及防雷 (15) 11、数据采集检测系统 (16) 六、仿真软件模拟设计 (17) 七、接入电网方案 (22)
八、设备配置清单及详细参数 (22) 九、系统建设及施工 (22) 十、系统安装及调试 (23) 十一、运行及维护注意事项 (26) 十二、设计图纸 (28) 十三、工程预算投资分析报告 (32)
5kWp光伏太阳能并网发电系统配置方案 一、光伏太阳能并网发电系统简介 并网系统（Utility Grid Connected）最大的特点：太阳电池组件产生的直流电经过并网逆变器转换成符合市电电网要求的交流电之后直接接入公共电网，并网系统中光伏方阵所产生电力除了供给交流负载外，多余的电力反馈给电网。在阴雨天或夜晚，太阳电池组件没有产生电能或者产生的电能不能满足负载需求时就由电网供电。 因为直接将电能输入电网，免除配置蓄电池，省掉了蓄电池储能和释放的过程，可以充分利用光伏方阵所发的电力，从而减小了能量的损耗，并降低了系统的成本。但是系统中需要专用的并网逆变器，以保证输出的电力满足电网电力对电压、频率等电性能指标的要求。因为逆变器效率的问题，还是会有部分的能量损失。这种系统通常能够并行使用市电和太阳能太阳电池组件阵列作为本地交流负载的电源，降低了整个系统的负载缺电率，而且并网系统可以对公用电网起到调峰作用。但并网光伏供电系统作为一种分散式发电系统，对传统的集中供电系统的电网会产生一些不良的影响，如谐波污染，孤岛效应等。 二、项目地点及气候辐照状况 图片来自Google地球 1、项目地点为：江苏省泰州市XX区XX镇； 2、纬度：32°22’，经度：120°12’； 3、平均海拔高度：7m；
家用分布式光伏系统设计(并网型)
家用分布式光伏系统设计 摘要：太阳能是最普遍的自然资源，也是取之不尽的可再生能源。分布式光伏发电特指采用光伏组件，将太阳能直接转换为电能的分布式发电系统。它是一种新型的、具有广阔发展前景的发电和能源综合利用方式，它倡导就近发电，就近并网，就近转换，就近使用的原则，不仅能够有效提高同等规模光伏电站的发电量，同时还有效解决了电力在升压及长途运输中的损耗问题。 目前应用最为广泛的分布式光伏发电系统，是建在建筑物屋顶的光伏发电项目，方便接入就近接入公共电网，与公共电网一起为附近的用户供电。从发电入网角度出发，根据家庭用电情况可以给出系统施工要求、设计方法以及光伏组件、逆变器的选择等。 关键词：太阳能分布式光伏发电系统 1.前言 太阳能是一种重要的，可再生的清洁能源，是取之不尽用之不竭、无污染、人类能够自由利用的能源。太阳每秒钟到达地面的能量高达50万千瓦，假如把地球表面0.1%的太阳能转换为电能，转变率5%，每年发电量可达5.6×1012kW·h，相当于目前世界上能耗的40倍。从长远来看，太阳能的利用前景最好，潜力最大。近30年来，太阳能利用技术在研究开发、商业化生产和市场开拓方面都获得了长足发展，成为快速、稳定发展的新兴产业之一。 本文简单地阐述了家用分布式光伏发电系统设计方法和施工要求，仅供参考。 2.太阳能光伏发电应用现状 太阳能转换为电能的技术称为太阳能光伏发电技术（简称PV技术）。太阳能光伏发电不仅可以部分代替化石燃料发电，而且可以减少CO2和有害气体的排放，防止地球环境恶化，因此发展太阳能光伏产业已经成为全球各国解决能源与经济发展、环境保护之间矛盾的最佳途径之一。目前发达国家如美国、德国、日本的光伏发电应用领域从航天、国防、转向了民用，如德国的“百万屋顶计划”使许多家庭不仅利用太阳能光伏发电解决了自家供电，而且这些家庭还办成了一所所私人的“小型电站”，能够源源不断地为公用电网提供电能。 近几年，我国光伏行业发展也非常迅速。国家对光伏发电较为重视，国家和地方政府相继出台了一些列的补贴政策以促进光伏产业的发展，国家发改委实施“送电到乡”、“光明工
matlab建立多元线性回归模型并进行显著性检验及预测问题
