您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
风电功率预测系统的研究与开发.pdf40页
本文档一共被下载：
次 ,您可免费全文在线阅读后下载本文档
文档加载中...广告还剩秒
需要金币：200 &&
你可能关注的文档：
··········
··········
我国的风电已经进入了快速发展期，对风电场输出功率进行预测是增加风电
接入容量、提高电力系统运行安全性与经济性的有效手段。
本文分析了国内外风电功率预测技术的研究现状、预测方法及基本原理；在
此基础上，设计了风电功率预测系统的框架，建立了风电功率预测系统。该系统
以数值天气预报为基础，充分考虑了空气湿度、温度和压强对风电场输出功率的
影响；利用基于误差反向传播算法的多层前向神经网络 BaCk
Propag撕0nNeural
Ne柳ork，BP神经网络 对风电功率进行预测。系统采用分层结构，有利于系统
功能的拓展和维护；预测系统软件可根据不同的需要采windows操作系统平台
和Uni玑inu 【操作系统平台，具有良好的人机界面，且实现了与能量管理系统
EnergyManagement
System，EMS 的无缝连接。
该系统已经应用于某省电网调度中心，测试数据的预测结果表明：该预测系
统工作可靠，预测结果误差满足工程要求。
关键词：风电功率预测；BP神经网络；数值天气预报
h觞entered也e
prediction
r印iddeVel叩ment．Windpower
t0increase也ewind
ve巧effectiVeway
powerpene仃ation趾dimproVesecudt ，
economypowersystem．
mercsearchsituationofmewiIld
p印er粕alyzes
powerprediction
正在加载中，请稍后... 上传我的文档
 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
短期风电功率预测技术研究
下载积分：1998
内容提示：短期风电功率预测技术研究
文档格式：PDF|
浏览次数：13|
上传日期： 20:19:15|
文档星级：
该用户还上传了这些文档
短期风电功率预测技术研究
官方公共微信942014-空间相关性的风电功率预测研究综述
上亿文档资料，等你来发现
942014-空间相关性的风电功率预测研究综述
２０１４年７月２５；第３８卷第１４期；Vol．３８No．１４；Jul５,２０１４y２；:/DOI１０．７５００AEPS２０１３０９１１；基于空间相关性的风电功率预测研究综述；()中国农业大学信息与电气工程学院,北京市１００；叶林,赵永宁；摘要:由于风电具有很强的随机性和波动性,因此大规；造成很大的影响.如何准确预测区域风电场的功率已经；０引言；风能的间歇性和
２０１４年７月２５日第３８卷　第１４期Vol．３８　No．１４Jul５,２０１４y２:/DOI１０．７５００AEPS２０１３０９１１００４基于空间相关性的风电功率预测研究综述()中国农业大学信息与电气工程学院,北京市１０００８３叶　林,赵永宁摘要:由于风电具有很强的随机性和波动性,因此大规模风电并网会对电力系统的运行和稳定性造成很大的影响.如何准确预测区域风电场的功率已经成为当今电力系统亟待解决的研究课题.现有的风电功率预测方法未考虑空间相关因素,预测体系有待进一步完善.基于空间相关性的风电功率预测是一种考虑了本地信息和空间相关信息的综合预测方法.文中给出了基于空间相关性的风电功率预测的定义、概念和基本特点,分别从统计模型、物理模型、空间降尺度过程和空间升尺度过程４个方面详细阐述了基于空间相关性的风电功率预测的实现方法,并对空间相关性在风电功率预测方面应用的最新国内外研究进展作了系统的分析评述.最后,针对该领域尚存在的问题与不足,总结了今后的发展方向和需要进一步探索的研究内容.关键词:空间相关性;风速;风电功率;功率波动;功率预测０　引言风能的间歇性和随机性决定了风电功率具有很强的波动性,随着风电场数量的增多和装机容量的不断增大,一旦将风电并入电网,这种功率波动将给电网的安全经济运行带来巨大挑战.提前对风速和风电功率进行准确的预测,可以缓解电力系统调峰、１].调频的压力,有效提高电网对风电的接纳能力[目前,国内外对于风电功率预测课题的研究越来越广泛和深入.在各种预测方法中,最简单直接的是将最近一点风速或功率观测值作为下一点预测]２,值的持续法[该方法模型简单,但是随着时间尺度的增大,其精度快速下降.其他常用的高级方法有]３４Ｇ５]６Ｇ７]、、、卡尔曼滤波[时间序列[人工神经网络[模]８]９、糊逻辑[支持向量机[等统计、智能方法.这些方法都有各自的适用性和局限性,但它们有一个共同风电场以及与之相近几个地点的多组风速数据,运用几个地点风速之间的空间相关性,考虑物理影响]１１.该方法因素进行风速预测,进而预测风电功率[在预测过程中考虑的因素较多,所以预测效果较好.