風(fēng)電場超短期風(fēng)電功率多步預(yù)測及可預(yù)測性研究.pdf

1、隨著全球化石能源的消耗和電力需求的增長，開發(fā)可再生能源進(jìn)行電力生產(chǎn)已成為全球各國關(guān)注的焦點，風(fēng)能相比于其它能源具有顯著優(yōu)勢，成為近年來發(fā)展最為迅速的新能源發(fā)電技術(shù)。然而受自然界風(fēng)的影響，風(fēng)電具有隨機性、間歇性和不確定性，大規(guī)模風(fēng)電并網(wǎng)對電力系統(tǒng)安全穩(wěn)定運行帶來了不利影響，因此，對風(fēng)電功率進(jìn)行預(yù)測具有重要的現(xiàn)實意義。本文以實際風(fēng)電場為研究對象，對風(fēng)電功率波動特性、超短期風(fēng)電功率預(yù)測方法、風(fēng)電功率預(yù)測誤差和風(fēng)電功率可預(yù)測性進(jìn)行了相關(guān)研究。<

2、br>　　針對大規(guī)模風(fēng)電場輸出功率波動的時空分布特性，提出基于混合分布模型的風(fēng)電功率波動特性概率分布描述方法，分別對相同機組數(shù)量不同采樣間隔和相同采樣間隔不同機組數(shù)量的風(fēng)電功率波動的時空分布進(jìn)行描述，在此基礎(chǔ)上分析了風(fēng)電功率波動變化率的累積概率隨采樣間隔和機組數(shù)量的變化規(guī)律，對風(fēng)電功率預(yù)測具有重要意義。
　　基于相關(guān)性分析和K近鄰算法，提出一種多輸出模型的風(fēng)電功率超短期預(yù)測方法，實現(xiàn)了預(yù)測精度的提高。同時，為增強預(yù)測方法的信息互補

3、性，組合單一預(yù)測方法，建立基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的組合預(yù)測模型，實現(xiàn)對單一風(fēng)電功率預(yù)測結(jié)果的優(yōu)化。以風(fēng)電場的實測數(shù)據(jù)為例，進(jìn)行仿真分析，驗證了兩種預(yù)測模型的有效性，并分析匯聚效應(yīng)對預(yù)測結(jié)果的影響，有利于風(fēng)電功率的預(yù)測精度的提高。
　　針對不同功率水平的預(yù)測誤差所呈現(xiàn)不同的分布特性，提出基于混合分布模型來描述風(fēng)電功率預(yù)測誤差的分布特性，通過與其它分布模型的對比，驗證了有效性。由于風(fēng)電功率數(shù)據(jù)存在顯著的時間相依結(jié)構(gòu)，對預(yù)測功率水平

4、不同進(jìn)行劃分，以劃分區(qū)段內(nèi)的預(yù)測誤差為統(tǒng)計樣本，進(jìn)行預(yù)測誤差分布的概率密度擬合，進(jìn)而求解相應(yīng)的累積概率。風(fēng)電功率預(yù)測誤差的概率分析可為風(fēng)電功率預(yù)測精度的提高和不確定性分析提供依據(jù)。
　　針對風(fēng)電功率預(yù)測方法無法實現(xiàn)完全絕對地?zé)o差預(yù)測的客觀事實，提出了風(fēng)電場風(fēng)電功率時間序列的可預(yù)測性概念，并利用近似熵和可預(yù)測系數(shù)對風(fēng)電功率時間序列的可預(yù)測性分別進(jìn)行定量分析，在此基礎(chǔ)上分析了不同機組數(shù)量匯聚時其近似熵的變化規(guī)律，驗證了所提指標(biāo)的有效性