matlab建立多元线性回归模型并进行显着性检验及预测问题 例子; x=[143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164]'; X=[ones(16,1) x]; 增加一个常数项Y=[88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102]'; [b,bint,r,rint,stats]=regress(Y,X) 得结果：b = bint = stats = 即对应于b的置信区间分别为[，]、[,]; r2=, F=, p= p<, 可知回归模型y=+ 成立. 这个是一元的，如果是多元就增加X的行数！ function [beta_hat,Y_hat,stats]=regress(X,Y,alpha) % 多元线性回归(Y=Xβ+ε)MATLAB代码 %？ % 参数说明 % X：自变量矩阵，列为自变量，行为观测值 % Y：应变量矩阵，同X % alpha：置信度，[0 1]之间的任意数据 % beta_hat：回归系数 % Y_beata：回归目标值，使用Y-Y_hat来观测回归效果 % stats：结构体，具有如下字段 % =[fV,fH]，F检验相关参数，检验线性回归方程是否显着 % fV：F分布值，越大越好，线性回归方程越显着 % fH：0或1，0不显着；1显着(好) % =[tH,tV,tW]，T检验相关参数和区间估计，检验回归系数β是否与Y有显着线性关系 % tV：T分布值，beta_hat(i)绝对值越大,表示Xi对Y显着的线性作用% tH：0或1，0不显着；1显着 % tW：区间估计拒绝域，如果beta(i)在对应拒绝区间内，那么否认Xi对Y显着的线性作用 % =[T,U,Q,R]，回归中使用的重要参数 % T：总离差平方和，且满足T=Q+U % U：回归离差平方和 % Q：残差平方和 % R∈[0 1]：复相关系数，表征回归离差占总离差的百分比，越大越好% 举例说明 % 比如要拟合y=a+b*log(x1)+c*exp(x2)+d*x1*x2，注意一定要将原来方程线化% x1=rand(10,1)*10; % x2=rand(10,1)*10; % Y=5+8*log(x1)+*exp(x2)+*x1.*x2+rand(10,1); % 以上随即生成一组测试数据 % X=[ones(10,1) log(x1) exp(x2) x1.*x2]; % 将原来的方表达式化成Y=Xβ，注意最前面的1不要丢了
光伏并网发电系统设计
光伏并网发电系统设计 摘要：最大功率点跟踪是光伏并网发电系统中经常遇见的问题。系统设计采用电流型控制芯片UC3845实现最大功率点跟踪（MPPT），由单片机STC12C5408AD产生SPWM信号，实现频率相位跟踪功能、输入欠压保护功能、输出过流保护功能。结果表明，该设计不但电路设计简单，软硬件结合，控制方法灵活，而且能够有效的完成最大功率跟踪的目的。 关键词：STC12C5408AD DC-AC转换电路 MPPT 太阳能作为绿色能源,具有无污染、无噪音、取之不尽、用之不竭等优点,越来越受到人们的关注。光伏电池的输出是一个随光照、温度等因素变化的复杂量，且输出电压和输出电流存在非线性关系。光伏系统的主要缺点是初期投资大、太阳能电池的光电转换效率低。为充分利用太阳能必须控制电池阵列始终工作在最大功率点上，最大功率点跟踪(MPPT, Maximum Power Point Tracker)是太阳能并网发电中的一项重要的关键技术。 1 设计任务 为研究方便设计一光伏并网发电模拟装置，其结构框图如图1所示。用直流稳压电源U S和电阻R S模拟光伏电池，U S=60V，R S=30Ω~36Ω；u REF为模拟电网电压的正弦参考信号，其峰峰值为2V，频率f REF为45Hz~55Hz；T为工频隔离变压器，变比为n2:n1=2:1、n3:n1=1:10，将u F作为输出电流的反馈信号；负载电阻R L=30Ω~36Ω。要求系统具有最大功率点跟踪（MPPT）功能，频率、相位跟踪功能，输入欠压保护和输出过流保护功能。另外要求系统效率高、失真度低。 U R L
