基于相關向量機的風功率超短期預測研究.pdf

1、風力發(fā)電是新能源發(fā)電中最具大規(guī)模開發(fā)和最有商業(yè)化發(fā)展前景的發(fā)電方式，但風力發(fā)電在很大程度上依賴于氣象條件，風向和風速等因素會導致風力發(fā)電量上下波動，并且隨著風力發(fā)電在電網中的比例逐步增大，風電并網會對電力系統(tǒng)穩(wěn)定運行造成一定的影響。若能較為準確地把握到未來短時間的風功率變化趨勢，就可以更好地減小風電接入對系統(tǒng)備用容量的需求，增加電網消納風電的能力，有效減輕風電并網對電力系統(tǒng)帶來的不利影響，提高電力系統(tǒng)運行的經濟性能。在此背景下，很有必要

2、對風功率超短期預測展開一定研究。
　　本研究根據對影響風場向電網輸送的有功功率的相關因素進行分析，主要考慮了風速、風向等因素對風功率預測的影響，以我國西北某風電場的實測歷史數據作為訓練樣本，對數據中的異常點進行修正或剔除。分別釆用BP神經網絡法、支持向量機法和相關向量機法的算法原理搭建了三種算法的超短期風功率預測模型并闡述了實現步驟。在分析了以上算法在仿真建模過程中的一些特點后，在單一核函數相關向量機模型的基礎上，提出釆用一種混合

3、核函數的相關向量機風功率預測方法，對該算法中混合核函數的選取做了分析，確定本課題中的混合核函數由高斯徑向基核函數和線性核函數構成，并進行了參數的優(yōu)化選取。通過從仿真結果及算法的實現過程等方面對基于不同方法的風功率預測效果進行了比較分析，仿真結果驗證了本文釆用的混合核函數的相關向量機風功率預測算法的有效性，該算法模型誤差小，精度高，方法便于實現。最后，在風功率預測算法的基礎上設計了風功率預測軟件，在軟件中可以對數據靈活選取、進行風功率在線