風電功率預測方法研究及其應用.pdf

1、隨著大規(guī)模風電接入電網(wǎng)，風電功率的波動性和間歇性給電力系統(tǒng)安全穩(wěn)定運行帶來了嚴峻的挑戰(zhàn)。風電功率預測是解決大規(guī)模風電接入電網(wǎng)的關鍵技術之一，能夠為電力系統(tǒng)調度控制提供技術支持。目前國內針對風電功率預測方法的研究取得了一定的成果但不夠深入，預測系統(tǒng)的開發(fā)剛剛起步，缺乏規(guī)范和實踐經(jīng)驗。因此，對風電功率預測方法研究具有重要的意義。
　　本文以某風電場為研究對象，對風電場風速分布、風電功率時間特征展開了系統(tǒng)的研究，以探求更高精度的風電功率

2、預測方法。同時，根據(jù)需求分析研發(fā)了風電功率預測系統(tǒng)。主要內容如下:
　　首先，以某風電場為對象，對風速、功率特性進行了系統(tǒng)的研究。結果表明:風速的概率分布呈現(xiàn)威布爾分布特征;風電功率具有隨機性、波動性和混沌性，隨著時間尺度的降低風電功率的波動性減弱。
　　然后，提出了一種以經(jīng)驗模式分解(Empirical Mode Decomposition，EMD)和相空間重構為核心的風電功率預測方法，將分解后的本征模函數(shù)(Intrins

3、ic Model Function,IMF)分量和剩余分量進行相空間重構，將重構序列輸入支持向量機(Support Vector Machine，SVM)模型預測風電功率。結果表明，經(jīng)過EMD分解降低了建模復雜程度，相空間重構能夠降低偏差較大分量對預測結果的影響，提高了預測的精確度。
　　其次，提出了基于元學習的風電功率非線性組合預測模型。以灰色模型、時間序列模型、線性回歸模型和神經(jīng)網(wǎng)絡模型預測結果和預測序列的特征屬性作為元預測器