基于NWP和支持向量機的風電功率預測研究.pdf

1、隨著常規(guī)能源消耗加速與環(huán)境惡化加劇，全球范圍內的能源問題凸顯。風能作為安全性與可行性俱佳的綠色能源，其大規(guī)模應用對緩解能源和環(huán)境問題具有重大意義。我國的風電裝機容量在近幾年來呈現高速增長的態(tài)勢。由于風能資源的間歇性和隨機性，風電場大規(guī)模接入電網會對電網帶來較大的沖擊，影響電網運行的可靠性、穩(wěn)定性和電能質量。因此，在電網薄弱或遠離負荷中心的地區(qū)，風電場出現限電或者停發(fā)的情況。為實現風電場的實時在線調度，以便電網可以安全接入更多的風電場，國

2、家能源局強制性要求所有風電場安裝風電功率預測系統(tǒng)，為電力系統(tǒng)調度部門安排發(fā)電計劃提供依據。在此背景下，本文選擇風電功率預測技術作為主攻方向。
　　早在上世紀七十年代，國外就開展了風電功率預測技術的研究工作，已有多個成熟的系統(tǒng)投入實際運行并發(fā)揮作用。我國起步較晚，在預測核心算法及對預測結果影響重大的NWP數值天氣預報領域的成果與國外先進水平存在相當差距。為提高風電功率預測精度，本文對比了各種常見風電功率預測模型，對基于風電場實測數據

3、的支持向量機風電功率預測模型做出改進。本文的主要研究內容如下:
　　(1)介紹了風的成因及其特性，對預測結果產生較大影響的風速與風向的變化特性重點進行分析。對比了國內可獲得的幾種NWP的特點與技術參數，為風電功率預測模型的建模提供數據選擇的參考方案。最終選定了某種精度較高的NWP數據作為建模的數據，并對數據進行前期的分析處理。
　　(2)對各種風電功率預測模型進行深入的探討，對常見的若干種建模方法進行比較。針對實際情況選用在

4、小樣本集及存在一定矛盾樣本條件下表現最佳的SVM支持向量機作為預測建模算法。
　　(3)詳細分析了統(tǒng)計學習理論的核心問題，描述了SVM的工作原理及其在有限樣本訓練學習中的優(yōu)勢，選定了一種支持向量機結構，利用某風電場的實測數據，結合上一章的NWP數據，建立了一個基準預測模型。并提出了預測模型的評價標準。
　　(4)根據風電場的實測功率數據及提取的NWP數據，基于風速和風向區(qū)間進行優(yōu)化，并對預測模型進行驗證。實驗證明經過對數據的