基于小波變換和相關(guān)向量機的短期風(fēng)功率預(yù)測.pdf

1、近年來，隨著我國風(fēng)電產(chǎn)業(yè)發(fā)展迅速，風(fēng)資源的隨機性及電力系統(tǒng)自身的特性決定了風(fēng)電場的功率預(yù)測，對于提高電能質(zhì)量以及解決風(fēng)電并網(wǎng)等電力系統(tǒng)安全穩(wěn)定運行問題等具有重要的意義，是當(dāng)前風(fēng)電并網(wǎng)、電力系統(tǒng)經(jīng)濟調(diào)度研究的首要問題。對于提高風(fēng)電場經(jīng)濟效益、減少電網(wǎng)備用容量，減少臨時出力調(diào)整和計劃外開停機組等問題，短期風(fēng)電功率預(yù)測的準(zhǔn)確性都顯得尤為重要。
　　本研究采用一種基于相關(guān)向量機（Relevance Vector Machine，簡稱RVM

2、）的風(fēng)功率預(yù)到模型對風(fēng)電功率進行短期預(yù)測。對模型中核函數(shù)類型與參數(shù)不同對預(yù)測的影響進行了研究，并采用粒子群算法（Particle Swarm Optimization，簡稱PSO）對核函數(shù)參數(shù)進行優(yōu)化。另外，對于PSO算法涉及的種群規(guī)模、加速系數(shù)、慣性權(quán)重的不同選取策略對優(yōu)化結(jié)果影響進行了仿真分析。針對風(fēng)電功率與風(fēng)速的非線性與非平穩(wěn)性，利用小波分析將風(fēng)速信號分解為不同頻率的子序列，提取出風(fēng)速中的低頻趨勢分量和高頻波動分量；再結(jié)合風(fēng)向和溫