图1 并网发电模拟装置框图 2 系统总体方案 光伏并网系统主要由前级的DC-DC变换器和后级的DC-AC逆变器组成。在系统中,DC-DC 变换器采用BOOST结构,主要完成系统的MPPT控制;DC-AC部分采用全桥逆变器,维持中间电压稳定并且将电能转换成110 V/50 Hz交流电。设计采用单片机SPWM调制，驱动功率场效应管，经滤波产生正弦波，驱动隔离变压器，向负载输出功率。系统设计保证并网逆变器输出的正弦电流与电网电压同频同相。系统总体硬件框图如图2所示： 图2 系统总体硬件框图 3 MPPT原理及电路设计 MPPT原理 由于光伏阵列的最大功率点是一个时变量，可以采用搜索算法进行最大功率点跟踪。其搜索算法可分为自寻优和非自寻优两种类别。所谓自寻优算法即不直接检测外界环境因素的变化,而是通过直接测量得到的电信号,判断最大功率点的位置。典型的追踪方法有扰动观测法和增量导纳法等。增量导纳法算法的精确度最高,但是,由于增量导纳法算法复杂,对实现该算法的硬件质量要求较高、运算时间变长，会增加不必要的功率损耗,所以实际工程应用中,通常采用扰动观测法算法]1[。 扰动观测法原理:每隔一定的时间增加或者减少电压,并通过观测其后功率变化的方向,
光伏并网发电系统设计复习过程
光伏并网发电系统设 计
光伏并网发电系统设计 摘要：最大功率点跟踪是光伏并网发电系统中经常遇见的问题。系统设计采用电流型控制芯片UC3845实现最大功率点跟踪（MPPT），由单片机STC12C5408AD产生SPWM信号，实现频率相位跟踪功能、输入欠压保护功能、输出过流保护功能。结果表明，该设计不但电路设计简单，软硬件结合，控制方法灵活，而且能够有效的完成最大功率跟踪的目的。 关键词：STC12C5408AD DC-AC转换电路 MPPT 太阳能作为绿色能源,具有无污染、无噪音、取之不尽、用之不竭等优点,越来越受到人们的关注。光伏电池的输出是一个随光照、温度等因素变化的复杂量，且输出电压和输出电流存在非线性关系。光伏系统的主要缺点是初期投资大、太阳能电池的光电转换效率低。为充分利用太阳能必须控制电池阵列始终工作在最大功率点上，最大功率点跟踪(MPPT, Maximum Power Point Tracker)是太阳能并网发电中的一项重要的关键技术。 1 设计任务 为研究方便设计一光伏并网发电模拟装置，其结构框图如图1所示。用直流稳压电源U S和电阻R S模拟光伏电池，U S=60V，R S=30Ω~36Ω；u REF为模拟电网电压的正弦参考信号，其峰峰值为2V，频率f REF为45Hz~55Hz；T为工频隔离变压器，变比为n2:n1=2:1、n3:n1=1:10，将u F作为输出电流的反馈信号；负载电阻R L=30Ω~36Ω。要求系统具有最大功率点跟踪（MPPT）功能，频率、相位跟踪功能，输入欠压保护和输出过流保护功能。另外要求系统效率高、失真度低。
R L U 图1 并网发电模拟装置框图 2 系统总体方案 光伏并网系统主要由前级的DC-DC 变换器和后级的DC-AC 逆变器组成。在系统中,DC-DC 变换器采用BOOST 结构,主要完成系统的MPPT 控制;DC-AC 部分采用全桥逆变器,维持中间电压稳定并且将电能转换成110 V/50 Hz 交流电。设计采用单片机SPWM 调制，驱动功率场效应管，经滤波产生正弦波，驱动隔离变压器，向负载输出功率。系统设计保证并网逆变器输出的正弦电流与电网电压同频同相。系统总体硬件框图如图2所示： 图2 系统总体硬件框图 3 MPPT 原理及电路设计 3.1 MPPT 原理
并网光伏发电系统