因此,采用空间相关性法对风电功率进行预测,能够有效提高预测精度,对保证电网稳定运行和供电系统的可靠性具有重要的意义.目前,基于空间相关性的风电功率预测尚未形成一套完整的理论体系.本文给出了基于空间相关性的风电功率预测的定义、概念以及基本特点,阐述了空间相关性在风电功率预测领域的国内外研究现状及应用,并对其应用前景和主要发展方向进行了归纳总结,从而为今后建立高精度的空间相关性预测模型提供理论依据.的特点:均只需预测单一风速或风力发电功率时间序列,通过对该时间序列数据进行统计处理,建立预测模型,进而对未来风速或风力发电功率进行预测.预测过程中仅需要风电场的历史数据和实时数据,便于实现,但是这些方法忽略了风电场区域内的地理地形数据、风向、粗糙度、温度、气压以及各个风电机组或风电场之间的空间位置关系等物理因素的影响,因而预测方法体系和模型预测精度都有待于进１０].一步完善、提高[１　基于空间相关性的风电功率预测的定义风电场风速或风电功率之间的空间相关性是指不同空间位置处的风电场或风电机组的风速或功率在空间上的相关程度.风电场或风电机组的风速及功率在空间上并非统计独立,而是具有一定的关联性.某个特定位置的风速值和功率值不仅在时间上有一定的自相关性,而且在空间上受到其他处于不１２](同位置的风电场或风电机组[如尾流效应)以及所处空间的拓扑结构(如风电机组的排布,风电场的地形、粗糙度)和环境条件(如气压、温度等)的影１３].因此,响[可以根据风速在空间中呈现的变化连续性和相关性特点,通过统计或物理学方法,考虑风与上述各种方法不同,空间相关性方法考虑了收稿日期:２０１３Ｇ０９Ｇ１１;修回日期:２０１４Ｇ０１Ｇ２３.).国家自然科学基金资助项目(５１０７７１２６,５１１７４２９０电机组间的尾流效应、风电场的地形、气压、温度等―１２６―??综述??　叶　林,等　基于空间相关性的风电功率预测研究综述的变化,在已知的不同位置点或区域(规则或不规则分布)之间建立合适的空间相关模型,就可以由若干个位置或区域的已知风速、功率值推测相邻位置或区域的未知风速和功率值.风速的空间相关性的特点表现在３个趋势]１４:上[①风电机组或风电场之间的连线越趋近于风向,风电机组之间或风电场之间的风速空间相关性越显著;风电机组之间或风②选取的时间尺度越大,电场之间的风速空间相关性越显著;③风电机组距离地面越高,风电机组之间的风速空间相关性越显２　空间相关性在风电功率预测中的应用及研究现状国外对空间相关性研究起步较早,但是仅局限于使用统计方法,如人工神经网络,对风速进行预测,鲜见利用空间相关性直接对区域风电场的功率进行预测的研究成果.国内对空间相关性的研究处于起步阶段,并未形成空间相关性研究完整的理论体系.２．１　基于空间相关性的统计预测模型著.根据研究对象的空间尺度的不同,可以将基于空间相关性的风电功率预测分为两类:第一类是以风电机组为基本单元,研究各台风电机组之间的时空关系、风电机组与周围环境参数之间的关系以及风电机组与整个风电场之间的关系等,以各台风电机组的发电功率或整个风电场的发电功率为输出结果;第二类是以风电场为基本单元,研究各个风电场之间的时空关系、风电场与周围环境参数的关系以及风电场与整个风力发电区域之间的关系,以单个风电场或者区域风电场的发电功率作为输出结果.按照所采用的方法不同,空间相关模型可以分为两种:①忽略风速在空间中的复杂物理变化过程,以各风力发电机或风电场的历史风速和功率数据为基础,构建统计模型或其他智能方法的数学模型,这种模型可以先预测风速然后通过风电机组或风电场的功率曲线转化为功率输出值,也可以直接预测功率[１５];②模拟风速从一点到另一点的变化过程中,受障碍物、粗糙度、气压、温度等地形和气象变量影响的复杂大气运动的物理模型,该模型一般需要先预测风速值,再转换为功率值[１６Ｇ１７]风电场间的相关性可分为正相关.、负相关以及不相关.如果功率在一个场址增加,在另一个场址也增加,则这两个场址正相关,反之则为负相关.当一个风电场的功率增加,可能伴随着另一个风电场的增加、减少或者没有改变,那么这两个风电场就是不相关的,即彼此之间统计独立.如果风电场之间存在正相关性或负相关性,且两个风电场的风速或功率数据之间的时间延迟性是连续的,就可以利用这种相关性,由已知风电场数据来预测未知风电场的数据.此外,根据功率输出时间阈值的大小,可分为低频相关和高频相关.低频相关,即时间尺度越长,风电场之间相关性越强,因此,可以由上游风电场的功率输出来预测下游风电场的功率.高频相关,功率输出的时间尺度越短,相关性越不显著[１８].由于风速的物理特性和地形的影响,空间相关点之间的风速时间序列有很强的关联性和延时性,通过对风电场与空间相关点风速时间序列之间的关联度分析,将未来预测时段分成若干个时段,在每个时段内分别选择关联度高的相关点的风速数据,作为智能学习算法的输入数据进行训练和预测,这种模型不仅考虑了自身的风速数据还考虑了与之相邻点的风速数据,与持续法相比,其预测精度得到了显著提高[１３,１９]根据参考点预测其他点的风速和功率的关键在.