基于數(shù)值天氣預(yù)報(bào)NWP修正的BP神經(jīng)網(wǎng)絡(luò)風(fēng)電功率短期預(yù)測(cè)研究.pdf

1、可再生能源在世界能源結(jié)構(gòu)中的比例急劇增加,其中風(fēng)能被認(rèn)為是當(dāng)前世界上最有發(fā)展前景的新能源技術(shù)之一。近十年來(lái),隨著中國(guó)風(fēng)力發(fā)電產(chǎn)業(yè)的快速發(fā)展,如何解決風(fēng)電并網(wǎng)、運(yùn)行和消納成為風(fēng)電研究的主要課題。其中,高精度的風(fēng)電功率預(yù)測(cè)不僅利于電網(wǎng)調(diào)度、風(fēng)電場(chǎng)運(yùn)行管理,而且可以增加電網(wǎng)消納風(fēng)電的能力,提高電力系統(tǒng)運(yùn)行的經(jīng)濟(jì)性能。
　　 本文首先概述了風(fēng)電功率預(yù)測(cè)的主要方法及國(guó)內(nèi)外研究現(xiàn)狀,結(jié)合實(shí)際風(fēng)電場(chǎng)風(fēng)機(jī)運(yùn)行參數(shù)、歷史風(fēng)能信息和天氣記錄,給出風(fēng)

2、電機(jī)組的風(fēng)速-功率模型,分析影響風(fēng)電機(jī)組輸出功率的各項(xiàng)因素,并利用多項(xiàng)式和傳里葉級(jí)數(shù)對(duì)機(jī)組風(fēng)速-功率曲線進(jìn)行擬合。
　　 隨后根據(jù)BP神經(jīng)網(wǎng)絡(luò)算法,建立風(fēng)電功率短期預(yù)測(cè)模型,該模型以風(fēng)能及天氣信息為輸入,風(fēng)電功率為輸出,利用180天歷史數(shù)據(jù)對(duì)預(yù)測(cè)未來(lái)72小時(shí)的短期風(fēng)電輸出功率進(jìn)行預(yù)測(cè)。
　　 本文著重研究了用于預(yù)測(cè)模型輸入的數(shù)值天氣預(yù)報(bào)(NWP)中的風(fēng)速序列特性,得到對(duì)不同風(fēng)場(chǎng),NWP中預(yù)報(bào)的風(fēng)速信息與實(shí)際風(fēng)速的誤差在整

3、體上呈現(xiàn)一定規(guī)律性。在此基礎(chǔ)上,利用神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)功能對(duì)NWP預(yù)報(bào)風(fēng)速序列修正,提高NWP風(fēng)速的預(yù)報(bào)精度。結(jié)合修正前后的NWP信息,分別利用曲線擬合和BP神經(jīng)網(wǎng)絡(luò)方法對(duì)短期風(fēng)電輸出功率進(jìn)行預(yù)測(cè)。算例風(fēng)場(chǎng)情況表明,當(dāng)原始NWP風(fēng)速預(yù)報(bào)精度較低時(shí),經(jīng)過(guò)NWP修正的BP神經(jīng)網(wǎng)絡(luò)風(fēng)電功率短期預(yù)測(cè)精度顯著提升。
　　 最后,根據(jù)算例風(fēng)場(chǎng)情況,本文對(duì)風(fēng)電場(chǎng)全場(chǎng)輸出功率的預(yù)測(cè)方法進(jìn)行了探索。并對(duì)風(fēng)電功率預(yù)測(cè)的相關(guān)實(shí)際工作和進(jìn)一步理論研究進(jìn)行了