短期風速和風電功率預測模型的研究.pdf

1、隨著全球風力發(fā)電的快速發(fā)展，風電在電網(wǎng)中所占的比例越來越大。但由于風的間歇性和隨機性特點，使得大規(guī)模的風電接入對電網(wǎng)的安全、穩(wěn)定以及電能質量帶來嚴峻挑戰(zhàn)，因而限制了風電的發(fā)展規(guī)模。對風電場的輸出功率進行準確的預測是解決此問題的有效途徑之一，借助預測結果，有利于電力調(diào)度部門及時調(diào)整調(diào)度計劃，優(yōu)化系統(tǒng)運行，同時還可減少電力系統(tǒng)的備用容量和運行成本。因此，對風電功率進行預測具有十分重要的意義。
　　 在此背景下，本文選擇風速和風電功率

2、的短期預測作為研究內(nèi)容，運用多種方法對短期風速和風電功率預測進行深入的研究。首先，將時間序列和神經(jīng)網(wǎng)絡理論引入到風速預測模型中，分別建立了差分自回歸滑動平均(ARIMA)預測模型和BP神經(jīng)網(wǎng)絡預測模型。并在ARIMA模型的基礎上，提出了自回歸條件異方差(GARCH)和聚類ARIMA兩種改進模型；在BP神經(jīng)網(wǎng)絡的基礎上，引入遺傳算法(GA)和粒子群算法(PSO)對BP神經(jīng)網(wǎng)絡的初始權值和閾值進行優(yōu)化，分別建立了GA-BP預測模型和PSO-

3、BP預測模型。然后，通過算例分析對每種模型的預測效果和特點進行總結。
　　 為了進一步提高風速預測的精度，引入組合的思想，對上述單一模型預測值進行組合得到風速的組合預測值。最后，運用風電功率曲線，將風速的組合預測值轉換成風電功率的預測值。
　　 通過以上對風速和風功率預測問題的研究，運用時間序列和神經(jīng)網(wǎng)絡理論進行了較為深入的模型探討，并進行了數(shù)據(jù)處理以及數(shù)值計算，可以發(fā)現(xiàn)模型的改進以及數(shù)據(jù)的處理，是有助于提高風速和風電功