于找出与待测点之间相关性较高的参考点,并确定其最优时延(.对此,可以通过求取样本互相关函数值点来确定用于空间相关模型训练和预测的最优延samplecrosscorrelationfunction,SCCF)[２０]的极迟时间.对于一对风速时间序列(Xt为k时,其SCCF的值可以由下式给出,Yt:),当延时rxy(k)＝Cxy(k)xx(１)Cn－k(０)Cyy(０)xy(k)＝n１Xt()Cxx∑t＝(－XM)Yt＋k－YM)(２式中:和x＝(０)和C１yy(０)表示当k＝０,分别使y＝xXy时,Cxyk)两个测风点之间的M和YM分别为对X应的值;n为时间序列的长度;(t和SCCYFt的平均值.值越高,且其中作为参考点的测(测风点风速进行预测的精度就越高即功率谱上各频率对应的幅值越大风站的风速数据所包含的.)由于,信则对另一个息量越大,没有具体、显式的函数表达式SCCF是非传统意义上的函数且取值离散,其大小与延时k的取值大小有关,目前通常采用反复试验的方法求取在一定k值范围内的极值.当风电场的地形复杂,且测风位置分布不规则分散时,传统的相关性计算方法不再适用.为了克服这个D(缺点,可以采用定向点累积的半变异函数dPiCreScVtio)n方法来获取与局部空间位置风速和海拔变alpointcumulativesemiＧvariogram,―１２７―()２０１４,３８１４]２１.首先,化相关的信息[根据可用的历史数据,计算样本的D然后将其转换为本地空间相PCSV值,　,,关函数(localsatialdeendencefunctionLSDF)pp从而根据LSDF函数值找到与待预测点相关度较高的相邻测速点的位置.L可应SDF与SCCF相似,用于不同数据类型,计算效率高.此外,国内学者用空间平移法对传统空间相关]]１３２２.假设A和B为没有严格排列在法[进行改进[同一风向下的两个测风点,将B点按与风向垂直的时间的平滑函数,此函数迅速增长到最大值然后缓２５].由于预测系统的惯性,慢减小[某一地点在时间和空间上的预测误差与另一地点的预测误差相关联.风向和风速对相关性的影响都很大,一般来讲,两个风电场的连线方向与盛行风的方向越相近,则两个风电场预测误差之间的相关性越大.而风速大小对风电场之间的误差相关性的影响表现在:风速越大,距离较远的风电场预测误差之间的相关性越强,而当风速较小时,风电场预测误差之间的互相关性显著减小,更多的是表现在风电场预测误差的自方向投影到过A点的直线上,就可以用B点风速的水平分量参与相关计算.通过空间平移法,一个风向上的空间相关点的数据可以在多个风向上都具有有效性,从而减少了空间相关点的个数,避免了原先的空间相关法对数据集的严格要求.空间平移法如图１所示.B1Fig．１　M图eth１o　do空间平移法fspatialtranslation处于不同地理位置的分散风电场平均出力之间的相互关系取决于风电场之间的距离和平均出力时间.分散风电场的总出力是间隔距离与平均出力时间的函数.间隔距离越近,平均出力时间越长,则相关系数越大.例如风电场间的距离为数十或几百千米,它们的地理位置出现差异,甚至风资源的特性将存在差别,这时两个风电场出力的相关系数将趋于变小,这时应用空间平滑法预测大区域内多个风电场的总出力比使用线性放大法更贴近于实际[２３]由于造成风电功率预测不确定性的因素很多.,因此获得的只是可能性结果,还需要对风电功率预测误差的空间相关性进行深入的分析研究.当预测同一地区内分布风电场的功率输出时,如果考虑各电场预[间相关性建模２４]提出的方法测误差之间的空间相关性,可以采用文献,即利用蒙特卡洛理论对预测结果的,基于风电功率预测不确定性的空不确定性进行空间建模,建模过程分为３个步骤:①概率预测的边际分布检索;应估计;③蒙特卡洛抽样计算风电功率空间相关的②协方差矩阵的自适情况.该方法的优势在于考虑了各区域之间预测结果的不确定性所包含的关联特性.两个不同风电场预测误差之间的相关性是关于―１２８―相关性上[２６]．２　基于空间相关性的物理预测模型.由于统计方法需要历史数据的支持,对于新建风电场的功率预测存在较大困难,基于物理方法的功率预测是另一种重要的预测方法[２７]侧重于描述风电场内相关气象要素(如风速.物理、风向方法、气温等)随着空间位置的物理变化过程.早在２０世纪９０年代,丹麦Ris?国家实验室开发的风电功率预测系统了比较完善的物理预测方法体系Predictor[１７,２８]就已经采用.首先,根据数值天气预报(供的风速、风向nume、r气压icalw、气温等气象要素预报值以及eatherprediction,NWP)提风电场周围等高线、粗糙度、障碍物等信息,采用微观气象学理论或计算流体力学[２９]方法计算得到风电机组轮毂高度的风速、风向、气压、气温等信息.然后根据风电机组的功率曲线计算得到每台风电机组的功率预测值,再考虑风电机组间尾流影响,最后对所有风电机组的预测功率求和,得到风电场的功率预测值.