風電功率組合預測模型的研究.pdf

1、隨著風力發(fā)電技術的不斷發(fā)展，風電在電網(wǎng)中所占比例越來越大。風電場穿透功率的不斷加大，威脅著電力系統(tǒng)安全、穩(wěn)定、經(jīng)濟、可靠運行。對風電功率進行準確預測可以減少電力系統(tǒng)運行成本和旋轉備用，提高風電穿透功率極限，有利于調(diào)度部門及時調(diào)整計劃，從而減輕風電對電網(wǎng)的影響。論文進行了兩種不同形式組合模型的研究，即橫向組合模型和縱向組合模型，其中橫向組合模型包括基于不同優(yōu)化準則的模型和基于誘導有序加權調(diào)和平均算子的模型。
　　論文建立了基于不同優(yōu)

2、化準則的橫向組合模型：通過計算單項預測方法的貼近度對單項預測模型進行擇優(yōu)，有效解決了單項預測模型的選擇問題；將建立的3種不同優(yōu)化準則的組合模型進行組合，得到兼顧不同優(yōu)化準則的優(yōu)化模型，有效地克服了根據(jù)某一優(yōu)化準則建立的組合模型不能改進其它評價指標的問題。經(jīng)實際算例檢驗，結果表明優(yōu)化模型的各項預測評價指標都較好，能有效提高風電功率預測精度。
　　將最大—最小貼近度和誘導有序加權調(diào)和平均算子（IOWHA）相結合，建立了另一橫向組合模型

3、，即IOWHA組合模型，它能根據(jù)各單項預測方法在每時刻的預測精度高低順序賦值，克服了傳統(tǒng)組合模型的缺陷；采用單項預測模型建立的多個組合模型中預測精度較高者作為標準，計算各單項模型的誘導值（預測精度），可以解決預測期實際值未知，誘導值排序無法提前預知的問題。仿真結果表明，IOWHA組合模型能很好的反映風電功率時間序列的變化趨勢，具有較高的預測精度。
　　研究了風電功率多步預測方法?；趯M向組合模型思路的改進，建立了基于小波分解和相

4、空間重構的風電功率縱向組合模型：根據(jù)小波分解的各分量的變化特征，將它們分為低頻分量和高頻分量；依據(jù)各頻帶分量的特性選擇了恰當?shù)念A測方法，低頻分量采用相空間重構的RBF神經(jīng)網(wǎng)絡法，高頻分量采用滾動時間序列法；疊加各子序列的預測結果得到最終的風電功率預測值。該縱向組合模型結合了RBF神經(jīng)網(wǎng)絡強大的泛化能力和全局逼近能力以及滾動時間序列法能根據(jù)數(shù)據(jù)的變化實時更新模型的優(yōu)點。經(jīng)算例分析表明，該方法具有較好的多步預測能力，能實現(xiàn)較高精度的多步預測