相關(guān)向量機理論在風電功率實時預測中的應用.pdf

1、在我國，風電是目前最有潛力的，可以大力發(fā)展的非水電可再生能源。但同時風能的諸多自身特性，包括隨機性、不確定性等，使大規(guī)模風電并網(wǎng)存在一些困難。為了實現(xiàn)大規(guī)模風能的開發(fā)利用，以超短期風電功率預測為背景，吉林省多個風電場的實測數(shù)據(jù)為基礎，從風電功率的數(shù)據(jù)補齊、多步滾動的預測方法、風電功率預測的不確定性分析以及預測誤差的非參數(shù)擬合四個方面進行了全面的分析與研究。
　　對于風力發(fā)電的特性分析、功率預測、儲能配置等研究都需要在歷史數(shù)據(jù)的基礎

2、上進行展開，但實際中往往會由于各種原因?qū)е聰?shù)據(jù)不完整，缺失的數(shù)據(jù)可能會使系統(tǒng)變得混亂、難控制，或者存在越來越多的不確定性變化，這些情況都會對后續(xù)的分析估計造成很大的障礙?；谧畲笙嚓P(guān)最小冗余原則對風電場風電功率數(shù)據(jù)進行補齊，首先分析得出與功率有關(guān)的變量，然后根據(jù)互信息理論，對變量通過最大相關(guān)最小冗余的原則進行特征選取，挖掘特征與功率之間的聯(lián)系，最后根據(jù)這種聯(lián)系對功率數(shù)據(jù)進行補齊。結(jié)果表明特征選取是對高維數(shù)據(jù)進行降維的有效辦法，從原始特征

3、集中選出特征子集，保留原始特征集的有效信息，從而補齊缺失的數(shù)據(jù)。
　　風電功率預測的準確率越高，風能的利用率越高，因此，需要確定合理有效的預測方法，建立多步滾動的風電功率預測模型。相關(guān)向量機（RVM）是一種稀疏概率模型的學習機，具有很好的泛化學習能力，能有效地預測風電功率并且運行時間極快。同時引入集合經(jīng)驗模態(tài)分解（EEMD），將功率數(shù)據(jù)的初始序列分解成若干組平穩(wěn)的序列，該方法可以顯著提高預測精度，縮短運行時間。
　　由于任何

4、預測都具有不確定性，因此帶有置信區(qū)間的單點預測范圍可以降低電網(wǎng)和風電場運行的風險，整個系統(tǒng)的運行也就更安全穩(wěn)定。對風電功率預測的不確定性進行分析，可以把預測功率的單一值轉(zhuǎn)化成功率的估計區(qū)間。結(jié)果表明相關(guān)向量機的預測模型可以提供給定置信水平下的預測波動范圍。
　　對預測誤差進行擬合分布評價，通過對預測誤差的分布特征可以分析得出非參數(shù)估計與預測方法、預測時間間隔、預測誤差概率分布形態(tài)以及風電場裝機容量的關(guān)系，從而使系統(tǒng)穩(wěn)定持續(xù)地運行。