这种方法通常利用全球数据库的气象测量模型或者大气中尺度模型,需要超级计算机系统的支持来取得精确的预测结果[３０]物理方法尽可能多地考虑风电场空间内的物理.信息以达到对本地风速的最佳预测效果,最后使用模型输出统计(小残差.物理模型的输入信息包括以下两部分modeloutputstatistics,MOS)来[３１]减.数据和用于１)动态信息MOS:由气象单位提供的数值天气预报的在线实测数据组成.数、风电功率曲线等２)静态信息:对风电场配置的描述);对风电场地形的描述(风电机组台(包括山地、粗糙度、风电机组排布和障碍物等).物理预测模型的整体结构如图２所示.在预测风电场风电功率时,也可以考虑只根据NWP推算出一台或若干台风电机组轮毂处的风速、风向信息,然后根据由风电场内风电机组间的空间排布关系推导出的空间相关矩阵得到其他风电机组的风速、风向,进而得到风电功率预测值.２??综述??　叶　林,等　基于空间相关性的风电功率预测研究综述机组的风电场以及包含多个风电场的区域集群风电场将是今后空间相关性预测的重点.在风电场中,由于尾流效应,位于下风向的风电机组的风速要低于位于上风向的风电机组的风速,图Fig２．２　　基于物理原理的风电场功率预测方法结构图Stmruetchtuordbaladsieadogranmophfwysiicnaldpproinwceirplperediction文献[法[３３Ｇ３４]３２]利用计算流体力学中的有限体积布关系,,根据风电场风电机组之间的空间位置及排推导出了风电场空间相关矩阵.将第一排风电机组轮毂高度处的风速值输入风电场空间相关模型,得到整个风电场所有风电机组的输入风速,利用风电场实际功率曲线将风速、风向转换为风电场的功率输出.图测的示意图[３５.３所示为利用空间相关矩阵进行预]!A0Fig．图３　３S　c风电功率预测的空间相关示意图uhseedmaitnwicdiinadgrpaomowerfpsrpeadtiicatliocnorrelation由单台风电机组的风速或功率推算出多台风电机组的输入风速或输出功率,现有的研究只是点对点的,或者单排风电机组之间的输入风速之间的关系,因此,如何由单个风电机组过渡到包含多台风电风电机组相距越近,前面风电机组对后面风电机组风速的影响越大[３６]电功率预测有很大的参考价值.研究尾流,效在很大程度上可以应对风电场的风根据尾流效应造成的各风电机组之间风速和功率的差异来纠正并改善风电功率预测结果.丹麦减进行了建模分析Ris?国家实验室对大型风电场的风速衰,考虑风电机组之间的尾流效应,提出一种控制体积模型来模拟风电机组之间输入风速的空间关系,并分析了尾流效应、地转风、摩擦因子以及大气边界层高度等因素对风速变化的影响.图４为无限大风电场对边界层的影响.该模型的局限性在于仅分析了两台风电机组之间的风速关系文献[特性的影响３７]对比分析了尾流效应对风电场动态和静态.,以及风向与风电场布局对尾流的影响,并在单尾流模型的基础上,提出了多尾流模型来模拟风电场风电机组之间的风速关系,并得出结论:下游风电机组的风速与上游风电机组的输入风速、风电机组之间的距离、风电机组直径、尾流下降系数、风向和风电场布局等因素有关.Fig．４图　４Iom　无限大风电场对边界层的影响nptahcetpolfanaentairnyfinbiotuelnydalarryglewayeirndfarm风电场内风电机组的排布方式直接影响风电场内气流的流动特性.在单位区域内风电机组的数量相同的情况下,由于风电机组空间排布不同,会导致风电机组之间在动能捕获、尾流剪切力以及湍流强度上的显著差异[３８Ｇ３９]和对齐排布的风电场结构图.图５和图.６分别为交错排布大气涡流的变化会影响到两个测风塔之间的空间相关性.一般来讲,当大气运动(涡流)的空间尺度比两个测量点之间的距离大时,两点之间的相关性较大,反之当大气运动的空间尺度比两个测量点之间的距离小时,两点之间的相关性较小.从物理概念上来讲,这意味着低频时(大时间尺度)两个测―１２９―()２０１４,３８１４　４２].风图７所示为风电场周围测风塔示意图[电场周围设有３个测风塔,若将３个测风塔处测得量塔之间的风向相关性较大.当频率越来越高时,相关性越来越弱,当周期为１h甚至更短时,相关性４０].几乎显现不出来[的风速转化为某一台风电机组轮毂高度处的风速,Fig．５　Structu图re５o　ft交错排布风电场结构图hestaggeredwindfarmconfigurationFig．６　Struct图ur６e　of对齐排布风电场结构图thealignedwindfarmconfiguration．３　空间降尺度物理降尺度模型类似于个较高的分辨率运行在一个小区域NWP模型,但是以一.实际上,从数值天气预报到轮毂高度处风速和风向的转变过程即为物理降尺度过程.该过程的主要思想是使用风电场的物理参数来修正NWP预测值,这些参数包括粗糙度、障碍物等,此外还需要风速对数轮廓线,有时还要考虑大气稳定性,通常有两种方法来完成这些工作:电场的风速①综合风速对数轮廓线和地转风来获取风[１７]精确描述风电场的地形;②采用计算流体力学([４１]CFD)方法来统计学上的降尺度也称为经验降尺度.,是由大尺度气候信息获取小尺度气候信息的有力工具.