風(fēng)電功率組合預(yù)測模型的研究.pdf

1、隨著風(fēng)力發(fā)電技術(shù)的不斷發(fā)展，風(fēng)電在電網(wǎng)中所占比例越來越大。風(fēng)電場穿透功率的不斷加大，威脅著電力系統(tǒng)安全、穩(wěn)定、經(jīng)濟(jì)、可靠運(yùn)行。對風(fēng)電功率進(jìn)行準(zhǔn)確預(yù)測可以減少電力系統(tǒng)運(yùn)行成本和旋轉(zhuǎn)備用，提高風(fēng)電穿透功率極限，有利于調(diào)度部門及時(shí)調(diào)整計(jì)劃，從而減輕風(fēng)電對電網(wǎng)的影響。論文進(jìn)行了兩種不同形式組合模型的研究，即橫向組合模型和縱向組合模型，其中橫向組合模型包括基于不同優(yōu)化準(zhǔn)則的模型和基于誘導(dǎo)有序加權(quán)調(diào)和平均算子的模型。
　　論文建立了基于不同優(yōu)

2、化準(zhǔn)則的橫向組合模型：通過計(jì)算單項(xiàng)預(yù)測方法的貼近度對單項(xiàng)預(yù)測模型進(jìn)行擇優(yōu)，有效解決了單項(xiàng)預(yù)測模型的選擇問題；將建立的3種不同優(yōu)化準(zhǔn)則的組合模型進(jìn)行組合，得到兼顧不同優(yōu)化準(zhǔn)則的優(yōu)化模型，有效地克服了根據(jù)某一優(yōu)化準(zhǔn)則建立的組合模型不能改進(jìn)其它評價(jià)指標(biāo)的問題。經(jīng)實(shí)際算例檢驗(yàn)，結(jié)果表明優(yōu)化模型的各項(xiàng)預(yù)測評價(jià)指標(biāo)都較好，能有效提高風(fēng)電功率預(yù)測精度。
　　將最大—最小貼近度和誘導(dǎo)有序加權(quán)調(diào)和平均算子（IOWHA）相結(jié)合，建立了另一橫向組合模型

3、，即IOWHA組合模型，它能根據(jù)各單項(xiàng)預(yù)測方法在每時(shí)刻的預(yù)測精度高低順序賦值，克服了傳統(tǒng)組合模型的缺陷；采用單項(xiàng)預(yù)測模型建立的多個(gè)組合模型中預(yù)測精度較高者作為標(biāo)準(zhǔn)，計(jì)算各單項(xiàng)模型的誘導(dǎo)值（預(yù)測精度），可以解決預(yù)測期實(shí)際值未知，誘導(dǎo)值排序無法提前預(yù)知的問題。仿真結(jié)果表明，IOWHA組合模型能很好的反映風(fēng)電功率時(shí)間序列的變化趨勢，具有較高的預(yù)測精度。
　　研究了風(fēng)電功率多步預(yù)測方法?；趯M向組合模型思路的改進(jìn)，建立了基于小波分解和相

4、空間重構(gòu)的風(fēng)電功率縱向組合模型：根據(jù)小波分解的各分量的變化特征，將它們分為低頻分量和高頻分量；依據(jù)各頻帶分量的特性選擇了恰當(dāng)?shù)念A(yù)測方法，低頻分量采用相空間重構(gòu)的RBF神經(jīng)網(wǎng)絡(luò)法，高頻分量采用滾動(dòng)時(shí)間序列法；疊加各子序列的預(yù)測結(jié)果得到最終的風(fēng)電功率預(yù)測值。該縱向組合模型結(jié)合了RBF神經(jīng)網(wǎng)絡(luò)強(qiáng)大的泛化能力和全局逼近能力以及滾動(dòng)時(shí)間序列法能根據(jù)數(shù)據(jù)的變化實(shí)時(shí)更新模型的優(yōu)點(diǎn)。經(jīng)算例分析表明，該方法具有較好的多步預(yù)測能力，能實(shí)現(xiàn)較高精度的多步預(yù)測