并網(wǎng)型風(fēng)電場短期發(fā)電功率預(yù)測研究.pdf

1、風(fēng)能以其清潔環(huán)保、技術(shù)成熟、開發(fā)成本低、資源含量豐富等優(yōu)勢成為目前最具有開發(fā)潛力的可再生能源之一。由于風(fēng)電本身所具有的間歇性、隨機(jī)性以及反調(diào)節(jié)等特點(diǎn)，使得風(fēng)電并網(wǎng)會(huì)對電網(wǎng)的調(diào)度和運(yùn)行產(chǎn)生很多不利影響?？朔⒕W(wǎng)困難的一個(gè)可行性方法就是風(fēng)電功率的預(yù)測控制技術(shù)。本文以張家口某風(fēng)電場實(shí)測數(shù)據(jù)為基礎(chǔ)實(shí)現(xiàn)了該風(fēng)電場的功率預(yù)測，主要從以下幾個(gè)方面開展。
　?。?）針對風(fēng)速的高頻波動(dòng)特性，本文應(yīng)用小波分解算法對原始風(fēng)速進(jìn)行預(yù)處理。風(fēng)速具有間歇性、

2、隨機(jī)性等特點(diǎn)，短時(shí)間內(nèi)有可能出現(xiàn)很大的幅值變化，風(fēng)速序列頻率較高很難分析出其所包含的隱藏信息，直接的風(fēng)速預(yù)測誤差大，效果不理想。對此本文充分利用小波分解多分辨率的特性，選用db5小波函數(shù)，將原始風(fēng)速序列進(jìn)行4層分解，得到具有相似變化趨勢的低頻逼近成分和含噪聲的高頻細(xì)節(jié)成分，在不同的頻率中分析原始風(fēng)速數(shù)據(jù)的特性。
　?。?）風(fēng)電場所得的風(fēng)速數(shù)據(jù)是有限的，且具有很強(qiáng)的不穩(wěn)定性，對此本文提出了遺傳算法優(yōu)化最小二乘支持向量機(jī)的短期風(fēng)速組合

3、預(yù)測模型。最小二乘支持向量機(jī)算法在函數(shù)估計(jì)和逼近中應(yīng)用非常廣泛，但其存在參數(shù)確定具有人為依賴性缺陷。本文結(jié)合遺傳算法求解復(fù)雜系統(tǒng)優(yōu)化問題的優(yōu)勢，提出了遺傳算法優(yōu)化最小二乘支持向量機(jī)的短期風(fēng)速組合預(yù)測模型。對小波分解后的各部分序列分別建立優(yōu)化模型，將各部分預(yù)測結(jié)果重組得到該風(fēng)電場的風(fēng)速預(yù)測，通過與其他方法對比，驗(yàn)證了模型的有效性。
　?。?）為提高預(yù)測精度，本文建立了符合該風(fēng)電場特性的遺傳算法優(yōu)化徑向基神經(jīng)網(wǎng)絡(luò)的功率轉(zhuǎn)換模型。受外界

4、環(huán)境的影響,風(fēng)電機(jī)組實(shí)際的功率曲線與標(biāo)準(zhǔn)功率曲線不會(huì)完全相同，有必要建立符合該風(fēng)電場特性的功率曲線。因?yàn)轱L(fēng)速與功率之間具有很強(qiáng)的非線性關(guān)系，對此本文充分利用徑向基神經(jīng)網(wǎng)絡(luò)在曲線擬合方面的優(yōu)勢，建立遺傳算法優(yōu)化徑向基神經(jīng)網(wǎng)絡(luò)的風(fēng)速-功率轉(zhuǎn)換模型。以原始風(fēng)速、功率數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)得到成熟的網(wǎng)絡(luò)模型，以所預(yù)測的風(fēng)速數(shù)據(jù)作為測試數(shù)據(jù)輸入得到該風(fēng)電場的功率預(yù)測結(jié)果，與其他方法對比分析顯示，該模型效果更好。
　　為驗(yàn)證所建立模型的有效性，本文