首先,发现和确立大尺度气候要素(预报因子)和局地气候要素之间(被预报量)的经验关系;然后,将这种经验关系应用于全球模式或区域模式的输出.即只要给出全球模式(格点上)的输出,就可获得任一地点的相关信息[２７]即根据已知的几个点的数据来预测未知某一个点的.将其运用到风电场功率预测上,数据.为了获得所需的几组风速数据,需要在风电场周边区域设置几个远程测速站.风电场本地以及各个远程测速站测得的实时风速数据经中心计算机处理,利用风电场与各个测速站处风速之间的空间相关性,对风电场的风速进行预测.―１３０―需要运用降尺度的方法.由于各风电机组和测风塔之间的数据存在一定的差异,由此会造成对风电预报的误差.所以,为保证风电预报的准确性,必须采取合理的插值方案将测风塔数据插值到风电机组轮毂高度水平.&M??@0????图Fi７g　．７　风电场周围测风塔位置分布示意图Dmisatsrtisbuatrioounondwftihnemdfeatremorological．４　空间平滑效应与升尺度预测风电功率预测主要是为风电并网服务的,而电力系统调度以及电力市场交易更关心的是一个区域的风电总出力值,在大多数情况下,一个区域内的风电机组并非都有可用的在线数据[４３]内的所有风电场不可能具有相同的,风而且一个区域速,且预测误差具有时空分布性,因此对一个区域的预测NWP误差小于对单个风电场的预测误差,也就是说预测误差具有空间平滑效应,而误差减小的幅度则依赖于所选区域的大小和该区域所包含的风电场的数量,但是当风电场的数量达到一定程度时,误差减小的程度就会达到“饱和”水平,即不再随着风电场的数量进一步减小[４４Ｇ４６]此外,由于单个风电场的功率波动转移到了区.域功率中,因为平滑效应而使得预测出的区域功率相对波动幅度也会变小[４７]域出力值和具有可用在线数据的若干参考风电场的.因此,有必要在一个区出力值之间建立起联系,从而只需要一定数量的风电场就可以较准确地预测出整个区域的风电出力[４８]平滑效应的程度主要取决于一个区域中各个风.这个过程一般被称为升尺度或区域预测.电场之间的空间相关性、该区域包含风电场的数量以及风电场在该区域的分布情况.不过一般情况下,只要满足两个条件就可以采用升尺度算法:;,区域功率波动幅度值②①区域的实测功率值和预测值的波动幅度相当随着区域内风电机组数量的增多有收敛的趋势.升尺度过程的一种典型思路是[４９Ｇ５２]:将大的区２２包含各类专业文献、生活休闲娱乐、各类资格考试、幼儿教育、小学教育、专业论文、文学作品欣赏、中学教育、942014-空间相关性的风电功率预测研究综述等内容。　
　风电功率预测问题研究_社会学_人文社科_专业资料。风...等相关软 件进行预测分析,解决了风电功率预测问题。...2014年12月大学英语四级经典参考范文157份文档 2015... 　风电功率预测问题摘本文研究了风电功率预测的问题。...预测结果是否满足附件 1 中的关于预 测精度的相关...2014全国计算机等级考试 全国计算机等级考试一级练习题... 　11 一、风电功率预测 风速、风向、气温、气压等的...空间相关性法该方法需要考虑风电场以及与之相近几个...2014年驾照交规 日起“驾照新规”出炉 ... 　风电功率的预测一、风电功率预测 风速、风向、气温...空间相关性法该方法需要考虑风电场以及与之相近几个...2014下半年教师资格...专题 2014教师资格材料分析辅... 　风电功率实时预测及误差分析.对相关数据进行风电功率...风电场风速及风电功率预测方法研究综述 . 电网与...文档贡献者 cxdhzch 贡献于 专题推荐 ... 　风电功率预测技术及数据传输分析_电力/水利_工程科技...2014证券从业资格考试 2014证券资格证券交易高分突破...相关文档推荐 暂无相关推荐文档2015 Baidu 使用百度... 　模型来研究和探索风电功率的预测以及提高预测精度问题...预测结果是否满足附件 1 中的 关于预测精度的相关...2014年细分行业研究报告年度盘点 2014年移动互联网O2O... 　风电功率预测问题_工程科技_专业资料。风电功率预测...根据时间序列的自相关、 偏相关函数分析图,对可行阶...2014年全国注册造价工程师 建设工程造价管理重点整理 ...风电功率组合预测研究--《华北电力大学（北京）》2011年硕士论文
风电功率组合预测研究
【摘要】：随着风电技术的日益成熟,风电成本日益降低,风电的并网容量得到了增加,但是风电本身固有单位功率密度低、波动性和随机性强等特点,给电网的调度和运行成本带来了问题,为了合理安排调度计划,保证电力系统稳定运行,进一步增加电网对风电的接纳能力,需要对风电输出功率进行较为准确预测。国内外学者在针对风电功率预测方面作了大量研究。研究表明,不同的预测方法包含着不同的信息,因此组合预测能有效地利用各信息提高预测精度。
