風(fēng)速與風(fēng)電功率預(yù)測相關(guān)問題研究.pdf

1、隨著我國倡導(dǎo)節(jié)能減排力度的加大,清潔型能源的使用和研究日益增加,風(fēng)電并網(wǎng)在電力系統(tǒng)研究與應(yīng)用也面臨了更大的挑戰(zhàn)。風(fēng)電時序模型的建立和風(fēng)速及風(fēng)電功率預(yù)測是參與調(diào)度和發(fā)電計劃安排的基礎(chǔ)。由于風(fēng)能的間歇性使得風(fēng)速和風(fēng)電功率預(yù)測具有很大難度,因此對預(yù)測工作展開研究具有十分重要的意義。本文針對風(fēng)速與風(fēng)電功率預(yù)測相關(guān)的模型進行了一系列研究,以“點預(yù)測”延伸到“概率預(yù)測”為思路,對“點預(yù)測”的相關(guān)算法進行了研究及改進,最后通過“概率預(yù)測”實現(xiàn)風(fēng)速及風(fēng)

2、電功率具有時序性的概率預(yù)測。
　　運用九宮山十六個風(fēng)機組每十分鐘一個采樣點的風(fēng)速及風(fēng)電功率數(shù)據(jù),采用時間序列法ARIMA模型和具有記憶特征的Elman神經(jīng)網(wǎng)絡(luò)法進行滾動預(yù)測。風(fēng)電功率則采用直接法和間接法兩種方式得到預(yù)測結(jié)果,并類比日負荷精度指標建立日風(fēng)速預(yù)測精度指標進行算法評價。
　　通過對歷史數(shù)據(jù)方面的研究,發(fā)現(xiàn)僅僅在算法上面建模是不夠的,風(fēng)速和風(fēng)電功率數(shù)據(jù)是具有非常多影響因子的非平穩(wěn)性序列,由不同頻率的趨勢項、周期項、隨

3、機項組成。因此采用小波分析法將原始數(shù)據(jù)進行多尺度分解成低頻趨勢項和高頻隨機項,再根據(jù)各分解序列的不同特性采用不同的預(yù)測方法進行預(yù)測。類比信噪比公式提出了可用于求解最優(yōu)小波分解尺度的目標函數(shù)和約束條件,使其數(shù)值的確定具有一定依據(jù)性,并通過編程實現(xiàn)小波參數(shù)的滾動計算和綜合算法的預(yù)測工作。
　　為了滿足電力市場中不確定性風(fēng)險分析和決策的需要,本文深入研究了不確定性預(yù)測建模方法。概率預(yù)測是區(qū)間預(yù)測基礎(chǔ)上的具有時序特性的預(yù)測手段,本文所研究

4、的風(fēng)速的“概率預(yù)測”是為了在點預(yù)測和區(qū)間預(yù)測的基礎(chǔ)上得到下一時刻的風(fēng)速概率分布。通過對風(fēng)速預(yù)測的誤差進行分析,我們可以發(fā)現(xiàn)在風(fēng)速波動量特別大的時候,預(yù)測誤差會增加,因此可以認為風(fēng)速的波動量和風(fēng)速預(yù)測誤差量是有一定相關(guān)性的。本文根據(jù)九宮山十六個風(fēng)機組2009年3月17日至2009年4月19日的數(shù)據(jù),建立了不同單條件的概率分布模型,研究綜合條件下的風(fēng)速概率分布。最后通過未來某一時段的風(fēng)速數(shù)據(jù)計算綜合概率預(yù)測結(jié)果與誤差分布概率結(jié)果的準確率,來