基于GACO支持向量機的新能源電力系統(tǒng)狀態(tài)預測方法研究.pdf

1、近年來，隨著化石能源的枯竭和環(huán)境污染問題日趨嚴重，新能源產(chǎn)業(yè)得到長足發(fā)展。新能源產(chǎn)業(yè)中，光伏和風電作為優(yōu)質(zhì)的可再生能源獲得了廣泛的關注。隨著光伏、風電技術的發(fā)展，其控制過程中的一系列難題也暴露出來。
　　對于光伏系統(tǒng)，其輸出功率具有不確定性和不連貫性，不可預知的功率在并網(wǎng)過程中會造成不利影響;對于風電系統(tǒng)，控制過程中的重要變量風速無法通過風速儀準確獲取，陣風到來時也無法提前預知，影響風電機組的控制與監(jiān)測策略，造成風機載荷過大、風機

2、使用壽命縮短等問題。
　　為解決上述問題，本文基于改進仿生算法對支持向量機(Support VectorMachine，SVM)進行優(yōu)化，并在此基礎上，設計光伏出力、風速預測方法，以及陣風判斷方法。主要研究內(nèi)容包括以下三方面:
　　(1)研究基于網(wǎng)格蟻群算法(Grid-aided Ant Colony Optimization，GACO)的支持向量機算法(GACO-SVM)。在智能生物仿真算法蟻群算法的基礎上，引入了網(wǎng)格搜索

3、算法對蟻群算法的局部搜索過程進行優(yōu)化，從而融合網(wǎng)格法和蟻群法的優(yōu)點，進而將GACO應用于支持向量機參數(shù)選擇中。
　　(2)研究基于GACO-SVM的光伏系統(tǒng)功率產(chǎn)出預測方法。對典型的光伏模塊MSX60進行分析和建模，結(jié)合澳大利亞光伏研究機構(gòu)提供的真實光照、溫度數(shù)據(jù)，計算光伏系統(tǒng)功率產(chǎn)出的理論值，作為支持向量機的訓練樣本。仿真實驗表明，訓練得到的模型可對未來光伏功率產(chǎn)出進行高精度的預測。
　　(3)研究基于GACO-SVM的風