超短期風(fēng)電場(chǎng)功率預(yù)測(cè)方法研究.pdf

1、能源作為影響人類(lèi)生產(chǎn)力發(fā)展一個(gè)重要因素，對(duì)能源的高效利用直接關(guān)系到整個(gè)人類(lèi)社會(huì)的發(fā)展。由于大部分能源的短期不可再生性，以及風(fēng)能的無(wú)償性、無(wú)污染性，使其地位變得越來(lái)越高。但是風(fēng)的非可控性卻給風(fēng)能并網(wǎng)帶來(lái)了很大的阻力，給電網(wǎng)穩(wěn)定性帶來(lái)了嚴(yán)峻挑戰(zhàn)，因此對(duì)風(fēng)功率的精確預(yù)測(cè)也變得不可或缺。
　　1、風(fēng)機(jī)數(shù)據(jù)預(yù)處理及統(tǒng)計(jì)規(guī)律研究。在對(duì)風(fēng)電場(chǎng)功率進(jìn)行預(yù)測(cè)建模時(shí)，歷史數(shù)據(jù)作為建模的基礎(chǔ)，需要對(duì)其完整性和真實(shí)性進(jìn)行評(píng)估和處理。因此，本文將首先對(duì)風(fēng)電

2、場(chǎng)SCADA（Supervisory Control And Data Acquisition）系統(tǒng)采集到的數(shù)據(jù)進(jìn)行數(shù)據(jù)檢驗(yàn)和數(shù)據(jù)修訂。文中將通過(guò)參考各個(gè)測(cè)量參數(shù)的合理范圍值來(lái)對(duì)數(shù)據(jù)進(jìn)行檢驗(yàn)，對(duì)于檢驗(yàn)出的錯(cuò)誤數(shù)據(jù)采用插值法進(jìn)行修正。并通過(guò)風(fēng)速的相關(guān)性對(duì)缺失的風(fēng)機(jī)的運(yùn)行數(shù)據(jù)進(jìn)行修訂。對(duì)風(fēng)電場(chǎng)歷史運(yùn)行和測(cè)量數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)研究得到了一些后面研究中要用到的結(jié)論。
　　2、基于互信息冗余性分析的風(fēng)電功率預(yù)測(cè)建模。人工神經(jīng)網(wǎng)絡(luò)以其強(qiáng)悍的非線性

3、擬合能力和易操作性，使其在風(fēng)功率預(yù)測(cè)方法中占據(jù)很多的席位。但是神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)性能對(duì)其輸入變量和訓(xùn)練樣本有著強(qiáng)依賴(lài)性，因此對(duì)確定最優(yōu)輸入變量的研究具有一定的工程實(shí)用價(jià)值。本文提出了一種基于互信息冗余性分析的方法，對(duì)神經(jīng)網(wǎng)絡(luò)風(fēng)電功率預(yù)測(cè)模型的輸入變量進(jìn)行篩選，以使獲得的輸入變量與目標(biāo)變量的相關(guān)性最大，并且使這些變量間的冗余性最小。引入交叉驗(yàn)證法來(lái)獲取最優(yōu)的冗余性分析參數(shù)。經(jīng)湖南郴州某風(fēng)場(chǎng)實(shí)測(cè)數(shù)據(jù)驗(yàn)證了基于互信息的冗余度分析方法能有效去除冗余

4、的輸入變量，并且能在減少輸入變量的情況下改善神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)性能。
　　3、基于分子動(dòng)優(yōu)化算法的風(fēng)電功率不確定性預(yù)測(cè)建模。由于風(fēng)的瞬變性和不穩(wěn)定性以及風(fēng)速和風(fēng)電功率之間存在非線性關(guān)系，使得風(fēng)功率誤差是不可避免的，因此對(duì)預(yù)測(cè)風(fēng)電功率的不確定性分析也具有很大的實(shí)用意義。對(duì)此，本文提出了一種神經(jīng)網(wǎng)絡(luò)區(qū)間預(yù)測(cè)模型來(lái)對(duì)風(fēng)功率預(yù)測(cè)不確定性進(jìn)行分析，通過(guò)引入預(yù)測(cè)區(qū)間覆蓋概率(Prediction Interval Coverage Probabi