目前,在风电功率预测方面的研究有一定的局限性：(1)预测精度有待提高；(2)中长期预测精度偏低,且缺少有效地预测方法；(3)在预测过程中,如何把各种预测方法有效地进行组合。今后的发展趋势是在研究新方法的基础上,进行有效地组合预测,达到较高预测精度和较长预测尺度的要求。
本文对风电功率组合预测理论进行了详细的分析。分析了时间序列法、灰色神经网络法、小波神经网络法。在基于单项预测基础上,提出熵权法、合作对策论法、基于误差绝对值和最小的组合预测模型和基于向量夹角余弦的组合预测模型应用于电风电功率预测。最后,结合实例,分析了我国北方某风场的风电功率单项预测结果和组合预测结果,对预测结果进行分析和比较。
【关键词】：
【学位授予单位】：华北电力大学（北京）【学位级别】：硕士【学位授予年份】：2011【分类号】：F224;F426.61【目录】：
Abstract6-9
第1章 绪论9-16
1.1 课题研究的背景9-11
1.1.1 世界风能发展现状9-10
1.1.2 我国风电发展现况10-11
1.2 课题研究的意义和目的11-12
1.3 风电场功率预测研究现状12-15
1.3.1 国外研究现状12-14
1.3.2 国内研究现状14-15
1.4 本论文的主要研究内容15-16
第2章 单项预测方法研究16-40
2.1 引言16-18
2.2 时间序列分析法18-30
2.2.1 时间序列分析法的基本理论18-20
2.2.2 时间序列分析法的建模过程20-27
2.2.3 时间序列分析法的预测结果27-30
2.3 灰色神经网络预测法30-34
2.3.1 灰色理论30-31
2.3.2 灰色神经网络31-33
2.3.3 灰色神经网络预测结果33-34
2.4 小波神经网络预测法34-39
2.4.1 小波理论34-35
2.4.2 小波神经网络35-37
2.4.3 小波神经网络模型建立37-38
2.4.4 小波神经网络预测结果38-39
2.5 本章小结39-40
第3章 组合预测模型研究40-49
3.1 引言40-41
3.2 熵值法确定组合预测权系数41-43
3.2.1 熵值法基本原理41-42
3.2.2 熵值法计算步骤42-43
3.3 合作对策法确定组合预测权系数43-45
3.3.1 合作对策论的基本原理43-45
3.3.2 合作对策论的计算步骤45
3.4 以误差绝对值和达到最小的线性组合预测模型45-46
3.5 基于向量夹角余弦的最优组合预测模型46-48
3.6 本章小结48-49
第4章 短期风电功率预测算例分析49-64
4.1 引言49
4.2 各单项预测方法的预测误差统计49-52
4.2.1 时间序列分析法预测误差统计49-50
4.2.2 灰色神经网络预测误差统计50-51
4.2.3 小波神经网络预测误差51-52
4.3 组合预测算例分析52-62
4.3.1 预测效果评价指标52-53
4.3.2 各组合预测权重系数的确定53-59
4.3.3 组合预测效果评价59-62
4.4 本章小结62-64
第5章 结论与展望64-66
参考文献66-69
攻读硕士学位期间发表的学术论文70-71
欢迎：、、)
支持CAJ、PDF文件格式
【引证文献】
中国期刊全文数据库
王贺;胡志坚;张翌晖;张子泳;张承学;;[J];电力系统保护与控制;2012年24期
梅生伟;朱建全;;[J];自动化学报;2013年02期
严干贵;宋薇;杨茂;王东;熊昊;;[J];电网与清洁能源;2012年05期
中国硕士学位论文全文数据库
孙峰芳;[D];北方工业大学;2012年
陈标;[D];湖南大学;2012年
王俊橙;[D];西南交通大学;2013年
赵庆堂;[D];兰州理工大学;2013年
【参考文献】
中国期刊全文数据库
王丽婕;廖晓钟;高爽;冬雷;;[J];北京理工大学学报;2007年12期
陈雁;王福林;;[J];东北农业大学学报;2008年04期
尹明;王成山;葛旭波;张义斌;;[J];电工技术学报;2010年09期
仇卫东;王智冬;李隽;;[J];电力技术经济;2008年01期
刘振亚;;[J];电力建设;2006年10期
杨正瓴,张广涛,林孔元;[J];电力系统及其自动化学报;2004年02期
吴昌友;王福林;董志贵;索瑞霞;;[J];电网技术;2009年02期
于静文;薛蕙;温渤婴;;[J];电网技术;2010年02期
康顺;魏慧荣;;[J];工程热物理学报;2008年12期
曾勇，唐小我，曹长修;[J];管理工程学报;1995年03期
中国硕士学位论文全文数据库
岳艳春;[D];电子科技大学;2006年
史宁;[D];哈尔滨工业大学;2008年
张进;[D];安徽大学;2010年
【共引文献】
中国期刊全文数据库
侯宜祥;;[J];安徽电气工程职业技术学院学报;2010年03期
储茂得;周松林;;[J];安徽科技学院学报;2011年01期
王玉昆;张勇;;[J];辽宁科技大学学报;2009年04期
