基于時間序列的超短期功率預測方法研究.pdf

1、為了應對風電的隨機性、間歇性和波動性，系統(tǒng)在運行過程中必須要留有足夠的調峰容量和備用電源，當風電出力不足時，保證能夠正常向用戶供電，但這必將增大系統(tǒng)的備用容量;另一方面，在風電出力大、而負荷不足時，為了保證正常供電，我們又必須控制火電機組出力，這使系統(tǒng)的運行成本大大增加，同時給系統(tǒng)的安全性、穩(wěn)定性帶來隱患。因此，伴隨著越來越多的風電裝機容量，電力系統(tǒng)將會越來越重視功率預測這一模塊。
　　 本文利用神經網絡和時間序列兩種方法，主要

2、對NWP風速和功率進行預測。
　　 1.研究BP神經網絡算法及其基本原理，首先分析NWP數據，利用BP神經網絡建模，對功率影響最大的風速序列進行修正。利用神經網絡的自主學習功能，把歷史NWP風速作為輸入，相應時間段測風塔風機測得的實際數據作為輸出，訓練神經網絡以得到BP神經網絡的修正模型。然后根據現有的NWP數據，預測下一時刻的NWP風速。應用該方法對某風電場提供的實測數據進行預測，證明所建模型適合對NWP風速進行預測。

3、　　 2.研究時間序列及時間序列預測的分析方法，分析時間序列模型的建模流程和原理。采用時間序列方法對風電功率序列進行建模并進行相關計算。選用某風電場提供的實測功率數據，對數據進行差分處理并建立ARIMA模型，對風電功率進行預測。
　　 3.結合時間序列和神經網絡兩種方法，對功率進行預測。首先,根據歷史功率建立時間序列模型，確定模型的階數。然后，利用歷史功率值和由BP神經網預測得到的下一時刻的風速值建立預測方程。方程中的未知參數