基于時(shí)空相關(guān)性的區(qū)域風(fēng)電場(chǎng)群風(fēng)速預(yù)測(cè)研究.pdf

1、我國(guó)風(fēng)能開(kāi)發(fā)呈現(xiàn)大規(guī)模集中開(kāi)發(fā)的特點(diǎn),其波動(dòng)性與間歇性給接入電網(wǎng)的安全穩(wěn)定運(yùn)行造成了巨大的挑戰(zhàn)。由于風(fēng)電功率與風(fēng)速緊密相關(guān),因此準(zhǔn)確的風(fēng)速實(shí)時(shí)預(yù)測(cè)變得至關(guān)重要,將有利于電網(wǎng)調(diào)度及時(shí)調(diào)整計(jì)劃,減輕風(fēng)電的間歇性對(duì)電網(wǎng)的影響。
　　為提高風(fēng)速的實(shí)時(shí)預(yù)測(cè)精度,本文提出基于時(shí)空相關(guān)性(STCP)和人工神經(jīng)網(wǎng)絡(luò)(ANN)的STCP-ANN組合實(shí)時(shí)預(yù)測(cè)方法。該方法首先基于風(fēng)速演變的物理特性,依據(jù)目標(biāo)預(yù)測(cè)點(diǎn)的若干個(gè)鄰域點(diǎn)的風(fēng)速及風(fēng)向信息,建立ST

2、CP模型并得到不等時(shí)間間隔的預(yù)測(cè)風(fēng)速;然后依據(jù)目標(biāo)預(yù)測(cè)點(diǎn)的風(fēng)速序列建立人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行風(fēng)速的實(shí)時(shí)預(yù)測(cè);最后將STCP結(jié)果以一定的滑動(dòng)時(shí)間窗與人工神經(jīng)預(yù)測(cè)模型得到的實(shí)時(shí)預(yù)測(cè)風(fēng)速進(jìn)行非最優(yōu)正權(quán)組合得到最終的預(yù)測(cè)風(fēng)速。其中,人工神經(jīng)網(wǎng)絡(luò)采用BP及Elman兩種典型的神經(jīng)網(wǎng)絡(luò),分別形成STCP-BP及STCP-Elman組合預(yù)測(cè)方法。
　　以冀北某區(qū)域風(fēng)電場(chǎng)群多個(gè)風(fēng)電場(chǎng)實(shí)測(cè)數(shù)據(jù)為例,對(duì)上述兩種組合預(yù)測(cè)模型在Matlab環(huán)境下進(jìn)行了

3、仿真實(shí)驗(yàn),并將本文所提風(fēng)速預(yù)測(cè)方法與BP網(wǎng)絡(luò)、Elman網(wǎng)絡(luò)方法進(jìn)行了對(duì)比分析,發(fā)現(xiàn)STCP-BP組合預(yù)測(cè)方法較于BP方法在提前24步預(yù)測(cè)時(shí)預(yù)測(cè)精度提高22.74％,同種情況下,STCP-Elman組合預(yù)測(cè)較于 Elman提高19.22%。提前6步,12步,18步,24步預(yù)測(cè)時(shí),STCP-Elman較STCP-BP的預(yù)測(cè)精度分別提高6.91%,11.76%,7.85%,8.88%,表明本文提出的STCP-ANN組合預(yù)測(cè)方法有效地提高了風(fēng)