基于神經網絡和小生境遺傳算法的風電場短期功率預測研究.pdf

1、風力發(fā)電一直是比較熱門的發(fā)電技術,當前中國風電已經進入大規(guī)模發(fā)展階段。由于風電的間隙性,隨機性和難預測性,特別是大規(guī)模風電并網的時候,會對整個電網的穩(wěn)定性和安全性產生很大的影響,這是目前制約風電發(fā)展的瓶頸。為了解決風電的上述問題,有必要對風電進行功率預測研究。
　　本文針對風電場風力發(fā)電機組功率出力特點總結并進行相關的預測研究,主要工作如下:
　　分析國內外研究背景和現(xiàn)狀,掌握風速和風電機組模型?；诜答伾窠浘W絡(Back-

2、Propagation Neural Network,BPNN)和徑向基函數(Radial-Basis Function,RBF)方法,進行短時風速預測。通過預測出的風速,進行功率的間接預測。同時采用了根據風速和功率數據進行功率的直接預測。功率BPNN訓練的均方誤差MSE=0.3375,功率預測的均方誤差MSE=0.4239;風速BPNN訓練的均方誤差MSE=0.0969,風速預測的均方誤差MSE=0.0169;功率經過RBF預測的均方

3、誤差MSE=0.0595。
　　基于小生境遺傳算法對風電預測進行分析。風電二維函數和小生境遺傳算法(Niched Genetic Algorithms,NGA),得出小生境算法、罰函數算法和預選擇算法相結合的算法可以得到較好結果,得出最終適應度值。在選取的規(guī)律性最強的部分為風速段4-16(m/s)的部分,誤差帶呈現(xiàn)帶狀分布,誤差分布在-30％至30%段最為集中。其中也有一大部分數據誤差異常,表明風電預測呈現(xiàn)的間歇性,隨機性以及不穩(wěn)