風電場功率預測及日前調(diào)度計劃研究.pdf

1、由于風電具有可再生、無污染、能量大等特點,世界各國都在大力發(fā)展風電技術,風電裝機容量也不斷提高。然而隨著風電在系統(tǒng)中滲透率的提高,加上風電本身的不確定性和波動性,對日前調(diào)度計劃的合理性和經(jīng)濟性提出了挑戰(zhàn)。而準確的風電場功率預測有助于合理安排日前調(diào)度計劃。
　　本文在前人的研究基礎上,建立完整的BP神經(jīng)網(wǎng)絡預測模型并提出了兩方面的改進。一方面,針對實際風速測量值中包含有風速隨機波動部分,采用了小波包分解的方法,將風速分解為不同頻段部

2、分,濾去高頻隨機波動部分。另一方面,針對統(tǒng)計模型存在的如何確定參數(shù)個數(shù);如何保證選擇的參數(shù)和預測結(jié)果具有較高相關性;以及選擇的參數(shù)結(jié)果沒有普適性,隨風電場而變化的問題,提出了主成分分析法。用氣象參數(shù)的線性組合代替原來的氣象參數(shù)形成新的變量,以相關性為標準,選取其中的一部分為主成分,作為模型的輸入。在保證原始數(shù)據(jù)信息下,盡可能減少輸入?yún)?shù)。通過仿真實驗證明,該方法對提高計算速度和保證預測精度是有效的。
　　而對BP神經(jīng)網(wǎng)絡模型本身文

3、章從神經(jīng)網(wǎng)絡訓練和多網(wǎng)絡集成兩方面進行了改進。在訓練方面,通過增加單維極小值擾動和依據(jù)粒子群狀態(tài)模糊判斷的參數(shù)自適應,改進了粒子群算法,加快了神經(jīng)網(wǎng)絡訓練速度。在多網(wǎng)絡集成方面,按照前一個BP神經(jīng)網(wǎng)絡訓練效果修改訓練樣本作為下一個網(wǎng)絡訓練樣本,形成差異較大的多個神經(jīng)網(wǎng)絡,并按訓練效果集成多個BP神經(jīng)網(wǎng)絡輸出,提高了神經(jīng)網(wǎng)絡模型的泛化能力。
　　最后,建立了無預測、點預測、預測誤差帶等不同預測信息下的調(diào)度場景,以26機系統(tǒng)為例,用混