并网光伏发电系统 并网太阳能光伏发电系统是由光伏电池方阵并网逆变器组成，不经过蓄电池储能，通过并网逆变器直接将电能输入公共电网。并网太阳能光伏发电系统相比离网太阳能光伏发电系统省掉了蓄电池储能和释放的过程，减少了其中的能量消耗，节约了占地空间，还降低了配置成本。值得申明的是，并网太阳能光伏发电系统很大一部分用于政府电网和发达国家节能的案件中。并网太阳能发电是太阳能光伏发电的发展方向，是21世纪极具潜力的能源利用技术。 并网光伏发电系统有集中式大型并网光伏电站一般都是国家级电站，主要特点是将所发电能直接输送到电网，由电网统一调配向用户供电。但这种电站投资大、建设周期长、占地面积大，因而没有太大发展。而分散式小型并网光伏系统，特别是光伏建筑一体化发电系统，由于投资小、建设快、占地面积小、政策支持力度大等优点，是并网光伏发电的主流。 概述 太阳能发电是传统发电的有益补充，鉴于其对环保与经济发展的重要性，各发达国家无不全力推动太阳能发电工作，如今中小规模的太阳能发电已形成了产业。太阳能发电有光伏发电和太阳能热发电 2 种方式，其中光伏发电具有维护简单、功率可大可小等突出优点，作为中、小型并网电源得到较广泛应用。并网光伏发电系统比离网型光伏发电系统投资减少25 %。将光伏发电系统以微网的形式接入到大电
网并网运行，与大电网互为支撑，是提高光伏发电规模的重要技术出路，并网光伏发电系统的运行也是今后技术发展的主要方向，通过并网能够扩张太阳能使用的范围和灵活性。 特点及必要条件 在微网中运行，通过中低压配电网接入互联特/超高压大电网，是并网光伏发电系统的重要特点。并网光伏发电系统的基本必要条件是，逆变器输出之正弦波电流的频率和相位与电网电压的频率和相位相同。 并网光伏发电系统分类 1、有逆流并网光伏发电系统 有逆流并网光伏发电系统：当太阳能光伏系统发出的电能充裕时，可将剩余电能馈入公共电网，向电网供电（卖电）；当太阳能光伏系统提供的电力不足时，由电能向负载供电（买电）。由于向电网供电时与电网供电的方向相反，所以称为有逆流光伏发电系统。 2、无逆流并网光伏发电系统 无逆流并网光伏发电系统：太阳能光伏发电系统即使发电充裕也不向公共电网供电，但当太阳能光伏系统供电不足时，则由公共电网向负载供电。 3、切换型并网光伏发电系统 所谓切换型并网光伏发电系统，实际上是具有自动运行双向切换的功能。一是当光伏发电系统因多云、阴雨天及自身故障等导致发电量不足时，切换器能自动切换到电网供电一侧，由电网向负载供电；二是
家用分布式光伏系统设计(并网型)
家用分布式光伏系统设计 邓李军 （通威太阳能光伏电力事业部技术研发部，成都） 摘要：太阳能是最普遍的自然资源，也是取之不尽的可再生能源。分布式光伏发电特指采用光伏组件，将太阳能直接转换为电能的分布式发电系统。它是一种新型的、具有广阔发展前景的发电和能源综合利用方式，它倡导就近发电，就近并网，就近转换，就近使用的原则，不仅能够有效提高同等规模光伏电站的发电量，同时还有效解决了电力在升压及长途运输中的损耗问题。 目前应用最为广泛的分布式光伏发电系统，是建在建筑物屋顶的光伏发电项目，方便接入就近接入公共电网，与公共电网一起为附近的用户供电。从发电入网角度出发，根据家庭用电情况可以给出系统施工要求、设计方法以及光伏组件、逆变器的选择等。 关键词：太阳能分布式光伏发电系统 1.前言 太阳能是一种重要的，可再生的清洁能源，是取之不尽用之不竭、无污染、人类能够自由利用的能源。太阳每秒钟到达地面的能量高达50万千瓦，假如把地球表面0.1%的太阳能转换为电能，转变率5%，每年发电量可达5.6×1012kW·h，相当于目前世界上能耗的40倍。从长远来看，太阳能的利用前景最好，潜力最大。近30年来，太阳能利用技术在研究开发、商业化生产和市场开拓方面都获得了长足发展，成为快速、稳定发展的新兴产业之一。 本文简单地阐述了家用分布式光伏发电系统设计方法和施工要求，仅供参考。 2.太阳能光伏发电应用现状 太阳能转换为电能的技术称为太阳能光伏发电技术（简称PV技术）。太阳能光伏发电不仅可以部分代替化石燃料发电，而且可以减少CO2和有害气体的排放，防止地球环境恶化，因此发展太阳能光伏产业已经成为全球各国解决能源与经济发展、环境保护之间矛盾的最佳途径之一。目前发达国家如美国、德国、日本的光伏发电应用领域从航天、国防、转向了民用，如德国的“百万屋顶计划”使许多家庭不仅利用太阳能光伏发电解决了自家供电，而且
