考慮風(fēng)速變化模式的風(fēng)速預(yù)報(bào)方法研究.pdf

1、風(fēng)力發(fā)電是目前新能源電力行業(yè)研究的熱點(diǎn)問題。風(fēng)電本身具有強(qiáng)隨機(jī)性和波動性,在我國近年來大量規(guī)?；L(fēng)電場投入運(yùn)營,已經(jīng)對電網(wǎng)的安全穩(wěn)定運(yùn)行帶來了很多問題,目前的風(fēng)電裝機(jī)容量已經(jīng)開始面對電網(wǎng)無法消納的困境。準(zhǔn)確的風(fēng)電場功率預(yù)測是解決該問題的重要基礎(chǔ),可以幫助電網(wǎng)制定合理的調(diào)度計(jì)劃,確定旋轉(zhuǎn)備用,安全經(jīng)濟(jì)地保證電網(wǎng)的運(yùn)行。風(fēng)是風(fēng)電機(jī)組出力的動力源,因此,準(zhǔn)確的風(fēng)速預(yù)測是實(shí)現(xiàn)風(fēng)電場功率預(yù)測的重要前提,而目前國內(nèi)對相關(guān)方面的研究尚處于起步階段。因

2、此本論文以風(fēng)電場風(fēng)速預(yù)測作為研究的主要內(nèi)容,具體工作如下:
　　首先提出了一種使用GPCA算法的基于模式的風(fēng)速預(yù)測方法。風(fēng)速序列在不同的天氣條件下有著不同的變化規(guī)律,本文使用GPCA算法,在原始的高維空間中找出多個低維子空間,即找出隱藏的不同模式,在每一種模式上分別建模。預(yù)測時,根據(jù)當(dāng)前輸入與歷史各模式的相似性給出了一種集成預(yù)測結(jié)果。
　　隨后本文引入了深度學(xué)習(xí)理論進(jìn)行風(fēng)速預(yù)測研究。深度神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的非線性映射能力,隨著

3、層數(shù)的增加,在高層神經(jīng)元可以提取出抽象特征,即通過網(wǎng)絡(luò)可以自動地將模式提取出來,無需事先聚類這一步驟。實(shí)驗(yàn)結(jié)果顯示深度神經(jīng)網(wǎng)絡(luò)的優(yōu)越性,可以有效提高精度。
　　之后本文研究了基于頻域多模式的風(fēng)速預(yù)測方法。風(fēng)速具有很強(qiáng)的多尺度特性,風(fēng)速信號可以看成具有不同頻率的信號的疊加,每一種頻率的信號可以看做具有一種模式。本文使用小波分解將原始序列分為多個子序列,在每一子序列上建立預(yù)測模型,根據(jù)各自的自相關(guān)性確定預(yù)測長度并進(jìn)行多尺度合成,實(shí)驗(yàn)結(jié)