郭良栋;田江;丛晓东;;[J];辽宁科技大学学报;2009年06期
赵海青,牛东晓;[J];保定师范专科学校学报;2002年02期
冯震;王娜;王连俊;;[J];北京交通大学学报;2008年01期
朱伟亮;杨庆山;黄韬颖;;[J];北京交通大学学报;2009年04期
罗熊;黎江;孙增圻;;[J];北京科技大学学报;2012年02期
王丽婕;廖晓钟;高爽;冬雷;;[J];北京理工大学学报;2007年12期
王慧勤;;[J];宝鸡文理学院学报(自然科学版);2009年01期
中国重要会议论文全文数据库
杨伟;金海;金新阳;唐意;杨立国;赵基达;;[A];北京力学会第14届学术年会论文集[C];2008年
杨易;金新阳;;[A];北京力学会第十六届学术年会论文集[C];2010年
张森;肖先赐;;[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年
孙斌;汪明清;林成;唐建兴;;[A];贵州省电机工程学会2010年优秀论文集[C];2010年
曾勇;唐小我;;[A];1996中国控制与决策学术年会论文集[C];1996年
;[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年
朱锋;周玮;孙辉;;[A];中国可再生能源学会海洋能专业委员会成立大会暨第一届学术讨论会论文集[C];2008年
杨伟;金海;金新阳;唐意;杨立国;顾明;;[A];第十三届全国结构风工程学术会议论文集（上册）[C];2007年
金新阳;盛平;沈婷;姜子强;唐意;杨伟;金海;;[A];第十三届全国结构风工程学术会议论文集（上册）[C];2007年
金海;杨立国;金新阳;杨易;唐意;;[A];第十四届全国结构风工程学术会议论文集（下册）[C];2009年
中国博士学位论文全文数据库
王敏;[D];合肥工业大学;2010年
卜云;[D];电子科技大学;2010年
魏恒东;[D];电子科技大学;2010年
严晓建;[D];中国地质大学（北京）;2011年
金石;[D];沈阳工业大学;2011年
王建军;[D];华北电力大学（北京）;2011年
施慧;[D];华北电力大学（北京）;2011年
杨志凌;[D];华北电力大学（北京）;2011年
张颖媛;[D];合肥工业大学;2011年
李智;[D];山东大学;2011年
中国硕士学位论文全文数据库
穆大芸;[D];大连理工大学;2010年
雷康;[D];长沙理工大学;2010年
刘晓冬;[D];潍坊医学院;2009年
龚娇龙;[D];南昌大学;2010年
任茹香;[D];浙江大学;2011年
唐志伟;[D];东北电力大学;2011年
陈静;[D];江南大学;2011年
李朋;[D];山东建筑大学;2011年
杨晓亮;[D];沈阳工业大学;2011年
杨世成;[D];华北电力大学（北京）;2011年
【同被引文献】
中国期刊全文数据库
马琳;金新民;唐芬;梁京哲;;[J];北京交通大学学报;2010年02期
王丽婕;廖晓钟;高爽;冬雷;;[J];北京理工大学学报;2007年12期
喻胜华;肖雨峰;;[J];财经理论与实践;2011年06期
王健;严干贵;宋薇;穆钢;;[J];东北电力大学学报;2011年03期
郭小强;邬伟扬;赵清林;;[J];电工技术学报;2007年05期
许颇;张兴;张崇巍;曹仁贤;赵为;;[J];电工技术学报;2008年04期
陈江辉;谢运祥;陈兵;;[J];电气应用;2006年09期
李建林;高志刚;付勋波;李政珉;;[J];电源技术应用;2007年09期
吴佳宇;马秀娟;孙玉德;张敏;;[J];电源技术应用;2009年08期
易龙强;戴瑜兴;郜克存;;[J];电力电子技术;2006年03期
中国博士学位论文全文数据库
杨志凌;[D];华北电力大学（北京）;2011年
卢广彦;[D];合肥工业大学;2011年
刘兴杰;[D];华北电力大学;2011年
宫霄霖;[D];天津大学;2010年
孙懿;[D];天津大学;2010年
吕淑萍;[D];哈尔滨工程大学;2004年
刘其辉;[D];浙江大学;2005年
汪海宁;[D];合肥工业大学;2005年
王飞;[D];合肥工业大学;2005年
迟永宁;[D];中国电力科学研究院;2006年
中国硕士学位论文全文数据库
王黎;[D];大连理工大学;2010年
方江晓;[D];北京交通大学;2011年
陈鑫;[D];西华大学;2011年
高雅;[D];华东师范大学;2011年
向荣;[D];西南交通大学;2011年
孟勇;[D];天津大学;2010年
孟洋洋;[D];重庆大学;2011年
吴桂联;[D];天津大学;2012年
蔡祯祺;[D];浙江大学;2012年
黄加亮;[D];大连海事大学;2000年
【二级引证文献】
中国期刊全文数据库
周宏威;孙丽萍;包文泉;李奔亮;;[J];电机与控制学报;2013年12期
魏韡;梅生伟;张雪敏;;[J];电力系统保护与控制;2013年12期