光伏发电项目并网接入系统方案
光伏发电项目并网接入系统方案 工作单号： 项目业主：（以下简称甲方） 供电企业：（以下简称乙方）根据国家和地方政府有关规定，结合中山市供用电的具体情况，经甲、乙方共同协商，达成光伏发电项目接入系统方案如下： 一、项目地址： 二、发电量使用情况：平均日发电量为6433kWh,**工业园每月平均用电量约40万度，白天（6:00-18:00）日均用电量约为6600度，基本满足自发自用。 三、发电设备容量： 合计2260 kWp。 四、设计依据和原则 1、相关国家法律、法规 《中华人民共和国可再生能源法》 国家发展改革委《可再生能源发电有关管理规定》 国家发展改革委《可再生能源发电价格和费用分摊管理试行办法》
财建[2012]21号《关于做好2012年金太阳示范工作的通知》 《国家电网公司光伏电站接入电网技术规定》（试行） 国务院《关于促进光伏产业健康发展的若干意见》 国家发改委《分布式发电管理暂行办法》 财政部《关于分布式光伏发电实行按照电量补贴政策等有关问题的通知》 国家能源局《关于开展分布式光伏发电应用示范区建设的通知》 国家发改委《关于发挥价格杠杆作用促进光伏产业健康发展的通知》 国家能源局《光伏电站项目管理暂行办法》 财政部《关于调整可再生能源电价附加征收标准的通知》 财政部《关于光伏发电增值税政策的通知》 国家能源局《分布式光伏发电项目暂行办法》 财政部《关于对分布式光伏发电自发自用电量免征政府性基金有关问题的通知》 国家能源局《光伏发电运营监管暂行办法》 2、最新政策解读： 国家能源局于2014年7月提出《关于进一步落实分布式光伏发电有关政策的通知》，并就这两份文件向各省市能源发改委相关部门以及部分企业征求意见。该文件针对分布式光伏电站提出了进一步完善意见，根据国内市场的特点扩大分布式光伏电站应用，在促进屋顶落实、项目融资、电网接入、备案管理和电力交易上提出进一步落实和保证性政策。 该文件的突出特点是分布式光伏电站的补贴可专为标高电价托底，同时提高补贴到位及时性，增加电站收益。第一，进而预留国家财政补贴的方式确保资金到位；
多元线性回归预测
多元线性回归预测 在预测中，当预测对象y 受到多个因素m x x x ,,,21 影响时，如果各个影响因素j x （m j ,,2,1 =）与y 的相关关系可以同时近似地线性表示，这时则可以建立多元线性回归模型来进行分析和预测。 假定因变量y 与自变量),,2,1(m j x j =之间的关系可表示为 i mi m i i i x b x b x b b y ε+++++= 22110 （2-22） n i ,,2,1 =（样本序号） 其中0b 、j b ),,2,1(m j =——模型回归系数；i ε为除自变量j x ),,2,1(m j =的影响之外对i y 产生影响的随机变量，即随机误差。该结论基于以下的假设： 随机误差i ε的期望值为零，),,2,1(0)(n i E i ==ε； 方差的期望值为一常数2σ，),,2,1()(22n i E i ==σε； 各随机误差项是互不相关的，即协方差的数学期望值为零，0),(=j i E εε ),,,2,1,(j i n j i ≠= 当以上假设得到满足时，式（2-22）便称为多元线性回归预测模型，这时可写成 ),,2,1(?22110n i x b x b x b b y mi m i i i =?++++= （2-23） 和一元线性回归预测模型一样，多元线性回归预测模型建立时也采用最小二 二乘法估计模型参数，但具体估计时有二种算法，分述如下。 一、多元线性回归预测模型的一般算法 1．建立模型 改写式（2-22） 得 ),,2,1(?n i y y i i i =-=ε 方差和Q 为
