風(fēng)電功率短期預(yù)測及風(fēng)電并網(wǎng)條件下電力系統(tǒng)經(jīng)濟調(diào)度研究.pdf

1、隨著世界上常規(guī)化石能源的日益枯竭和全球氣候變暖，人類增強了對新能源的開發(fā)和利用。風(fēng)能與自然界中的礦物燃料不同，它是一種干凈的、儲量非常豐富的可再生能源。但是風(fēng)的波動性、隨機性和間歇性，使得風(fēng)電大容量的并網(wǎng)給電網(wǎng)的安全、經(jīng)濟運行和電能質(zhì)量等帶來嚴(yán)峻挑戰(zhàn)。如果能對風(fēng)電場進(jìn)行精確的預(yù)測，將減少電網(wǎng)的備用容量，降低電力系統(tǒng)的運行成本，同時也對風(fēng)電參與電力市場競價和電網(wǎng)的合理調(diào)度提供保障。本文以山東某風(fēng)電場作為研究對象，以實測的歷史數(shù)據(jù)來進(jìn)行風(fēng)電

2、場的風(fēng)電功率短期預(yù)測研究，并在風(fēng)電并網(wǎng)條件下進(jìn)行電力系統(tǒng)經(jīng)濟調(diào)度研究。
　　首先，分析風(fēng)電功率的影響因素，得出影響風(fēng)電功率的主要影響因子為：風(fēng)速、風(fēng)向、氣壓、溫度、相對濕度、葉片角度和發(fā)電機平均轉(zhuǎn)速。然后，用灰色關(guān)聯(lián)分析法對影響風(fēng)電功率的因素進(jìn)行量化分析，選取關(guān)聯(lián)度較大的因素作為訓(xùn)練以及預(yù)測的輸入。
　　簡要介紹最小二乘支持向量機（LSSVM）的結(jié)構(gòu)、原理和特點。用LSSVM建立預(yù)測模型對風(fēng)電功率進(jìn)行了預(yù)測，為后面方法的改進(jìn)

3、提供了理論基礎(chǔ)。
　　將黑洞粒子群（BHPSO）算法引入到數(shù)值尋優(yōu)領(lǐng)域中，實現(xiàn)對LSSVM控制參數(shù)的尋優(yōu)搜索，從而提出BHPSO-LSSVM算法。將該法預(yù)測結(jié)果與傳統(tǒng)的LSSVM預(yù)測結(jié)果進(jìn)行比較分析。
　　最后，利用前面介紹的風(fēng)電功率點預(yù)測信息為基礎(chǔ)，考慮了風(fēng)電功率預(yù)測誤差可能對系統(tǒng)造成的不確定影響，并將風(fēng)電穿透功率引入到正、負(fù)旋轉(zhuǎn)備用當(dāng)中，采用黑洞粒子群（BHPSO）算法和傳統(tǒng)粒子群（PSO）算法分別建立含風(fēng)電場的電力系統(tǒng)