基于模型優(yōu)選的風電功率融合預測模型.pdf

1、當前人類社會發(fā)展所消耗的能源主要是化石燃料，化石燃料是不可再生能源，而且化石燃料的燃燒會帶來嚴重的環(huán)境污染。風能作為一種清潔的、可再生的且蘊含量無限的能源已成為許多國家改變能源消耗結構和降低環(huán)境污染的重點利用能源。風能利用的主要形式是風力發(fā)電，但是風能具有間歇性、隨機性和不穩(wěn)定性等特點，使得風電也具有間歇性、不穩(wěn)定性等特點。風電大規(guī)模接入電網(wǎng)會影響整個電網(wǎng)的運行調(diào)度，而且會嚴重影響電力系統(tǒng)的電能質(zhì)量和運行的可靠性，而風電功率的準確預測可

2、以使電力調(diào)度部門及時調(diào)整大電網(wǎng)的調(diào)度計劃，保證大電網(wǎng)的安全穩(wěn)定運行，且能夠有效的提高風能利用率。
　　 風電功率的單一預測模型有許多種，但在仿真研究中發(fā)現(xiàn)單一預測模型利用數(shù)據(jù)信息不夠全面，在某些預測點可能會出現(xiàn)較大的誤差，降低了預測精度。為進一步提高預測精度，本文在國家自然科學基金項目(編號:51277127)的資助下建立了風電功率的融合預測模型。
　　 本文主要研究內(nèi)容包括以下幾個部分:
　　 (1)闡述風電功

3、率預測的研究背景及意義，總結當前風電功率預測模型的研究現(xiàn)狀及常用的方法，并深入了解風力發(fā)電技術。
　　 (2)根據(jù)風電功率預測的常用方法建立風電功率單一預測模型庫，其中包括時間序列法、回歸預測分析法、BP神經(jīng)網(wǎng)絡、Elman神經(jīng)網(wǎng)絡、RBF神經(jīng)網(wǎng)絡、廣義回歸神經(jīng)網(wǎng)絡以及支持向量機等預測模型。
　　 (3)在單一預測模型庫的基礎上，根據(jù)組合優(yōu)化理論建立了基于算術平均法、誤差平方和倒數(shù)法、簡單加權平均法、二項式系數(shù)法和熵值法

4、的風電功率組合預測模型。仿真結果表明，組合預測模型的精度總體上要優(yōu)于各單一預測模型。
　　 (4)為進一步提高預測精度，本文建立了風電功率融合預測模型。仿真研究中發(fā)現(xiàn)，并不是所有的單一預測模型都能夠有效的提高組合模型的預測精度，應該在組合前對單一預測模型進行優(yōu)選。為此，本文首先采用灰色關聯(lián)分析法初步優(yōu)選預測精度較高的模型，再用誤差信息矩陣對這些精度較高的模型進行冗余性判斷，剔除冗余模型，簡化融合模型的計算，然后建立了基于模型優(yōu)選