基于頻域分解的短期風(fēng)電負(fù)荷預(yù)測.pdf

1、風(fēng)電作為清潔能源,儲量巨大,但是風(fēng)電的隨機性和不確定性增大了大規(guī)模風(fēng)電并網(wǎng)的難度,阻礙了風(fēng)電的發(fā)展。如果能對風(fēng)電進(jìn)行準(zhǔn)確的預(yù)測,就可以有準(zhǔn)備地應(yīng)對風(fēng)電并網(wǎng)的困難,從而促進(jìn)風(fēng)電的快速發(fā)展。
　　為了提高風(fēng)電負(fù)荷預(yù)測的精度,本文將頻域分解的方法運用在風(fēng)電負(fù)荷預(yù)測中。該方法可以找到風(fēng)電的部分規(guī)律,在一定程度上克服風(fēng)電的不規(guī)則性。通過對原始負(fù)荷數(shù)據(jù)的頻域分解,將數(shù)據(jù)分解成日周期、周周期、月周期、低頻和高頻五個部分。根據(jù)這五部分各自的特點,

2、日周期部分和高頻部分可以分別用BP神經(jīng)網(wǎng)絡(luò)方法訓(xùn)練和預(yù)測;低頻部分是光滑的曲線,采用用一元線性回歸的方法預(yù)測。最后利用某風(fēng)電場的真實數(shù)據(jù)進(jìn)行仿真研究,驗證了上述方法的有效性。
　　為了進(jìn)一步提高預(yù)測精度,對于上述方法獲得的日周期部分和高頻部分,采用提升小波對該部分進(jìn)行三層小波分解,以去除噪聲,再用最小二乘支持向量機進(jìn)行訓(xùn)練和預(yù)測。低頻部分仍然用一元線性回歸的方法預(yù)測。然后將各部分的預(yù)測結(jié)果疊加,實現(xiàn)風(fēng)電負(fù)荷的高精度預(yù)測。仿真結(jié)果表