基于小波包的短時(shí)風(fēng)機(jī)出力組合預(yù)測(cè)模型研究.pdf

1、風(fēng)力發(fā)電是目前開(kāi)發(fā)最廣泛且增長(zhǎng)速度最快的清潔能源，隨著風(fēng)電容量在電網(wǎng)中的比例上升，風(fēng)電出力的間歇性和隨機(jī)性給電網(wǎng)帶來(lái)的沖擊日益明顯，影響電能質(zhì)量和電網(wǎng)穩(wěn)定性。利用風(fēng)電功率預(yù)測(cè)技術(shù)，可以為電網(wǎng)調(diào)度及風(fēng)電場(chǎng)安排發(fā)電計(jì)劃和停機(jī)檢修提供依據(jù)，因而提高風(fēng)電功率預(yù)測(cè)的精度對(duì)提高風(fēng)力發(fā)電的質(zhì)量有重要意義。
　　針對(duì)風(fēng)電預(yù)測(cè)問(wèn)題，本文提出一種基于小波包的風(fēng)電功率組合預(yù)測(cè)模型。在該模型中，采用小波包變換將風(fēng)電功率時(shí)間數(shù)據(jù)進(jìn)行分解并重構(gòu)得到多個(gè)風(fēng)電功

2、率子序列，使用組合模型對(duì)每個(gè)子序列進(jìn)行預(yù)測(cè)，最后疊加各子序列的預(yù)測(cè)值得到實(shí)際的預(yù)測(cè)結(jié)果的方法。其中組合模型中的單項(xiàng)預(yù)測(cè)模型使用時(shí)間序列法、神經(jīng)網(wǎng)絡(luò)法和支持向量回歸3種預(yù)測(cè)原理差別較大的方法，目的是從不同方面最大程度挖掘風(fēng)電功率數(shù)據(jù)里隱藏的信息。組合預(yù)測(cè)模型的預(yù)測(cè)精度跟單項(xiàng)模型間的權(quán)值密切相關(guān)，本文提出了一種全新的人工智能算法——縱橫交叉算法對(duì)權(quán)值系數(shù)進(jìn)行優(yōu)化整定。
　　縱橫交叉算法(CSO)是本文受到儒家思想的肩發(fā)，提出的一種全新

3、的優(yōu)化算法。這種優(yōu)化算法的進(jìn)化方式由橫向交叉和縱向交叉兩種方式組成，分別是對(duì)人類社會(huì)的群體學(xué)習(xí)和自我學(xué)習(xí)的模擬。通過(guò)橫向交叉-競(jìng)爭(zhēng)-縱向交叉-競(jìng)爭(zhēng)的交替進(jìn)化機(jī)制，CSO算法巧妙地解決了群智能優(yōu)化算法普遍存在早熟和陷入局部最優(yōu)的問(wèn)題，其良好的全局優(yōu)化能力特別適合各種大規(guī)模復(fù)雜優(yōu)化問(wèn)題的求解。12個(gè)標(biāo)準(zhǔn)函數(shù)測(cè)試結(jié)果表明:相比其它群集搜索算法，CSO算法在求解精度與收斂速度方面具有壓倒性的優(yōu)勢(shì)。
　　在仿真研究中，基于本文所提出的種縱橫