基于誤差分析修正的超短期風速及短期風電功率預測研究.pdf

1、近年來，以風力發(fā)電為主的新能源發(fā)電規(guī)模迅速增長，其大規(guī)模并網在一定程度上緩解了日趨緊張的能源局勢及傳統(tǒng)能源對環(huán)境的污染問題。但隨著風電對電網的滲透率的不斷提高，風電出力顯著的波動性和隨機性，給電網的協(xié)同調度及安全運行帶來的較大的威脅，棄風現象愈發(fā)嚴重。對風電出力進行預測并把風電場資源納入調度計劃，以在此基礎上實現對風電場優(yōu)化調度及風資源的充分利用是解決上述問題有效手段之一。因此，對風速及風電功率進行高精度的預測有著重要意義。國內外對風電

2、預測的研究一般都圍繞模型和算法，主要分為物理模型和統(tǒng)計模型兩大類，前者主要依賴空氣動力學理論建立風電場風速描述模型，后者則主要利用模型提取歷史數據的變化規(guī)律并以此做出預測。但現有方法中，單一模型預測精度較低，預測效果穩(wěn)定性較差;組合模型雖精度較高卻依賴適當的權重系數來將各模型結果進行綜合以保證精度，權重系數又需要依靠單獨的優(yōu)化算法或者擬合模型來獲取。同時，圍繞風電預測誤差的分析研究較少，風電預測誤差的分布規(guī)律還有待進一步研究。為解決上述

3、問題，本文提出了一種基于誤差分析修正的組合預測模型:一方面，研究了風電預測誤差的分布規(guī)律，另一方面，通過誤差修正構建組合模型，以達到提高預測精度的作用。
　　首先，本文以當前流行的支持向量機算法為基礎，利用小波變換進行數據處理，網格搜索法優(yōu)化模型參數、SMO算法快速求解，構建基本預測模型。該預測模型的超短期風速預測平均相對誤差為11.8％、短期風電功率預測誤差為10.72％，滿足工程需要，適用性良好。但支持向量機算法的原理局限性導

4、致了其預測精度的不穩(wěn)定，對非支持向量的忽略降低了該模型對極值的跟蹤能力。
　　然后，利用支持向量機模型對歷史數據進行重復預測，得到超短期風速預測誤差序列及短期風電功率預測誤差序列。分別從時變特性和相關特性對超短期風速預測誤差進行分析，從相關特性和概率分布特性對短期風電功率預測誤差進行研究分析，獲得誤差隨時間的變化規(guī)律，誤差與自身、誤差與相關要素之間的分布關系以及誤差的概率分布特征。
　　最后，針對超短期風速預測和短期風電功率