基于機器學習的風電場功率預測研究.pdf

1、lIIIIIUlllllllllllIY3310561索取號：TK81／8432：151835029密級：公玨南京師勉犬掌工程碩士學位論文窿馘▲之!!!竺!：■基于機器學習的風電場功率預測研究研究生：指導教師：培養(yǎng)單位：專業(yè)學位領域：完成時間：答辯時間：二趲=L摘要摘要隨著化石能源的枯竭、人類生存環(huán)境的惡化，開發(fā)可再生能源成為當今世界廣泛關注的熱點。其中風能由于其清潔、分布廣泛的特點受到更多的關注。我國的風能資源比較豐富，近年來大規(guī)模風

2、電基地蓬勃發(fā)展。然而由于這些大規(guī)模的風電建設以及風電入網，風電固有的隨機性、波動性給電網帶來的問題越來越突出，嚴重制約著風電的健康發(fā)展。為降低風電波動性給電網帶來的不良影響，保障電網的穩(wěn)定運行以及安排合理調度，風電功率預測的研究就顯得尤為重要。本文重點研究利用機器學習、統(tǒng)計分析等技術，建立風速預測模型以及風電功率預測模型，對風電場的風速和風電功率進行預測。主要進行了以下幾個方面的研究：應用隨機森林算法對風速進行預測。僅僅利用歷史風速作為

3、訓練樣本，建立隨機森林預測模型，單步預測未來1小時的風速。預測結果表明，隨機森林算法用于風速預測是可行的。研究了單步預測未來1小時風電功率的2種方法。歷史風電功率數(shù)據(jù)作為訓練樣本，首先應用MATLAB的TreeBagger函數(shù)建立預測模型，應用predict函數(shù)預測未來的風電功率。然后給出了應用隨機森林算法預測風電功率的方法，建立了隨機森林預測模型，分析比較了隨機森林算法中參數(shù)的影響，獲得了滿意的預測結果。采用ARIMA、EEMDTre

4、eBagger、EEMDRF3種方法對未來4小時風電功率進行預測，并且比較了預測結果。首先用時間序列預測算法ARIMA預測未來4小時風電功率，選擇了ARIMA算法的最優(yōu)參數(shù)，給出了預測結果。然后用集合經驗模態(tài)分解(EEMD)和MATLAB的TreeBagger函數(shù)進行風電功率短期多步滾動預測，顯示了風電功率不同變化階段未來4小時的預測曲線。最后描述了利用EEMD和隨機森林算法進行風電功率短期多步滾動預測的方法。比較3種方法的預測結果可見