基于云計(jì)算和智能算法的短期風(fēng)電功率預(yù)測(cè)方法研究.pdf

1、隨著化石能源的全面緊張和環(huán)境污染的日益加劇，世界各國(guó)普遍把開(kāi)發(fā)、利用可再生能源作為其重要的能源發(fā)展戰(zhàn)略。而在可再生能源中，風(fēng)能是發(fā)展最快的清潔能源，風(fēng)力發(fā)電方式也最具規(guī)模開(kāi)發(fā)需求和商業(yè)發(fā)展前景。就目前情況來(lái)看，風(fēng)力發(fā)電設(shè)備與技術(shù)已相對(duì)成熟，但是由于風(fēng)力發(fā)電過(guò)程中的隨機(jī)性、波動(dòng)性和間歇性，造成風(fēng)電輸出功率穩(wěn)定性較差，因此限電棄風(fēng)問(wèn)題嚴(yán)重制約風(fēng)電并網(wǎng)。目前存在的主要問(wèn)題是如何提高風(fēng)電功率預(yù)測(cè)的精度，特別是未來(lái)24小時(shí)的預(yù)測(cè)精度。基于以上背景

2、，本文主要就以下幾個(gè)方面展開(kāi)研究。
　　(1)風(fēng)力發(fā)電系統(tǒng)歷史數(shù)據(jù)的真實(shí)可靠是進(jìn)行風(fēng)電功率預(yù)測(cè)的基礎(chǔ)，而在風(fēng)力發(fā)電系統(tǒng)運(yùn)行或數(shù)據(jù)采集、測(cè)量、傳輸、轉(zhuǎn)換等環(huán)節(jié)，尤其是人為的限電棄風(fēng)，歷史數(shù)據(jù)中不可避免的存在異常數(shù)據(jù)。本文在分析風(fēng)電場(chǎng)異常數(shù)據(jù)特征的基礎(chǔ)上，采用四分位數(shù)法對(duì)風(fēng)電系統(tǒng)棄風(fēng)數(shù)據(jù)進(jìn)行前期預(yù)處理，提高歷史數(shù)據(jù)的準(zhǔn)確率。
　　(2)相比于其他智能預(yù)測(cè)算法，人工神經(jīng)網(wǎng)絡(luò)在自學(xué)習(xí)性、自適應(yīng)性、魯棒性、容錯(cuò)性和推廣能力方面性能表現(xiàn)

3、突出。當(dāng)前風(fēng)電功率預(yù)測(cè)中使用較多的人工神經(jīng)網(wǎng)絡(luò)是靜態(tài)神經(jīng)網(wǎng)絡(luò)，而利用靜態(tài)型神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，造成風(fēng)電功率序列喪失時(shí)變特性能力，因此預(yù)測(cè)精度不高。所以，本文選用能夠更好反映風(fēng)電功率動(dòng)態(tài)特征的Elman神經(jīng)網(wǎng)絡(luò)，給出Elman神經(jīng)網(wǎng)絡(luò)風(fēng)電功率預(yù)測(cè)算法。
　　(3)Elman神經(jīng)網(wǎng)絡(luò)所采用的網(wǎng)絡(luò)參數(shù)會(huì)影響網(wǎng)絡(luò)性能，而當(dāng)前在神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)階段，普遍采用固定梯度變化方向的梯度下降方法，采用這種方法會(huì)存在收斂速度慢、易陷入局部最優(yōu)解等缺陷，這些