風電出力短期預測技術研究.pdf

1、全球經(jīng)濟和社會飛速發(fā)展的同時,能源供求矛盾和環(huán)境污染等問題日益凸顯,開發(fā)和利用可持續(xù)的清潔資源發(fā)電成為各個國家的發(fā)展共識和能源戰(zhàn)略。由于風能資源蘊量巨大并且清潔可再生,因此利用風能發(fā)電是一種有廣闊前景的可持續(xù)能源利用方式。風電具有不同于常規(guī)電源的隨機性等特點,風電并網(wǎng)容量的不斷增加會嚴重影響電力系統(tǒng)的安全穩(wěn)定和經(jīng)濟運行。實現(xiàn)較高精度的風電出力預測有利于電網(wǎng)進行調度管理和保證并網(wǎng)系統(tǒng)的安全運行,提高系統(tǒng)的風電消納能力和風電的競價上網(wǎng)能力。

2、
　　本文首先對國內外風力發(fā)電產業(yè)發(fā)展以及風電出力預測技術研究現(xiàn)狀進行了概括和總結?？紤]到統(tǒng)計方法是風電出力短期預測中應用最廣泛的預測方法,而時間序列預測模型和支持向量機預測模型是統(tǒng)計方法中較為典型的預測模型,本文根據(jù)時間序列法和支持向量機的理論分別建立了基于時間序列法和基于支持向量機的風電出力短期預測模型,用所建的模型進行了實例預測工作,并分析了兩種預測模型的性能。
　　傳統(tǒng)的統(tǒng)計預測方法是通過構建輸入與輸出之間參數(shù)化的函

3、數(shù)關系來進行預測工作,由于風電出力的隨機性與復雜性,建立參數(shù)化的預測模型不一定是最好的選擇。通過進一步分析風電出力預測中統(tǒng)計方法的預測思想并結合非參數(shù)回歸原理,利用模式識別中聚類算法,本文提出了一種基于模式識別非參數(shù)回歸(PRNPR)的風電出力預測模型,通過預測實例對模型的性能進行了檢驗,并與上述兩種預測模型的性能進行了對比,結果表明本文提出的基于PRNPR的預測模型具有較好的預測精度,而且易于建模,有一定的工程實用價值。
　　不