超短期風電場功率預(yù)測方法研究.pdf

1、能源作為影響人類生產(chǎn)力發(fā)展一個重要因素，對能源的高效利用直接關(guān)系到整個人類社會的發(fā)展。由于大部分能源的短期不可再生性，以及風能的無償性、無污染性，使其地位變得越來越高。但是風的非可控性卻給風能并網(wǎng)帶來了很大的阻力，給電網(wǎng)穩(wěn)定性帶來了嚴峻挑戰(zhàn)，因此對風功率的精確預(yù)測也變得不可或缺。
　　1、風機數(shù)據(jù)預(yù)處理及統(tǒng)計規(guī)律研究。在對風電場功率進行預(yù)測建模時，歷史數(shù)據(jù)作為建模的基礎(chǔ)，需要對其完整性和真實性進行評估和處理。因此，本文將首先對風電

2、場SCADA（Supervisory Control And Data Acquisition）系統(tǒng)采集到的數(shù)據(jù)進行數(shù)據(jù)檢驗和數(shù)據(jù)修訂。文中將通過參考各個測量參數(shù)的合理范圍值來對數(shù)據(jù)進行檢驗，對于檢驗出的錯誤數(shù)據(jù)采用插值法進行修正。并通過風速的相關(guān)性對缺失的風機的運行數(shù)據(jù)進行修訂。對風電場歷史運行和測量數(shù)據(jù)進行了統(tǒng)計研究得到了一些后面研究中要用到的結(jié)論。
　　2、基于互信息冗余性分析的風電功率預(yù)測建模。人工神經(jīng)網(wǎng)絡(luò)以其強悍的非線性

3、擬合能力和易操作性，使其在風功率預(yù)測方法中占據(jù)很多的席位。但是神經(jīng)網(wǎng)絡(luò)的預(yù)測性能對其輸入變量和訓練樣本有著強依賴性，因此對確定最優(yōu)輸入變量的研究具有一定的工程實用價值。本文提出了一種基于互信息冗余性分析的方法，對神經(jīng)網(wǎng)絡(luò)風電功率預(yù)測模型的輸入變量進行篩選，以使獲得的輸入變量與目標變量的相關(guān)性最大，并且使這些變量間的冗余性最小。引入交叉驗證法來獲取最優(yōu)的冗余性分析參數(shù)。經(jīng)湖南郴州某風場實測數(shù)據(jù)驗證了基于互信息的冗余度分析方法能有效去除冗余

4、的輸入變量，并且能在減少輸入變量的情況下改善神經(jīng)網(wǎng)絡(luò)的預(yù)測性能。
　　3、基于分子動優(yōu)化算法的風電功率不確定性預(yù)測建模。由于風的瞬變性和不穩(wěn)定性以及風速和風電功率之間存在非線性關(guān)系，使得風功率誤差是不可避免的，因此對預(yù)測風電功率的不確定性分析也具有很大的實用意義。對此，本文提出了一種神經(jīng)網(wǎng)絡(luò)區(qū)間預(yù)測模型來對風功率預(yù)測不確定性進行分析，通過引入預(yù)測區(qū)間覆蓋概率(Prediction Interval Coverage Probabi