基于誤差分析修正的超短期風速及短期風電功率預測研究.pdf

1、近年來，以風力發(fā)電為主的新能源發(fā)電規(guī)模迅速增長，其大規(guī)模并網在一定程度上緩解了日趨緊張的能源局勢及傳統(tǒng)能源對環(huán)境的污染問題。但隨著風電對電網的滲透率的不斷提高，風電出力顯著的波動性和隨機性，給電網的協(xié)同調度及安全運行帶來的較大的威脅，棄風現(xiàn)象愈發(fā)嚴重。對風電出力進行預測并把風電場資源納入調度計劃，以在此基礎上實現(xiàn)對風電場優(yōu)化調度及風資源的充分利用是解決上述問題有效手段之一。因此，對風速及風電功率進行高精度的預測有著重要意義。國內外對風電

2、預測的研究一般都圍繞模型和算法，主要分為物理模型和統(tǒng)計模型兩大類，前者主要依賴空氣動力學理論建立風電場風速描述模型，后者則主要利用模型提取歷史數(shù)據的變化規(guī)律并以此做出預測。但現(xiàn)有方法中，單一模型預測精度較低，預測效果穩(wěn)定性較差;組合模型雖精度較高卻依賴適當?shù)臋嘀叵禂?shù)來將各模型結果進行綜合以保證精度，權重系數(shù)又需要依靠單獨的優(yōu)化算法或者擬合模型來獲取。同時，圍繞風電預測誤差的分析研究較少，風電預測誤差的分布規(guī)律還有待進一步研究。為解決上述

3、問題，本文提出了一種基于誤差分析修正的組合預測模型:一方面，研究了風電預測誤差的分布規(guī)律，另一方面，通過誤差修正構建組合模型，以達到提高預測精度的作用。
　　首先，本文以當前流行的支持向量機算法為基礎，利用小波變換進行數(shù)據處理，網格搜索法優(yōu)化模型參數(shù)、SMO算法快速求解，構建基本預測模型。該預測模型的超短期風速預測平均相對誤差為11.8％、短期風電功率預測誤差為10.72％，滿足工程需要，適用性良好。但支持向量機算法的原理局限性導

4、致了其預測精度的不穩(wěn)定，對非支持向量的忽略降低了該模型對極值的跟蹤能力。
　　然后，利用支持向量機模型對歷史數(shù)據進行重復預測，得到超短期風速預測誤差序列及短期風電功率預測誤差序列。分別從時變特性和相關特性對超短期風速預測誤差進行分析，從相關特性和概率分布特性對短期風電功率預測誤差進行研究分析，獲得誤差隨時間的變化規(guī)律，誤差與自身、誤差與相關要素之間的分布關系以及誤差的概率分布特征。
　　最后，針對超短期風速預測和短期風電功率