2 1 221102212 )()?(mi m n i i i i n i i i n i i x b x b x b b y y y Q -----=-==∑∑∑=== ε 根据最小二乘法原理，欲估计参数),,2,1(m i b i =，要满足条件： ?????? ?????=------=??=------=??=------=??0)(Σ20)(Σ20)(Σ2221102211011 221100mi m i i i mi m mi m i i i i mi m i i i x b x b x b b y x b Q x b x b x b b y x b Q x b x b x b b y b Q 整理上式可得到： ?? ???? ?=++++=++++=++++i mi mi m i mi i mi mi i i mi i m i i t i i mi m i i y x x b x x b x x b x b y x x x b x x b x b x b y x b x b x b nb ΣΣΣΣΣΣΣΣΣΣΣΣΣΣ222110112122 111022,110 而对于各变量的样本平均值，其误差平方和为： ??? ? ? ? ??? -=--==--==∑∑∑===n i i yy n i i j ji yj jy n i k ki j ji kj jk y y s y y x x s s x x x x s s 12 11 ) ())(() )(( （2-25） ),,2,1,(k k j = 式中 ∑==n i ji j x n x 1 1 ∑==n i i y n y 1 1 利用（2-24）式，将方程组（2-25）可改写为
光伏发电并网系统Simulink仿真实验
光伏发电并网系统Simulink仿真实验 报告电气工程学院 王安20 一．光伏发电系统基本原理与框架图 基本原理为：光伏阵列接受太阳能产生直流电流电压，同时电流电压受光照和温度的影响，而后经DC\DC（BOOST升压电路）转化将电压升高，再经DC\AC逆变产生交流电压供给负载使用。在这中间需要用MPPT使光伏电池始终工作在最大功率点处。 二．光伏电池的工作原理 光伏发电的能量转换器件是太阳能电池，又叫光伏电池。光伏电池发电的原理是光生伏打效应。光伏电池应用P-N结的光伏效应（Photovoltaic Effect）将来自太阳的光能转变为电能。当太阳光照射到太阳能电池上时，电池吸收光能，产生光电子－空穴对。在电池内电场的作用下，光生电子和空穴被分离，电池两端出现异号电荷的积累，即产生“光生电压”，这就是“光生伏打效应”。若在内建电场的两侧引出电极并接上负载，则负载就有“光生电流”流过，从而获得功率输出。这样，太阳的光能就变成了可以使用的电能。 三．光伏发电系统并网Simulink仿真 利用MTALAB中的simulink软件包，可以对10KW,380V光伏发电系统进行仿真，建立仿真模型如下： 输入参数如下： Simulink提供的子系统封装功能可以大大增强simulink系统模型框图的可读性封装子模块如下： 光伏电池封装模块： 最大功率点跟踪模块：
PWM模块如下： 并网端PWM内部PI模块： 运行结果如下图所示： 光伏电池输出电压如下： 光伏电池输出电流如下： 光伏电池输出功率波形如下： 并网(220V)成功后输出电流波形： 结果分析:通过对光伏发电的matlab-simulink仿真，得到了与理论曲线基本相同的电压、电流、功率曲线，但仍有不足之处，比如产生了许多谐波。通过这次的仿真实验，让我更加深刻认识了光伏发电的工作原理和过程，对光伏发电过程中可能出现的问题也有了一定的了解。虽然自己现在没办法解决，但随着自己学习的深入，以后会有办法解决的。另外，此次试验是和几个同学一起完成过程中也遇到了很多问题，最后集思广益解决了很多的问题，这让我也明白了合作的重要性。
