風速預測的研究與應用.pdf

1、隨著全球能源危機的到來，大力發(fā)展可再生能源已在世界范圍內達成共識。目前，可再生能源中應用最為廣泛，技術最為成熟，在商業(yè)化生產及規(guī)模化開發(fā)方面最具前景的是風能。由于風具有較強的隨機性、間歇性以及不可控性，風電機組的出力也隨之具有很強的波動性，不利于電網系統(tǒng)的安全穩(wěn)定運行。為了減小風電對電網的沖擊，減少電力系統(tǒng)運行成本和旋轉備用，提高風電穿透功率極限，有必要對風電場風速及功率進行準確預測。
　　 人工神經網絡法具有自學習、自組織和自

2、適應能力，處理非線性問題的能力較強，在風速預測領域應用較為廣泛。但訓練神經網絡要求其樣本具有較高的相似度，預測效果受風電場的風速特性影響較大。因此，本文在深入研究風速分布特性、風的變化特性以及風速與各氣象因子的關系的基礎上，利用風速變化具有一定的周期變化和連續(xù)變化的特點，對樣本進行帶加權的模式識別，以便提高訓練神經網絡的樣本的相似度，進而提高風速預測的精度。
　　 由于傳統(tǒng)的神經網絡存在收斂速度慢、處理數據量大的缺點，本文采用R

3、BF神經網絡作為預測基本模型。RBF神經網絡具有學習和收斂速度快、全局逼近，泛化性好等特點，更適合進行風速預測。
　　 本文在對國內外風速及風功率預測領域的研究成果進行總結分析的基礎上，提出了一種基于氣象因子的雙徑向基神經網絡風速預測模型。模型以溫度、氣壓、濕度等對風速影響較大的氣象因子構成輸入矢量，并通過帶加權系數的模式識別方法對歷史樣本進行篩選，分別從時間連續(xù)規(guī)律與周期規(guī)律方向采用徑向基神經網絡(RBF)進行風速預測，最終通