基于混沌時間序列的短期風電功率組合預測方法研究.pdf

1、風電功率具有波動性、間歇性和隨機性等特點，大規(guī)模風電的接入嚴重影響電網(wǎng)運行的安全性、穩(wěn)定性和經(jīng)濟性。實踐證明，高精度的風電功率預測能夠有力緩解大規(guī)模風電并網(wǎng)產(chǎn)生的不利影響，尤其是短期風電功率的精確預測，對于電力調(diào)度部門安排調(diào)度計劃，保證電能質(zhì)量和電力系統(tǒng)安全經(jīng)濟運行有重要作用。
　　首先，選擇混沌理論來挖掘風電功率時間序列的特性，并利用相空間重構理論對其進行分析。將重構相空間相量作為風電功率時間序列預測模型的訓練樣本，為后面建立預

2、測模型以實現(xiàn)對風電功率混沌系統(tǒng)相空間運動軌跡預測提供支持。
　　然后，提出了一種基于混沌時間序列的改進型BP神經(jīng)網(wǎng)絡。該模型利用綜合法對基本BP神經(jīng)網(wǎng)絡的不足進行改進:在最速下降法中同時引入自適應學習速率和動量項對其本身進行改進;利用遺傳算法從全局開始搜索，找到權值系數(shù)最優(yōu)解所在區(qū)域的某一解;再利用改進的最速下降法去調(diào)整權值系數(shù)，經(jīng)過少量樣本訓練的訓練，就能夠得到權值系數(shù)的最優(yōu)解。此外，將模型的輸入維數(shù)取為相空間最小嵌入維數(shù)，從而

3、減少了建模的盲目性。實例仿真表明，本文提出的改進型BP神經(jīng)網(wǎng)絡收斂速度快，預測精度高，不易陷入局部極小值點。
　　其次，提出了一種基于混沌時間序列的自適應遺傳算法-Volterra神經(jīng)網(wǎng)絡模型。該預測模型是基于自適應Vo lterra級數(shù)和三層BP神經(jīng)網(wǎng)絡的等價性建立的，其截斷項數(shù)取為重構相空間的最小嵌入維數(shù)，大大提高了預測模型的自適應性。自適應遺傳算法-Volterra神經(jīng)網(wǎng)絡模型將自適應Vo lte rra級數(shù)精準建模能力、改

4、進的BP算法訓練學習能力、遺傳算法全局搜索能力結合起來，實現(xiàn)了對風電功率混沌系統(tǒng)相空間運動軌跡的精確預測，應用于實際短期風電功率預測中，預測精度顯著提高。
　　最后，采用經(jīng)驗模態(tài)分解降低風電功率數(shù)據(jù)的非平穩(wěn)性，分別建立了經(jīng)驗模態(tài)分解-遺傳算法-Volterra神經(jīng)網(wǎng)絡和經(jīng)驗模態(tài)分解-改進型BP神經(jīng)網(wǎng)絡模型兩種組合預測模型。將兩種組合預測模型應用于實際短期風電功率預測的仿真實驗中，結果表明，利用經(jīng)驗模態(tài)分解可以有效降低風電功率數(shù)據(jù)的