風(fēng)速與風(fēng)電功率預(yù)測相關(guān)問題研究.pdf

1、隨著我國倡導(dǎo)節(jié)能減排力度的加大,清潔型能源的使用和研究日益增加,風(fēng)電并網(wǎng)在電力系統(tǒng)研究與應(yīng)用也面臨了更大的挑戰(zhàn)。風(fēng)電時(shí)序模型的建立和風(fēng)速及風(fēng)電功率預(yù)測是參與調(diào)度和發(fā)電計(jì)劃安排的基礎(chǔ)。由于風(fēng)能的間歇性使得風(fēng)速和風(fēng)電功率預(yù)測具有很大難度,因此對(duì)預(yù)測工作展開研究具有十分重要的意義。本文針對(duì)風(fēng)速與風(fēng)電功率預(yù)測相關(guān)的模型進(jìn)行了一系列研究,以“點(diǎn)預(yù)測”延伸到“概率預(yù)測”為思路,對(duì)“點(diǎn)預(yù)測”的相關(guān)算法進(jìn)行了研究及改進(jìn),最后通過“概率預(yù)測”實(shí)現(xiàn)風(fēng)速及風(fēng)

2、電功率具有時(shí)序性的概率預(yù)測。
　　運(yùn)用九宮山十六個(gè)風(fēng)機(jī)組每十分鐘一個(gè)采樣點(diǎn)的風(fēng)速及風(fēng)電功率數(shù)據(jù),采用時(shí)間序列法ARIMA模型和具有記憶特征的Elman神經(jīng)網(wǎng)絡(luò)法進(jìn)行滾動(dòng)預(yù)測。風(fēng)電功率則采用直接法和間接法兩種方式得到預(yù)測結(jié)果,并類比日負(fù)荷精度指標(biāo)建立日風(fēng)速預(yù)測精度指標(biāo)進(jìn)行算法評(píng)價(jià)。
　　通過對(duì)歷史數(shù)據(jù)方面的研究,發(fā)現(xiàn)僅僅在算法上面建模是不夠的,風(fēng)速和風(fēng)電功率數(shù)據(jù)是具有非常多影響因子的非平穩(wěn)性序列,由不同頻率的趨勢(shì)項(xiàng)、周期項(xiàng)、隨

3、機(jī)項(xiàng)組成。因此采用小波分析法將原始數(shù)據(jù)進(jìn)行多尺度分解成低頻趨勢(shì)項(xiàng)和高頻隨機(jī)項(xiàng),再根據(jù)各分解序列的不同特性采用不同的預(yù)測方法進(jìn)行預(yù)測。類比信噪比公式提出了可用于求解最優(yōu)小波分解尺度的目標(biāo)函數(shù)和約束條件,使其數(shù)值的確定具有一定依據(jù)性,并通過編程實(shí)現(xiàn)小波參數(shù)的滾動(dòng)計(jì)算和綜合算法的預(yù)測工作。
　　為了滿足電力市場中不確定性風(fēng)險(xiǎn)分析和決策的需要,本文深入研究了不確定性預(yù)測建模方法。概率預(yù)測是區(qū)間預(yù)測基礎(chǔ)上的具有時(shí)序特性的預(yù)測手段,本文所研究

4、的風(fēng)速的“概率預(yù)測”是為了在點(diǎn)預(yù)測和區(qū)間預(yù)測的基礎(chǔ)上得到下一時(shí)刻的風(fēng)速概率分布。通過對(duì)風(fēng)速預(yù)測的誤差進(jìn)行分析,我們可以發(fā)現(xiàn)在風(fēng)速波動(dòng)量特別大的時(shí)候,預(yù)測誤差會(huì)增加,因此可以認(rèn)為風(fēng)速的波動(dòng)量和風(fēng)速預(yù)測誤差量是有一定相關(guān)性的。本文根據(jù)九宮山十六個(gè)風(fēng)機(jī)組2009年3月17日至2009年4月19日的數(shù)據(jù),建立了不同單條件的概率分布模型,研究綜合條件下的風(fēng)速概率分布。最后通過未來某一時(shí)段的風(fēng)速數(shù)據(jù)計(jì)算綜合概率預(yù)測結(jié)果與誤差分布概率結(jié)果的準(zhǔn)確率,來