風(fēng)電功率短期預(yù)測(cè)方法研究.pdf

1、風(fēng)電功率短期預(yù)測(cè)方法研究重慶大學(xué)碩士學(xué)位論文（學(xué)術(shù)學(xué)位）學(xué)生姓名：梁沛指導(dǎo)教師：盧繼平教授專業(yè)：電氣工程學(xué)科門類：工學(xué)重慶大學(xué)電氣工程學(xué)院二O一六年五月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要隨著能源短缺與環(huán)境污染等問(wèn)題的日益凸顯，風(fēng)電作為最有前景的清潔能源之一，在近幾十年得到了快速的發(fā)展。然而，大規(guī)模的風(fēng)電并網(wǎng)嚴(yán)重威脅著電力系統(tǒng)的安全、穩(wěn)定、經(jīng)濟(jì)、可靠運(yùn)行，需要高精度的風(fēng)電功率預(yù)測(cè)系統(tǒng)為調(diào)度人員提供有效的指導(dǎo)信息，以減少風(fēng)電對(duì)電網(wǎng)的不利影響

2、。目前風(fēng)電功率短期預(yù)測(cè)模型的數(shù)據(jù)來(lái)源主要有數(shù)值天氣預(yù)報(bào)信息（NumericalWeatherPrediction，NWP）與歷史運(yùn)行數(shù)據(jù)。NWP數(shù)據(jù)具有一定的缺陷，只利用歷史數(shù)據(jù)進(jìn)行短期預(yù)測(cè)又存在很大的誤差。針對(duì)這一問(wèn)題，論文對(duì)以歷史數(shù)據(jù)為輸入的風(fēng)電功率短期單點(diǎn)預(yù)測(cè)模型與概率預(yù)測(cè)模型進(jìn)行了研究。論文提出了一種采用非迭代方式的短期預(yù)測(cè)方法。無(wú)論預(yù)測(cè)提前時(shí)間多長(zhǎng)，該方法統(tǒng)一將真實(shí)數(shù)據(jù)作為每個(gè)預(yù)測(cè)時(shí)段的輸入，并對(duì)應(yīng)每一時(shí)段建立一個(gè)神經(jīng)網(wǎng)絡(luò)。能

3、夠在只有歷史數(shù)據(jù)的條件下，有效地克服累積誤差，預(yù)測(cè)未來(lái)24h的風(fēng)電功率輸出。在非迭代方法的基礎(chǔ)上，論文建立了非迭代與分時(shí)段最優(yōu)的風(fēng)電功率短期單點(diǎn)預(yù)測(cè)模型。該模型找出分別使各個(gè)預(yù)測(cè)時(shí)段誤差最小的最優(yōu)輸入個(gè)數(shù)，接著求解基于歷史風(fēng)速數(shù)據(jù)和歷史功率數(shù)據(jù)兩種模型的分時(shí)段最優(yōu)權(quán)重。對(duì)算例風(fēng)電場(chǎng)進(jìn)行分析，結(jié)果表明：分時(shí)段最優(yōu)模型能夠有效地反映分時(shí)段特性，提高各個(gè)時(shí)段的預(yù)測(cè)精度；非迭代與分時(shí)段最優(yōu)的單點(diǎn)預(yù)測(cè)模型應(yīng)用于風(fēng)電功率短期預(yù)測(cè)具有較高的精度?？紤]

4、到單點(diǎn)預(yù)測(cè)模型難以提供概率信息，論文建立了基于非迭代與RBF分位數(shù)回歸的風(fēng)電功率短期概率預(yù)測(cè)模型。以非迭代方法為基礎(chǔ)，利用小波變換將功率序列分解成一系列子分量。使用RBF分位數(shù)回歸模型計(jì)算每個(gè)分量的概率分布，然后利用拉丁超立方抽樣方法，得到風(fēng)電功率的概率預(yù)測(cè)分布。結(jié)果表明：非迭代與RBF分位數(shù)回歸模型在各個(gè)預(yù)測(cè)時(shí)段具有較小的預(yù)測(cè)誤差以及較好的概率評(píng)價(jià)指標(biāo)，能夠有效地進(jìn)行單點(diǎn)預(yù)測(cè)與概率預(yù)測(cè)，預(yù)測(cè)結(jié)果具有很高的參考價(jià)值。關(guān)鍵字：關(guān)鍵字：?jiǎn)吸c(diǎn)