基于分季建模的風(fēng)電功率單一預(yù)測(cè)模型的建立.pdf

1、近年來，隨著能源危機(jī)、溫室效應(yīng)和環(huán)境污染的日益嚴(yán)重，清潔的可再生能源越來越受到人們的關(guān)注。風(fēng)能作為一種清潔的可再生能源，已成為許多國家緩解能源危機(jī)、減輕環(huán)境污染的重點(diǎn)開發(fā)能源。風(fēng)能主要是以風(fēng)力發(fā)電的形式加以利用，但由于風(fēng)能具有隨機(jī)性、間歇性和不穩(wěn)定性等特點(diǎn)，大量風(fēng)電的接入將會(huì)對(duì)電網(wǎng)產(chǎn)生沖擊，對(duì)電力系統(tǒng)安全穩(wěn)定運(yùn)行造成巨大的影響。因此，對(duì)風(fēng)電功率進(jìn)行準(zhǔn)確預(yù)測(cè)，不僅可以提前制定相應(yīng)的調(diào)度策略，而且可以保證電力系統(tǒng)安全穩(wěn)定的運(yùn)行。
　　

2、本文首先研究了風(fēng)力發(fā)電機(jī)組的基本結(jié)構(gòu)和控制技術(shù)，并分析了影響風(fēng)電功率的主要因素，研究了風(fēng)速、風(fēng)向和環(huán)境溫度的四季特性，在此基礎(chǔ)上，提出一種基于分季建模的思路，并著重研究了六種短期風(fēng)電功率單一預(yù)測(cè)模型，為風(fēng)電功率單一預(yù)測(cè)模型庫的建立奠定了基礎(chǔ)。
　　本文主要研究工作如下:
　　(1)闡述了風(fēng)電功率預(yù)測(cè)的研究背景及意義，并研究了風(fēng)力發(fā)電機(jī)組的總體結(jié)構(gòu)及控制技術(shù)，總結(jié)了目前風(fēng)電功率預(yù)測(cè)模型的研究現(xiàn)狀及常用的預(yù)測(cè)方法。
　　(

3、2)研究了風(fēng)力發(fā)電機(jī)組的功率模型，并在此基礎(chǔ)上分析了影響風(fēng)電功率的主要因素;研究了風(fēng)速、風(fēng)向和環(huán)境溫度的四季特性，采用數(shù)據(jù)對(duì)比法對(duì)短期風(fēng)電功率的異常數(shù)據(jù)進(jìn)行了識(shí)別，并利用最小二乘擬合曲線對(duì)異常數(shù)據(jù)進(jìn)行了修正和修補(bǔ)。
　　(3)深入研究了T-S模糊神經(jīng)網(wǎng)絡(luò)的建模理論，并采用橢圓基函數(shù)代替高斯函數(shù)對(duì)其進(jìn)行改進(jìn)，擴(kuò)展其接收域;利用模糊C-均值聚類確定橢圓基函數(shù)的中心值;引入慣性項(xiàng)加快網(wǎng)絡(luò)的收斂速度，建立了改進(jìn)型T-S模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

4、，并分別對(duì)四季短期風(fēng)電功率進(jìn)行預(yù)測(cè)。仿真結(jié)果表明分季后改進(jìn)型T-S模糊神經(jīng)網(wǎng)絡(luò)模型能夠有效的提高風(fēng)電功率的預(yù)測(cè)精度。
　　(4)此外，還建立了五種單一風(fēng)電功率預(yù)測(cè)模型，主要包括基于交叉驗(yàn)證算法優(yōu)化平滑參數(shù)的廣義回歸神經(jīng)網(wǎng)絡(luò)模型、基于遺傳算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)模型、支持向量機(jī)模型、多元線性回歸模型和基于灰關(guān)聯(lián)改進(jìn)型持續(xù)法模型;并提出一種基于分季建模的思路，分別采用五種模型對(duì)四季短期風(fēng)電功率進(jìn)行預(yù)測(cè)。在MATLAB平臺(tái)上進(jìn)行仿真研