短期風(fēng)電功率預(yù)測技術(shù)研究.pdf

1、隨著一次能源的逐近枯竭和社會對環(huán)保的要求日益增強，風(fēng)能等新能源產(chǎn)業(yè)發(fā)展迅猛，風(fēng)電在電網(wǎng)中的比例不斷增加。然而風(fēng)力發(fā)電具有隨機波動性和不可控性的特點，大規(guī)模風(fēng)電并網(wǎng)將給電力系統(tǒng)的安全運行及電能質(zhì)量帶來嚴(yán)峻的挑戰(zhàn)。風(fēng)電功率預(yù)測技術(shù)作為有效應(yīng)對風(fēng)電接入的關(guān)鍵技術(shù)之一，對指導(dǎo)系統(tǒng)調(diào)度運行、風(fēng)電場生產(chǎn)安排具有十分重大的意義，在計及風(fēng)電并網(wǎng)的現(xiàn)代電網(wǎng)運行過程中發(fā)揮著越來越大的作用。
　　 本文結(jié)合風(fēng)電功率預(yù)測實際應(yīng)用需求，對短期風(fēng)電功率預(yù)測

2、技術(shù)進行了深入的研究，主要工作如下：
　　 1、基于傳統(tǒng)時間序列的自回歸滑動平均ARMA模型，提出風(fēng)電功率預(yù)測的ARMAX-GARCH模型，該模型能夠同時考慮多變量因素的影響，并利用誤差修正預(yù)測結(jié)果。應(yīng)用該方法對某風(fēng)場實際數(shù)據(jù)進行功率預(yù)測，驗證了該模型能有效提高預(yù)測精度。
　　 2、研究風(fēng)電功率預(yù)測的BP神經(jīng)網(wǎng)絡(luò)模型，引入小波分解技術(shù)解決風(fēng)電功率數(shù)據(jù)波動規(guī)律性差的問題，提出基于小波分解和BP神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率預(yù)測模型。同

3、時，為克服BP網(wǎng)絡(luò)易陷入局部極小、隱層節(jié)點數(shù)的選取缺乏指導(dǎo)等缺點，對BP算法進行了改進。經(jīng)算例驗證，該方法能有效提高預(yù)測精度。
　　 3、研究風(fēng)電功率預(yù)測的不確定性預(yù)測方法。分析基于前一時刻風(fēng)速的風(fēng)電功率條件概率密度分布的統(tǒng)計規(guī)律，基于該條件概率密度擬合分布估算不同置信水平下的置信區(qū)間，并應(yīng)用實際算例驗證了該方法的有效性。
　　 4、研究風(fēng)電功率預(yù)測的連續(xù)多步預(yù)測方法，基于模糊聚類分析技術(shù)實現(xiàn)對未來4小時每間隔15min