基于多屬性決策和相似日理論的風電功率多尺度預測模型研究.pdf

1、隨著風能在世界能源格局中的比重不斷增加，風電技術和市場快速發(fā)展，風能對電力系統(tǒng)的影響越來越大。然而風力發(fā)電具有很強的隨機性、波動性和不可控性，大規(guī)模風電并網(wǎng)將給電力系統(tǒng)的安全運行及電能質(zhì)量帶來嚴峻的挑戰(zhàn)。風電功率預測被普遍認為是應對風電接入的關鍵技術之一，精確的預測結果能夠指導電力調(diào)度部門及時調(diào)整調(diào)度計劃、減少備用容量、降低運行成本，促進風電技術的發(fā)展，但風電預測不同于其他發(fā)電方式和負荷的預測，常規(guī)發(fā)電廠主要受物理故障的影響，而風作為一

2、種自然現(xiàn)象，與常規(guī)電廠比較更服從于可靠的統(tǒng)計處理和物理預測。因此準確的風電功率預測依然是風力發(fā)電技術領域的主要研究課題。
　　本文在大量實測數(shù)據(jù)基礎上統(tǒng)計了風速及風電功率的概率分布情況，采取定量分析的方法計算了不同時間尺度下風速及風電功率的波動概率，并分析了風速變化帶給輸出功率的影響。對不同采樣間隔的風電功率數(shù)據(jù)進行了單步和多步預測，結果表明樣本的采樣間隔影響著預測精度，應根據(jù)預測時長合理確定數(shù)據(jù)的采樣間隔。
　　建立了基于

3、多屬性決策和支持向量機的風電功率非線性組合預測模型：基于多屬性決策選擇單項預測模型，有效地解決了預測模型的復雜程度、資料收集難易程度與其預測精度的提高程度用何種比例標準來進行取舍的問題；以支持向量機作為擬合工具，有效地克服了神經(jīng)網(wǎng)絡的過學習、局部極小值和泛化能力差的問題。應用該模型對實際風電場功率數(shù)據(jù)進行預測，結果表明該模型能有效提高預測精度。
　　研究了風電功率多步預測方法：基于傳統(tǒng)相似日理論的思想，提出了改進相似日搜索的方法，