風(fēng)能及光伏發(fā)電功率短期預(yù)測(cè)方法研究.pdf

1、智能電網(wǎng)的快速發(fā)展使微電網(wǎng)與傳統(tǒng)大電網(wǎng)并網(wǎng)的分布式能源并網(wǎng)技術(shù)成為當(dāng)前的一個(gè)研究熱點(diǎn)。風(fēng)能和太陽能都是“取之不盡，用之不竭”、環(huán)境友好型的可再生能源，受到越來越廣泛的重視，并成為發(fā)展速度最快的新型能源。但是風(fēng)能和太陽能都具有不穩(wěn)定、間歇性和不可控性等特點(diǎn)，給微電網(wǎng)與傳統(tǒng)電網(wǎng)的并網(wǎng)運(yùn)營帶來很多挑戰(zhàn)，同時(shí)也對(duì)電力系統(tǒng)的安全、穩(wěn)定運(yùn)行以及電能質(zhì)量帶來嚴(yán)峻威脅，從而限制風(fēng)能發(fā)電及光伏發(fā)電的發(fā)展規(guī)模與前景。解決這些問題的關(guān)鍵是能精確對(duì)一段時(shí)間內(nèi)微

2、電網(wǎng)的發(fā)電功率進(jìn)行提前預(yù)測(cè)。在此背景下，本文選擇風(fēng)電和光伏發(fā)電的短期發(fā)電功率預(yù)測(cè)作為研究?jī)?nèi)容。
　　 本文首先對(duì)已有的風(fēng)電及光伏發(fā)電功率預(yù)測(cè)方法進(jìn)行歸類總結(jié)，并分析各類方法的優(yōu)缺點(diǎn)。其次，基于經(jīng)驗(yàn)?zāi)B(tài)分解和神經(jīng)網(wǎng)絡(luò)技術(shù)分別為風(fēng)電功率和光伏發(fā)電功率構(gòu)建短期預(yù)測(cè)模型，進(jìn)行提前一小時(shí)的發(fā)電功率預(yù)測(cè)。對(duì)于風(fēng)電功率預(yù)測(cè)模型，首先利用經(jīng)驗(yàn)?zāi)B(tài)分解將原始風(fēng)電功率信號(hào)分解為多個(gè)本征模分量和一個(gè)剩余部分，然后對(duì)這些分量分別構(gòu)建基于徑向基函數(shù)神經(jīng)網(wǎng)

3、絡(luò)的預(yù)測(cè)模型，最終聚合所有分量的預(yù)測(cè)值得到風(fēng)電功率的預(yù)測(cè)結(jié)果。對(duì)于光伏發(fā)電預(yù)測(cè)模型，同樣利用經(jīng)驗(yàn)?zāi)B(tài)分解將原始發(fā)電功率信號(hào)分解為多個(gè)本征模分量和一個(gè)剩余部分，然后對(duì)這些信號(hào)分量分別構(gòu)建基于遺傳算法-BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型，最終聚合所有分量的預(yù)測(cè)值得到光伏發(fā)電功率的預(yù)測(cè)結(jié)果。針對(duì)BP網(wǎng)絡(luò)傳統(tǒng)訓(xùn)練算法存在的不足，創(chuàng)造性地提出將自適應(yīng)遺傳算法與誤差反向傳播算法相結(jié)合的混合算法來作為BP網(wǎng)絡(luò)的學(xué)習(xí)算法。
　　 在此基礎(chǔ)上，對(duì)浙江省電力試