11.并网光伏发电微网系统-刘士荣
Grid-Connection Photovoltaic Micro-Grid System
并网光伏发电微网系统
刘士荣 教授
liushirong@https://www.wendangku.net/doc/8915352775.html,
杭州电子科技大学 光伏发电微网系统技术中心
2010年8月28日 2010年 28日
1
提纲 一、分布式发电（DG）、微型电网与智能电网 分布式发电（DG）、微型电网与智能电网 ）、 二、国外微电网发展现状 国外微电 三、杭州电子科技大学PV微电网项目介绍 杭州电子科技大学PV微 PV 四、主要研究工作
2
一、分布式发电、微型电网与智能电网 分布式发电、 1、分布式发电（Distributed Generation, DG) 分布式发电（
以清洁能源为主的分布式电源（ 以清洁能源为主的分布式电源（ Distributed Energy Resources, DERs） DERs）
微型燃气轮机发电：以天然气、甲烷、汽油（柴油） 微型燃气轮机发电：以天然气、甲烷、汽油（柴油）为燃料
的超小型燃气轮机，发电效率可达30%以上 实行热电联产， 以上， 的超小型燃气轮机，发电效率可达30%以上，实行热电联产，效 率可进一步提高。特点：体积小、发电效率高、排污少、 率可进一步提高。特点：体积小、发电效率高、排污少、运行维 护简单。 护简单。
燃料电池发电：熔融碳酸盐型MCFC、磷酸盐型PAFC、 燃料电池发电：熔融碳酸盐型MCFC、磷酸盐型PAFC、固体
氧化物型SOFC、质子交换膜PEMFC。将燃料（天然气、 氧化物型SOFC、质子交换膜PEMFC。将燃料（天然气、煤制 石油）中的氢气借助电解质与空气中的氧气发生化学反应， 气、石油）中的氢气借助电解质与空气中的氧气发生化学反应， 在生成水的同时进行发电。 在生成水的同时进行发电。 除电能之外，副产品： 除电能之外，副产品：热、水、少量CO2 少量CO2
分布式电源（ Distributed Energy Resources, DERs） 分布式电源（ DERs） 太阳能发电技术（光伏、光热） 太阳能发电技术（光伏、光热） 风力发电技术 生物质能发电技术 海洋能发电技术 地热能发电技术 储能装置： 储能装置：
蓄电池储能、超导储能、 蓄电池储能、超导储能、飞轮储能
第三章 多元线性回归分析1
第三章 多元线性回归分析 主要内容： ? 多元线性回归模型 ? 多元线性回归模型的参数估计 ? 多元线性回归模型的统计检验 ? 多元线性回归模型的预测 ? 案例 3.1 多元线性回归模型 一、多元线性回归模型 多元线性回归模型:表现在线性回归模型中的解释变量有多个。 一般表现形式： i ki k i i i u X X X Y +++++=ββββ 22110 i=1，2，…，n 其中:k 为解释变量的数目，j β称为回归参数（regression coefficient ）。 ki k i i ki i i i X X X X X X Y E ββββ+???+++=2211021),,|( 经济解释：j β也被称为偏回归系数，表示在其他解释变量保持不变的情况下，j X 每变化1个单位时， Y 的均值E(Y)的变化; 或者说j β给出了j X 的单位变化对Y 均值的“直接”或“净”（不含其他变量）影响。 样本回归函数：用来估计总体回归函数 i =1,2…,n 其随机表示式: i e 称为残差或剩余项(residuals)，可看成是总体回归函数中随机扰动项i u 的近似替代。 i ki ki i i i e X X X Y +++++=ββββ????22110 ki ki i i i X X X Y ββββ?????22110++++=
