基于信號分解技術(shù)的組合模型在風(fēng)電功率預(yù)測中的研究.pdf

1、 A Thesis Submitted in Partial Fulfillment of the Requirements for the Degree of Master of Science A Signal Decomposition Technique Based Hybrid Model for Wind Power Prediction Candidate: Qingxiong Tan Major : Hydropow

2、er Engineering Supervisor: Prof. Xiaohui Yuan Huazhong University of Science & Technology Wuhan 430074, P. R. China May, 2017 華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文 I 摘 要 隨著化石能源的大量使用，能源危機(jī)和環(huán)境污染的形勢加劇，尋找可再生的清潔能源日益受到各國人民的密切關(guān)注。作為一種重要的

3、可再生能源，風(fēng)能由于蘊(yùn)藏量巨大、清潔無污染，且開發(fā)成本低，應(yīng)用前景十分廣闊。然而，由于受到風(fēng)向、氣壓、溫度等多種因素的影響，風(fēng)電功率具有很強(qiáng)的間歇性和不穩(wěn)定性，這些特性影響了風(fēng)能的大規(guī)模并網(wǎng)和風(fēng)力發(fā)電機(jī)組的控制操作，這樣制約了風(fēng)能的進(jìn)一步開發(fā)使用。對風(fēng)電功率進(jìn)行準(zhǔn)確預(yù)測是解決這些問題的有效辦法。傳統(tǒng)的預(yù)測方法多數(shù)是點預(yù)測模型，給出的是風(fēng)電功率的確定性值，但是由于風(fēng)能有較強(qiáng)的隨機(jī)性和波動性，點預(yù)測誤差是客觀存在的，這使得點預(yù)測的結(jié)果很難與

4、風(fēng)電功率的實際值完全一致，并且這一方法無法計算預(yù)測的確定值出現(xiàn)的概率。而建立在點預(yù)測的基礎(chǔ)上的區(qū)間預(yù)測可以給出不同置信度下風(fēng)電功率的波動范圍，這樣能更好的描述風(fēng)電功率的變化規(guī)律，從而幫助電網(wǎng)工作人員做出更加正確的決策。 因此，本文建立了一種基于信號分解的組合模型來對風(fēng)電功率進(jìn)行區(qū)間預(yù)測。首先，考慮到實際的風(fēng)電功率往往包含多個特性不同的固有模態(tài)成分，具有很強(qiáng)的波動性，本文使用了集成經(jīng)驗?zāi)B(tài)分解(Ensemble Empirical Mod

5、e Decomposition，簡稱EEMD)對風(fēng)電功率進(jìn)行處理，提取出不同的固有模態(tài)分量，從而將不穩(wěn)定的原始數(shù)據(jù)轉(zhuǎn)化為一系列相對穩(wěn)定的子序列。接著使用最小二乘支持向量機(jī)(Least Square Support Vector Machine， 簡稱 LSSVM)這種泛化能力強(qiáng)、 訓(xùn)練效率高的算法對各個子序列進(jìn)行預(yù)測。為了提高 LSSVM 的預(yù)測表現(xiàn)，一方面需要根據(jù)各個子序列的特性找到和輸出變量相關(guān)性大的輸入變量，另一方面還需要找到合適

6、的模型參數(shù)。不同于以往通過個人 經(jīng) 驗 來 確 定 模 型 輸 入 變 量 個 數(shù) 的 方 法 ， 本 文 采 用 了 偏 自 相 關(guān) 函 數(shù) (Partial Autocorrelation Function， 簡稱 PACF)技術(shù)來計算各個子序列不同時刻數(shù)值點之間的相關(guān)性，并將序列的滯后階數(shù)確定為模型輸入變量的個數(shù)。同時，為了對 LSSVM 的模型參數(shù)進(jìn)行優(yōu)化，本文首先使用具有較強(qiáng)全局尋優(yōu)能力的飛蛾火焰優(yōu)化(Moth-flame O