基于改進人工蜂群算法的分散式風功率預測方法研究.pdf

1、隨著風力發(fā)電的快速發(fā)展，風電場并網(wǎng)容量不斷遞增。近幾年來，大型風電場建設(shè)已基本完成，為增加新能源發(fā)電裝機容量，我國開始挖掘分散式風電場的資源，大力發(fā)展分散式風電場。但由于風速的波動性和不確定性，風力發(fā)電產(chǎn)生的風功率大小也具有不確定性，對電網(wǎng)的擾動也越來越大。當前，許多分散式風電場并沒有風功率短期預測設(shè)備，給當?shù)卣{(diào)度和自身發(fā)展帶來諸多難題。因此分散式風電場的風功率短期預測勢在必行，準確的風功率預測為風電場競價上網(wǎng)提供了可靠保證，對調(diào)度自動

2、化實現(xiàn)和現(xiàn)場指導具有深遠意義。
　　當前，風功率的預測方法主要有時間序列法、BP神經(jīng)網(wǎng)絡(luò)法和支持向量機。但是，時間序列法存在定階困難的問題，BP神經(jīng)網(wǎng)絡(luò)存在權(quán)值選擇問題，支持向量機存在參數(shù)設(shè)置的問題。本文針對不同風電場的現(xiàn)實狀況和預測需求，利用改進人工蜂群結(jié)合三種不同方法對上述風電場經(jīng)網(wǎng)絡(luò)法對0-4小時以內(nèi)的風功率進行預測，結(jié)果發(fā)現(xiàn)，該方法適用于歷史數(shù)據(jù)比較充裕，對預測精度要求比較高的場合。最后，針對BP神經(jīng)網(wǎng)絡(luò)需要數(shù)據(jù)量大、容易

3、陷入局部最優(yōu)和學習速度慢等問題，將改進人工蜂群的支持向量機法應用到風功率預測中來;該算法需求的數(shù)據(jù)樣本少，預測準確度較高，避免了其它一些學習算法的復雜學習過程。事實證明，該算法適合于數(shù)據(jù)樣本少、預測準確度要求比較高的場合。
　　為了滿足國家電網(wǎng)對分散式風電并網(wǎng)和風電場自身發(fā)展要求，本文還開發(fā)了一種分散式風電風功率預測軟件。該軟件基于VB.net語言，在處理復雜計算過程時，主要依賴于MATLAB的動態(tài)鏈接庫文件;該軟件可以基于實時數(shù)