基于誤差修正和模糊評價的風速預測研究.pdf

1、近年來，全球能源危機問題日益嚴重、生態(tài)環(huán)境加劇惡化，使得人們將眼光投向調整能源結構，尋求清潔、綠色、可無限使用的可替代能源。風能作為太陽能的一種轉化形式，因其具有安全、無污染、可再生、環(huán)保效益和生態(tài)效益友好等優(yōu)點，成為當前最具發(fā)展?jié)摿?、利用最為廣泛的綠色能源。風力發(fā)電是全球利用風能最主要的方式，風速的隨機波動性使得風電并網(wǎng)容量超過一定比例對電網(wǎng)造成嚴重影響。因此，提前對風速進行預測，從而預知風速的變化情況，準確把握風機出力，對緩解風電并

2、網(wǎng)帶來的不利影響具有重要意義。
　　本文分析了風速分布特性、變化特性以及風速與其影響因素之間的關系；為提高風速預測精度，從誤差修正角度出發(fā)，提出了基于馬爾科夫鏈神經(jīng)網(wǎng)絡風速預測的誤差修正方法；針對單一評價指標評價風速預測模型預測性能存在的缺陷，提出了基于模糊模式識別的綜合評價方法，為風速預測決策者優(yōu)選模型提供參考依據(jù)。
　　本文主要研究內容如下：
　　(1)闡述了風速預測的研究背景及意義，概述了目前我國和國外發(fā)達國家風

3、電產業(yè)的發(fā)展現(xiàn)狀，介紹了現(xiàn)有風速預測方法及其優(yōu)缺點，分析了模型評價方法的的重要性以及當前評價方法和風速預測存在的主要問題。
　　(2)以山西省某風電場現(xiàn)場測風數(shù)據(jù)為對象，分析了該風電場風速的分布特性，季、月、日變化特性；研究了風速與歷史溫度、濕度、氣壓、風速之間的月變化關系，給出了確定風速影響因素的依據(jù)；總結了目前引起風速預測誤差的來源。
　　(3)從誤差修正提高風速預測精度的角度考慮，提出了基于馬爾科夫鏈神經(jīng)網(wǎng)絡風速預測的

4、誤差修正方法。首先，采用模糊 C-均值聚類算法解決馬爾科夫鏈的狀態(tài)劃分問題；其次，給出了詳細的誤差修正步驟；最后，利用該方法分別對十折交叉驗證優(yōu)化的廣義回歸神經(jīng)網(wǎng)絡、遺傳算法優(yōu)化的Elman神經(jīng)網(wǎng)絡和改進的T-S模糊神經(jīng)網(wǎng)絡模型進行誤差修正。通過對比修正前后三種模型對時間尺度為15min、30min、60min風速預測效果證明了基于馬爾科夫鏈誤差修正方法能夠有效提高神經(jīng)網(wǎng)絡風速預測模型的預測精度，改善模型的預測性能。
　　(4)針

5、對目前單一評價指標評價風速預測模型存在不合理、片面的問題，提出一種基于模糊模式識別的綜合評價方法。在課題組建立的風速預測性能評價指標體系的基礎上，采用二元對比法確定各個評價指標主觀權重，采用離差最大化法計算其客觀權重；在綜合主、客觀權重的基礎上，以MATLAB為仿真平臺，利用模糊模式識別方法對課題組建立的風速預測模型庫中的模型進行評價優(yōu)選。仿真實驗表明，基于模糊模式識別的綜合評價方法評價風速預測模型預測性能有一定合理性和有效性，為風速預