基于人工智能的短期風電功率組合預測研究.pdf

1、隨著社會和經(jīng)濟的快速發(fā)展，傳統(tǒng)的化石燃料已不能滿足人們對能源的需求，可再生能源的發(fā)展已經(jīng)成為各國關注的焦點，其中，風力發(fā)電的關注程度最高。近幾年，我國風力發(fā)電發(fā)展速度驚人，據(jù)能源局統(tǒng)計，2015年的風力發(fā)電量占總發(fā)電量的比例是3.3％。隨著風力發(fā)電所占比重的持續(xù)增加，風電并網(wǎng)給電網(wǎng)的安全穩(wěn)定運行及電力調度帶來了嚴重影響，準確地短期風電功率預測能夠有效地解決這些問題。因此，研究風電功率短期預測具有重要的意義。
　　(1)從短期風電功

2、率預測的基本方法、誤差分析和機制流程三方面對短期風電功率預測的基本理論進行了介紹。然后，分別采用基于相似日法和最小二乘支持向量機(LS-SVM)法的短期風電功率預測方法進行了實例分析，結果表明運用LS-SVM法得到的預測結果的誤差要小于運用相似日法得到的預測值的誤差。
　　(2)為克服傳統(tǒng)聚類算法局部尋優(yōu)的缺陷，基于改進的模糊C-均值聚類算法，提出了一種綜合聚類算法，并將其運用到RBF神經(jīng)網(wǎng)絡中心的確定上，進而給出了一種基于RBF

3、神經(jīng)網(wǎng)絡的短期風電功率預測方法。最后，采用該RBF神經(jīng)網(wǎng)絡法進行了短期風電功率預測的實例分析，預測結果表明，本文給出的基于RBF神經(jīng)網(wǎng)絡的風電功率預測方法能夠有效提高預測精度。
　　(3)針對單項預測方法的局限性，介紹了兩種基本組合預測方法，并基于灰色關聯(lián)度的IOWGA算子組合預測方法，給出了一種短期風電功率最優(yōu)組合預測方法。最后，將上文給出的RBF神經(jīng)網(wǎng)絡法、相似日法和LS-SVM法作為單項預測方法，運用所提出的最優(yōu)組合預測方法