風電場短期功率組合預測方法和評價研究.pdf

1、風能即是清潔能源又是可再生能源，且取之不盡用之不竭，大力開發(fā)風力發(fā)電產業(yè)，將成為未來電力戰(zhàn)略部署工作的重點。在實際應用中，由于風的不確定性、隨機性、間歇性等特點，給風電競價上網和運行調度帶來了不便。功率預測技術的出現，使這一問題得以解決。
　　國內外關于風電功率預測方面的研究成果較多，均表明，不同的預測方法可對原始數據特征有著不同的體現，組合在一起才能夠全面、合理的利用信息來建立具有較高預測質量的模型。本文將基于內蒙古赤峰地區(qū)賽罕

2、壩風電場的實測數據來建立短期功率組合預測模型，實現未來一天的風功率預測，具體如下：
　?。?）由于歷史數據中包含大量的統(tǒng)計特征。因此本文對歷史風速、功率數據進行具體分析，得到風速序列的統(tǒng)計特性、功率與風速的關系以及影響風功率大小的其他因素，為后續(xù)建模時特征向量的選取奠定基礎。
　?。?）支持向量機作為化繁為簡的小樣本學習方法，在面臨復雜的樣本空間時具有一定優(yōu)勢。本文運用最小二乘支持向量機方法來進行風速預測，在參數確定方面，采

3、用粒子群優(yōu)化算法尋優(yōu)，使得傳統(tǒng)的依據經驗來確定模型參數的方法得以改善，并對標準粒子群算法加以改進，以避免粒子因早熟收斂而陷入局部最優(yōu)。通過對所建模型的誤差評價值指標進行統(tǒng)計分析，評價該模型的好壞。
　?。?）預測方法各有所長，因此本文運用不同的功率預測方法，結合風速預測的輸出，對未來一天的功率進行預測。通過對模型誤差評價指標的分析，選取較為互補的兩種方法作為功率組合預測模型的元素，即基于同一組數據的預測誤差曲線走勢相反。
　

4、　（4）將兩種單項預測方法進行組合，采用熵權法確定組合模型權值，將同樣的輸入數據送入組合模型進行功率預測，對運行結果進行對比分析。誤差評價指標除了平均絕對誤差和平均絕對百分比誤差以外，又加入絕對誤差指標來進一步約束。結果表明組合模型比任一單項預測模型的效果都要好；再進一步縮短數據采樣時間間隔，運用組合模型重新預測，由于數據特征更加充實，模型的預測精度又得以提升。
　　為證明模型的泛化特性，本文對多組數據進行測試、檢驗，均得出較好效