§3.2 多元线性回归模型的估计 一、普通最小二乘估计 对于随机抽取的n 组观测值 对样本回归函数： i=1,2…n 根据最小二乘原理，参数估计值应该是下列方程组的解 ∑∑∑===+???+++-=-==???????? ?????????=?? =?? =?? =?? n i ki k i i i n i n i i i i k X X X Y Y Y e Q Q Q Q Q 1 2 2211011 22 210))????(()?(0?0?0?0?ββββββββ其中 即 Y X X X '='β?)( 由于X X '满秩，故有 Y X X X ''=-1)(?β 随机误差项μ的方差σ的无偏估计 可以证明，随机误差项u 的方差的无偏估计量为 二、参数估计量的性质 在满足基本假设的情况下，其结构参数β的普通最小二乘估计、最大或然估计及矩估计仍具有：线性性、无偏性、有效性。 1、 线性 CY Y X X X =''=-1)(?β 其中,C =X X X ''-1 )( 为一仅与固定的X 有关的行向量 2、无偏性 3、有效性（最小方差性） 参数估计量β ?的方差-协方差矩阵 β μX X X βμX βX X X Y X X X β 11=''+=+''=''=---)()())()(())(()?(1E E E E 11 ?2 2 --'= --=∑k n k n e i e e σ Ki ki i i i X X X Y ββββ?????22110++++= k j n i X Y ji i ,2,1,0,,,2,1),,(==
太阳能光伏并网发电系统
太阳能光伏并网发电系统 摘要：随着经济的发展、社会的进步，电能的消耗越来越大，传统的火电需要燃烧煤、石油等化石燃料，一方面化石燃料蕴藏量有限、越烧越少，正面临着枯竭的危险。另一方面燃烧燃料将排出二氧化碳和硫的氧化物，因此会导致温室效应和酸雨，恶化地球环境。针对上述问题人们对能源提出越来越高的要求，寻找新能源成为当前人类面临的迫切课题。太阳能是一种干净的可再生的新能源，越来越受到人们的亲睐，在人们生活、工作中有广泛的作用，其中之一就是将太阳能转换为电能。本文将对太阳能光伏并网发电系统这个新产品进行体系的构建和市场分析，运用产品开发与管理的知识对新产品进行可行性分析，材料分析以及工艺性分析。 关键词：太阳能发电系统产品体系构建市场分析可行性分析 一、产品体系的构建产品体系由战略层面的文化以及策略层面的价格、包装等一系列要素构成，是企业从操作性角度对产品的审视[1]。 1、产品与文化文化是产品的一个重要组成部分，属于产品附加利益这一层次。产 品文化，是以企业生产的产品为载体，反应物质及精神追求的各种文化要素的总和，是产品价值和文化价值的统一。随着知识经济时代的到来，企业生产的产品决不仅仅是为了满足人们的某种物质生活需要，而是越来越多地考虑人们的精神生活需要，越来越重视产品文化附加值的开发，努力为顾客提供实用的、情感的、心理 的等多方面的享受，努力把使用价值和审美价值融为一体，突出产品中的人性化因素 [1] 。 结合自身的产品，不仅要发掘尽可能多的使用价值，更多的是体现太阳能光伏并网发电系统的文化价值。本产品推崇的太阳不仅仅给世界带来了温暖和光照，即太阳能光伏并网系统结合自身的特点所体现出的文化价值。在当前能源短缺的大环境下，太阳能蕴藏丰富不会枯竭，是理想的清洁能源。由于其安全、干净，不会威胁人类和破坏环境，比传统的煤燃料更环保，所以太阳能更值得推广。 对于顾客的情感方面，近阶段，国家电网的供电大多是采用火力发电，势必造成 能源的短缺和环境的破坏，顾客使用本产品能有效节约能源，保护坏境，充分体 现了顾客对环境保护的高度责任感，也能把这份责任感传递给更多。 2、产品与定位 产品的定位是体系构建中重要的一个环节，产品定位指企业针对同种产品市场进入者的情况，根据消费者对该产品的某一属性或特征的重视程度，为该产品设计