张靠社;杨剑;;[J];电网与清洁能源;2012年12期
黄琳;杨莹;王金枝;;[J];中国科学:信息科学;2013年11期
查亚兵;张涛;黄卓;张彦;刘宝龙;黄生俊;;[J];中国科学:信息科学;2014年06期
中国硕士学位论文全文数据库
高超;[D];南京理工大学;2013年
宋薇;[D];东北电力大学;2013年
陈晓露;[D];上海交通大学;2013年
刘峰;[D];华北电力大学;2013年
李航;[D];华北电力大学;2013年
郭精人;[D];湖南大学;2013年
管志威;[D];华东理工大学;2014年
徐俊;[D];华东理工大学;2014年
【二级参考文献】
中国期刊全文数据库
陈华友;[J];安徽大学学报(自然科学版);2003年03期
涂德服;[J];财经科学;1986年06期
熊其康;[J];金融论坛;2004年09期
史轶法;吴晓平;;[J];科技和产业;2007年09期
魏晓光;汤广福;魏晓云;迟永宁;;[J];电工技术学报;2007年04期
袁小明;;[J];电工技术学报;2007年07期
关宏亮;赵海翔;王伟胜;戴慧珠;杨以涵;;[J];电工技术学报;2007年10期
尹明;李庚银;要立荣;周明;赵成勇;;[J];电工技术学报;2008年09期
唐小我;[J];电子科技大学学报;1992年04期
陈华友;[J];电子科技大学学报;2004年01期
中国重要报纸全文数据库
国家电网公司总经理、党组书记
刘振亚;[N];人民日报;2009年
中国硕士学位论文全文数据库
魏慧荣;[D];华北电力大学（北京）;2007年
【相似文献】
中国期刊全文数据库
李国平,王址道;[J];商场现代化;2005年04期
吴守荣;[J];山东科技大学学报(自然科学版);1999年04期
陈华友,刘春林;[J];预测;2003年06期
丁咏梅,周晓阳;[J];统计与决策;2004年03期
王应明,罗英;[J];预测;1998年01期
陈华友;[J];预测;2003年01期
陈华友,刘春林,盛昭瀚;[J];中国管理科学;2004年05期
张新育;[J];预测;1998年05期
吴玉鸣;[J];农村经济;2003年03期
梁慧稳,王慧敏;[J];现代管理科学;2002年06期
中国重要会议论文全文数据库
牛东晓;李金超;李金颖;刘达;;[A];第二十六届中国控制会议论文集[C];2007年
田瑾;项静恬;陈殿斌;;[A];中国现场统计研究会第九届学术年会论文集[C];1999年
唐小我;;[A];全国青年管理科学与系统科学论文集（第2卷）[C];1993年
杨辉煌;;[A];1998中国控制与决策学术年会论文集[C];1998年
龙如银;;[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第4卷）[C];1997年
卫贵武;姚恒申;;[A];第12届全国模糊系统与模糊数学学术年会论文集[C];2004年
倪立峰;韩晓林;;[A];第九届全国结构工程学术会议论文集第Ⅲ卷[C];2000年
杨宏涛;汪波;;[A];全国青年管理科学与系统科学论文集第5卷[C];1999年
吴昊;;[A];1993中国控制与决策学术年会论文集[C];1993年
梁仕莹;孙东升;杨秀平;刘合光;;[A];纪念农村改革开放30周年学术研讨会暨建所50周年庆典论文集[C];2008年
中国重要报纸全文数据库
中国人民大学 胡乃武 教授 美国加州大学 龙向东 博士;[N];金融时报;2003年
张文博;[N];四川日报;2003年
龚国军;[N];中华工商时报;2004年
方尚;[N];中国纺织报;2009年
王淼　通讯员
修孟懿;[N];国家电网报;2011年
中国博士学位论文全文数据库
蒋传进;[D];东华大学;2014年
陆宁;[D];华中科技大学;2010年
任海军;[D];重庆大学;2010年
邓志茹;[D];哈尔滨工程大学;2011年
丰小月;[D];吉林大学;2008年
万玉成;[D];东南大学;2004年
张磊;[D];天津大学;2007年
廖瑞金;[D];重庆大学;2003年
陈玲;[D];武汉大学;2012年
张道军;[D];大连理工大学;2002年
中国硕士学位论文全文数据库
于媛媛;[D];大连理工大学;2010年
陈宝;[D];重庆师范大学;2011年
胡平;[D];华中科技大学;2004年
钱振松;[D];山东大学;2010年
王白玲;[D];华北电力大学（北京）;2005年
王红丽;[D];重庆师范大学;2011年
王小忠;[D];武汉理工大学;2005年
朱报春;[D];河海大学;2001年
周仲礼;[D];成都理工大学;2004年
李春生;[D];中南大学;2002年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 知识超市公司
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备74号