監(jiān)督學(xué)習(xí)方法在短期風(fēng)電功率預(yù)測中的應(yīng)用研究.pdf

1、風(fēng)的隨機(jī)性、間歇性和波動性決定了風(fēng)力發(fā)電的隨機(jī)性和波動性。大容量的風(fēng)力發(fā)電接入電網(wǎng)，若調(diào)度不當(dāng)，對電力系統(tǒng)的安全、穩(wěn)定性有很大影響。準(zhǔn)確的風(fēng)電功率預(yù)測，是保證電網(wǎng)穩(wěn)定運(yùn)行的關(guān)鍵因素之一。短期風(fēng)電功率預(yù)測是指對未來0～72 h風(fēng)力發(fā)電量的預(yù)測，對電力系統(tǒng)的調(diào)度、生產(chǎn)和維護(hù)有十分重要的意義。基于此，本文主要從風(fēng)速等氣象數(shù)據(jù)的預(yù)處理、單一方法的功率預(yù)測、組合方法的功率預(yù)測以及對功率預(yù)測的不確定性的量化等方面，對短期風(fēng)電功率預(yù)測方法進(jìn)行了深入的

2、研究。
　　首先，用高斯擬合、傅里葉擬合以及最小二乘支持向量機(jī)(LSSVM)，建立風(fēng)速和功率的之間的轉(zhuǎn)換關(guān)系。針對過擬合問題，通過增加訓(xùn)練數(shù)據(jù)的數(shù)量、去噪聲以及正規(guī)化處理等手段，有效地規(guī)避了過擬合現(xiàn)象的發(fā)生;針對基函數(shù)的選擇問題，引入了核函數(shù)，解決了較難或無法選擇基函數(shù)的問題。
　　其次，由于基于核函數(shù)的嶺回歸不具有稀疏性，引入了具有稀疏性質(zhì)的支持向量機(jī)回歸。同時，為了更準(zhǔn)確的描述風(fēng)速和功率之間的對應(yīng)關(guān)系，根據(jù)風(fēng)速的Weib

3、ull分布特征和風(fēng)速功率曲線，按照風(fēng)速的大小，將風(fēng)速劃分成了高、中、低三個風(fēng)速段并結(jié)合各個風(fēng)速段的特征，提出了基于高斯模型和LSSVM的短期風(fēng)電功率組合預(yù)測方法。
　　根據(jù)風(fēng)速功率散點(diǎn)圖的特征可知，同一風(fēng)速在不同時刻對應(yīng)的功率分布在一個區(qū)間內(nèi)，而非一個固定的值，于是引入高斯過程回歸(GPR)對風(fēng)電功率的分布進(jìn)行預(yù)測。針對GPR的不穩(wěn)定性和計算量大的特點(diǎn)，引入了Bagging和訓(xùn)練數(shù)據(jù)完全條件獨(dú)立下的近似方法(FITC)，提高了模型

4、的穩(wěn)定性并減小了計算量。在貝葉斯決策(BCM)的基礎(chǔ)上，提出了一種新的權(quán)重組合策略，對Bagging聚合出的多個模型進(jìn)行組合，有效地提高了算法的精度。
　　以上運(yùn)用監(jiān)督學(xué)習(xí)方法和統(tǒng)計方法對風(fēng)速和功率之間的關(guān)系進(jìn)行了較深入的探討，結(jié)合實(shí)驗(yàn)可得出以下結(jié)論，組合預(yù)測方法可以消除單一方法的一些不足，有效地提高功率預(yù)測的精度;GPR方法可以輸出功率蕷測值的分布，它既可以給出較精確的預(yù)測值，又可以對預(yù)測值的不確定性進(jìn)行準(zhǔn)確的量化。