風能及光伏發(fā)電功率短期預測方法研究.pdf

1、智能電網(wǎng)的快速發(fā)展使微電網(wǎng)與傳統(tǒng)大電網(wǎng)并網(wǎng)的分布式能源并網(wǎng)技術成為當前的一個研究熱點。風能和太陽能都是“取之不盡，用之不竭”、環(huán)境友好型的可再生能源，受到越來越廣泛的重視，并成為發(fā)展速度最快的新型能源。但是風能和太陽能都具有不穩(wěn)定、間歇性和不可控性等特點，給微電網(wǎng)與傳統(tǒng)電網(wǎng)的并網(wǎng)運營帶來很多挑戰(zhàn)，同時也對電力系統(tǒng)的安全、穩(wěn)定運行以及電能質量帶來嚴峻威脅，從而限制風能發(fā)電及光伏發(fā)電的發(fā)展規(guī)模與前景。解決這些問題的關鍵是能精確對一段時間內微

2、電網(wǎng)的發(fā)電功率進行提前預測。在此背景下，本文選擇風電和光伏發(fā)電的短期發(fā)電功率預測作為研究內容。
　　 本文首先對已有的風電及光伏發(fā)電功率預測方法進行歸類總結，并分析各類方法的優(yōu)缺點。其次，基于經(jīng)驗模態(tài)分解和神經(jīng)網(wǎng)絡技術分別為風電功率和光伏發(fā)電功率構建短期預測模型，進行提前一小時的發(fā)電功率預測。對于風電功率預測模型，首先利用經(jīng)驗模態(tài)分解將原始風電功率信號分解為多個本征模分量和一個剩余部分，然后對這些分量分別構建基于徑向基函數(shù)神經(jīng)網(wǎng)

3、絡的預測模型，最終聚合所有分量的預測值得到風電功率的預測結果。對于光伏發(fā)電預測模型，同樣利用經(jīng)驗模態(tài)分解將原始發(fā)電功率信號分解為多個本征模分量和一個剩余部分，然后對這些信號分量分別構建基于遺傳算法-BP神經(jīng)網(wǎng)絡的預測模型，最終聚合所有分量的預測值得到光伏發(fā)電功率的預測結果。針對BP網(wǎng)絡傳統(tǒng)訓練算法存在的不足，創(chuàng)造性地提出將自適應遺傳算法與誤差反向傳播算法相結合的混合算法來作為BP網(wǎng)絡的學習算法。
　　 在此基礎上，對浙江省電力試