基于GACO支持向量機(jī)的新能源電力系統(tǒng)狀態(tài)預(yù)測方法研究.pdf

1、近年來，隨著化石能源的枯竭和環(huán)境污染問題日趨嚴(yán)重，新能源產(chǎn)業(yè)得到長足發(fā)展。新能源產(chǎn)業(yè)中，光伏和風(fēng)電作為優(yōu)質(zhì)的可再生能源獲得了廣泛的關(guān)注。隨著光伏、風(fēng)電技術(shù)的發(fā)展，其控制過程中的一系列難題也暴露出來。
　　對(duì)于光伏系統(tǒng)，其輸出功率具有不確定性和不連貫性，不可預(yù)知的功率在并網(wǎng)過程中會(huì)造成不利影響;對(duì)于風(fēng)電系統(tǒng)，控制過程中的重要變量風(fēng)速無法通過風(fēng)速儀準(zhǔn)確獲取，陣風(fēng)到來時(shí)也無法提前預(yù)知，影響風(fēng)電機(jī)組的控制與監(jiān)測策略，造成風(fēng)機(jī)載荷過大、風(fēng)機(jī)

2、使用壽命縮短等問題。
　　為解決上述問題，本文基于改進(jìn)仿生算法對(duì)支持向量機(jī)(Support VectorMachine，SVM)進(jìn)行優(yōu)化，并在此基礎(chǔ)上，設(shè)計(jì)光伏出力、風(fēng)速預(yù)測方法，以及陣風(fēng)判斷方法。主要研究內(nèi)容包括以下三方面:
　　(1)研究基于網(wǎng)格蟻群算法(Grid-aided Ant Colony Optimization，GACO)的支持向量機(jī)算法(GACO-SVM)。在智能生物仿真算法蟻群算法的基礎(chǔ)上，引入了網(wǎng)格搜索

3、算法對(duì)蟻群算法的局部搜索過程進(jìn)行優(yōu)化，從而融合網(wǎng)格法和蟻群法的優(yōu)點(diǎn)，進(jìn)而將GACO應(yīng)用于支持向量機(jī)參數(shù)選擇中。
　　(2)研究基于GACO-SVM的光伏系統(tǒng)功率產(chǎn)出預(yù)測方法。對(duì)典型的光伏模塊MSX60進(jìn)行分析和建模，結(jié)合澳大利亞光伏研究機(jī)構(gòu)提供的真實(shí)光照、溫度數(shù)據(jù)，計(jì)算光伏系統(tǒng)功率產(chǎn)出的理論值，作為支持向量機(jī)的訓(xùn)練樣本。仿真實(shí)驗(yàn)表明，訓(xùn)練得到的模型可對(duì)未來光伏功率產(chǎn)出進(jìn)行高精度的預(yù)測。
　　(3)研究基于GACO-SVM的風(fēng)