小世界網(wǎng)絡(luò)理論及其在風電功率短期預(yù)測中的應(yīng)用研究.pdf

1、風電功率預(yù)測是新能源領(lǐng)域的一個重要前沿課題，對風電并網(wǎng)及智能電網(wǎng)建設(shè)具有重要的意義。小世界網(wǎng)絡(luò)是一種具有高信息傳遞效率的復(fù)雜網(wǎng)絡(luò)，小世界優(yōu)化和小世界神經(jīng)網(wǎng)絡(luò)是其應(yīng)用的一個重要方面。研究表明，小世界神經(jīng)網(wǎng)絡(luò)比規(guī)則神經(jīng)網(wǎng)絡(luò)具有更強的泛化能力，這使得利用其建立風電場的功率預(yù)測模型成為可能。本文旨在深入探究小世界網(wǎng)絡(luò)理論及在風電功率預(yù)測中的應(yīng)用等關(guān)鍵問題，建立基于小世界網(wǎng)絡(luò)的短期風電功率預(yù)測理論體系，主要取得了如下成果:
　　1.提出了禁

2、忌實數(shù)編碼小世界優(yōu)化算法(TRSWA)，并通過Markov鏈理論對所提算法幾乎處處強收斂性給出了證明，這為后續(xù)該算法的應(yīng)用研究打下了堅實基礎(chǔ)。通過對5個復(fù)雜多模測試函數(shù)的仿真分析，驗證了TRSWA算法的強收斂性，TRSWA算法可快速收斂到全局最優(yōu)值。最后建立了基于TRSWA的BP神經(jīng)網(wǎng)絡(luò)模型(TRSWA-BP)。
　　2.借鑒復(fù)雜網(wǎng)絡(luò)的研究成果，提出兩種小世界神經(jīng)網(wǎng)絡(luò)改進模型-WSBP及NWBP模型，并給出其模型構(gòu)建、拓撲結(jié)構(gòu)及網(wǎng)

3、絡(luò)模型描述，同時推導了上述小世界神經(jīng)網(wǎng)絡(luò)模型的算法公式，探討了其收斂特性。仿真結(jié)果表明，兩模型的逼近性能均比原規(guī)則BP網(wǎng)絡(luò)有所提高。
　　3.根據(jù)風電功率動態(tài)特性及預(yù)測機理，研究小世界神經(jīng)網(wǎng)絡(luò)應(yīng)用于風電功率預(yù)測模型的優(yōu)化機制，提出基于NWBP小世界神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)補差方法。首先，在對實際風場數(shù)據(jù)中實測風速、風向、功率、溫度的10min數(shù)據(jù)按小時進行預(yù)處理后，通過NWBP小世界神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)補差方法對查找到的不合理、奇異點數(shù)據(jù)進行了處理

4、。然后，將TRSWA-BP、WSBP、NWBP小世界神經(jīng)網(wǎng)絡(luò)模型用于風電場功率短期預(yù)測，并建立了上述神經(jīng)網(wǎng)絡(luò)與經(jīng)驗?zāi)B(tài)分解、相空間重構(gòu)以及經(jīng)驗?zāi)B(tài)分解-相空間重構(gòu)的短期功率預(yù)測模型。基于實際風場數(shù)據(jù)的仿真實驗表明，上述方法的引入提高了基本BP模型對風電功率的預(yù)測精度，使預(yù)測誤差有明顯減小，且運算時間實際可行。
　　4.建立基于小世界優(yōu)化的變權(quán)組合預(yù)測模型。提出灰關(guān)聯(lián)度γi＜0.7剔除準則，通過對6種單項模型進行灰關(guān)聯(lián)分析、單位根檢

5、驗、協(xié)整性判斷等檢驗，篩選出1h、4h、6h、24h不同時間尺度的冗余方法，并結(jié)合風電場的實際情況，對篩選產(chǎn)生的模型進行變權(quán)組合預(yù)測。仿真分析表明，經(jīng)過篩選后的小世界優(yōu)化的變權(quán)組合預(yù)測模型能增強預(yù)測系統(tǒng)的預(yù)測精度，提升系統(tǒng)預(yù)測性能。
　　5.對風電功率不確定性進行分析，提出了應(yīng)用蒙特卡羅原理的概率性預(yù)測及基于NWBP小世界神經(jīng)網(wǎng)絡(luò)的分位數(shù)不確定性分析方法。通過仿真分析了置信水平為95％、90％、85％時預(yù)測模型的有效性，給出相應(yīng)置