風(fēng)電短期預(yù)測及其并網(wǎng)調(diào)度方法研究.pdf

1、風(fēng)能是一種清潔的、永不枯竭的能源,作為開發(fā)技術(shù)最成熟的分布式能源,風(fēng)力發(fā)電容量正急劇增長。其中我們國家2010年新增風(fēng)電裝機(jī)容量18.9GW,總裝機(jī)容量達(dá)到了44.7GW,已躍居成為全球風(fēng)電裝機(jī)容量最大的國家。風(fēng)電出力取決于風(fēng)速大小,具有很強(qiáng)的間歇性和波動性。隨著風(fēng)電容量在電力系統(tǒng)中占比的增加,對電力系統(tǒng)的影響越來越明顯,風(fēng)電穿透功率超過一定值后,會給電網(wǎng)帶來嚴(yán)重的不利影響。風(fēng)速變化帶來的風(fēng)電擾動會嚴(yán)重影響電網(wǎng)的電能質(zhì)量,如造成電壓的波

2、動和閃變、頻率偏差以及諧波問題,還會對電網(wǎng)的穩(wěn)定性產(chǎn)生影響,降低系統(tǒng)運(yùn)行的可靠性。
　　 提高風(fēng)電的利用水平,降低并網(wǎng)后對電網(wǎng)造成的沖擊是風(fēng)電研究的重要課題。對風(fēng)電進(jìn)行準(zhǔn)確的預(yù)測,把預(yù)測誤差控制在一個電網(wǎng)可以接受的范圍內(nèi),是提高風(fēng)電利用水平的一條最為有效的途徑。此外,合理的利用電網(wǎng)其余電源來吸收風(fēng)電波動的影響,建立適合大規(guī)模風(fēng)電接入的電網(wǎng)調(diào)度模型和運(yùn)行機(jī)制也能有效的提高風(fēng)電利用水平,降低風(fēng)電帶來的不利影響。
　　 本文從

3、風(fēng)電場短期風(fēng)速預(yù)測入手,研究提高短期風(fēng)速預(yù)測精度,結(jié)合風(fēng)電功率曲線以及尾流效應(yīng)的影響分析,建立了從風(fēng)速預(yù)測到風(fēng)電預(yù)測的途徑,并對風(fēng)電預(yù)測誤差的概率分布以及含風(fēng)電電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度模型進(jìn)行了研究.本文所做的工作和取得的創(chuàng)新成果主要體現(xiàn)在下面五個方面:
　　 1)提出兩種風(fēng)電場短期風(fēng)速全局統(tǒng)計預(yù)測模型,分別為改進(jìn)GMDH(GroupMethod of Data Handling,數(shù)據(jù)處理分組方法)網(wǎng)絡(luò)、結(jié)合混沌理論的支持向量回歸(

4、Support Vector Regression,SVR)模型。第一種模型針對傳統(tǒng)的GMDH網(wǎng)絡(luò),引入反饋環(huán)以簡化網(wǎng)絡(luò)結(jié)構(gòu),提高訓(xùn)練效率；引入模糊理論,將GMDH網(wǎng)絡(luò)的低維計算能力和模糊邏輯的高維推理能力結(jié)合起來用于預(yù)測；而在進(jìn)行網(wǎng)絡(luò)訓(xùn)練時,采用指數(shù)型能量函數(shù)作為目標(biāo)誤差函數(shù),提高了網(wǎng)絡(luò)收斂速度。將該網(wǎng)絡(luò)用于短期風(fēng)速預(yù)測。第二種模型運(yùn)用混沌理論對風(fēng)速時間序列數(shù)據(jù)進(jìn)行分析,以確定模型的最佳輸入維數(shù),結(jié)合SVR模型進(jìn)行短期風(fēng)速預(yù)測。兩種模

5、型都有效的提高了預(yù)測精度,具有較好的預(yù)測效果。
　　 2)提出了一種基于相空間優(yōu)化鄰域的短期風(fēng)速局域預(yù)測新方法。局域法通過擬合與預(yù)測點(diǎn)相似的歷史數(shù)據(jù)點(diǎn)來建立預(yù)測模型,本文結(jié)合相空間重構(gòu)技術(shù),提出通過考察偽近鄰點(diǎn)的比重來選取合適的鄰域半徑,保證了用于預(yù)測模型訓(xùn)練擬合的鄰域點(diǎn)與預(yù)測狀態(tài)點(diǎn)具有高度的相似性,提高了模型訓(xùn)練效果,結(jié)合SVR模型較強(qiáng)的高維非線性擬合能力,提高模型的短期預(yù)測能力。實例分析表明,該方法與其它方法相比具有較好的短

6、期風(fēng)速預(yù)測效果。
　　 3)在基于相空間優(yōu)化鄰域局域法的基礎(chǔ)上提出了基于相關(guān)性原則來選取的多變量相空間局域預(yù)測法用于短期風(fēng)速預(yù)測.在優(yōu)化相空間局域預(yù)測法的基礎(chǔ)上,增加模型輸入變量類型,并提出基于相關(guān)性原則的多變量時間序列數(shù)據(jù)篩選方法,構(gòu)造多變量相空間,提高局域法鄰域點(diǎn)的搜索效率,以提高短期風(fēng)速預(yù)測精度。實例證明,通過該方法篩選的多變量時間序列組合使得通過局域法搜索得到的用于模型訓(xùn)練的鄰域點(diǎn)與預(yù)測狀態(tài)點(diǎn)具有更高程度的相似性,能夠有

7、效提高短期風(fēng)速預(yù)測的精度。
　　 4)分析了基于功率曲線的風(fēng)電場短期風(fēng)電功率預(yù)測方法,在對風(fēng)電機(jī)組的功率曲線和尾流效應(yīng)對風(fēng)電場輸出功率的影響分析的基礎(chǔ)上,研究了基于功率曲線的短期風(fēng)電預(yù)測法和直接風(fēng)電功率短期預(yù)測法。同時還探討了風(fēng)向預(yù)測方法及誤差評價參數(shù)。最后比較了兩種預(yù)測方法在單機(jī)功率預(yù)測和風(fēng)電場功率預(yù)測中的表現(xiàn)。
　　 5)在風(fēng)電預(yù)測的基礎(chǔ)上,對風(fēng)電預(yù)測誤差進(jìn)行Beta概率分布擬合,考慮由于風(fēng)電預(yù)測誤差引起的系統(tǒng)正、負(fù)