風(fēng)電功率組合預(yù)測方法及其應(yīng)用研究.pdf

1、風(fēng)能具有隨機(jī)波動性，大規(guī)模風(fēng)電并網(wǎng)給電力系統(tǒng)的安全經(jīng)濟(jì)運(yùn)行帶來諸多挑戰(zhàn)，風(fēng)電功率預(yù)測是有效解決途徑。然而復(fù)雜的氣象條件變化和限電因素的影響使風(fēng)電功率預(yù)測難度相對較大，利用傳統(tǒng)的單一預(yù)測模型進(jìn)行預(yù)測往往很難達(dá)到較為理想的預(yù)測精度和穩(wěn)定性。組合預(yù)測能夠綜合利用各單一預(yù)測模型所包含的有效信息，是提高預(yù)測精度、分散預(yù)測風(fēng)險的重要手段。本文進(jìn)行了風(fēng)電功組合預(yù)測方法及其在功率預(yù)測系統(tǒng)中的應(yīng)用研究，主要工作包括:
　　(1)單一風(fēng)電功率預(yù)測方法

2、研究
　　建立了四種單一風(fēng)電功率預(yù)測模型，包括統(tǒng)計(jì)預(yù)測中的遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型(GA-BP)、RBF神經(jīng)網(wǎng)絡(luò)模型和支持向量機(jī)模型(SVM)以及物理預(yù)測中的CFD流場預(yù)計(jì)算模型，并針對統(tǒng)計(jì)預(yù)測模型提出了一種滾動樣本建模方法。研究結(jié)果表明:四種單一風(fēng)電功率預(yù)測模型均具有較高的預(yù)測精度，預(yù)測均方根誤差分別為14.89％、14.38％、13.44％、13.38％;滾動樣本建模方式相比于固定樣本建模方式能夠有效提高統(tǒng)計(jì)預(yù)測模型的預(yù)

3、測精度。
　　(2)風(fēng)電功率定權(quán)重組合預(yù)測方法研究
　　建立了五種定權(quán)重組合預(yù)測模型，分別采用等權(quán)平均法、誤差平方和最小法、熵值法、灰色關(guān)聯(lián)度最大化法以及GA-BP神經(jīng)網(wǎng)絡(luò)法計(jì)算組合權(quán)重系數(shù)。實(shí)例分析結(jié)果表明:五種定權(quán)重組合預(yù)測模型均呈現(xiàn)出擬合精度高而實(shí)際預(yù)測精度低的問題;選擇合理的組合方法能夠有效降低較大誤差出現(xiàn)的概率，提高預(yù)測的準(zhǔn)確性與穩(wěn)定性;等權(quán)平均組合模型與誤差平方和最小組合模型的預(yù)測精度較高，實(shí)用性相對較強(qiáng)。

4、>　　(3)基于模型篩選和支持向量機(jī)的變權(quán)重組合預(yù)測方法研究
　　提出了一種誤差綜合評價指標(biāo)，并應(yīng)用于組合預(yù)測中各單一預(yù)測模型的篩選，同時建立了基于SVM的變權(quán)重組合預(yù)測模型。結(jié)果表明:基于誤差綜合評價指標(biāo)的模型篩選方法能更加合理的完成對各單一預(yù)測模型的篩選，有助于預(yù)測誤差的降低;基于模型篩選和SVM的變權(quán)重組合預(yù)測模型與各單一預(yù)測模型相比預(yù)測精度得到明顯提高，均方根誤差較CFD流場預(yù)計(jì)算模型、GA-BP模型、RBF模型和SVM模