基于NWP數(shù)據(jù)的風電場短期功率預測研究.pdf

1、隨著風電規(guī)模的增加，風電在給我們帶來多方面的利益的同時，也給電網(wǎng)的運行帶來了挑戰(zhàn)，當風電穿透功率超過一定值之后，就會嚴重影響到電能質(zhì)量和電力系統(tǒng)的穩(wěn)定運行，而且會危及常規(guī)發(fā)電方式，主要表現(xiàn)為電壓和頻率會有較大幅度的波動。更嚴重的是，當風電機組由于風速過大而退出運行時，可能會給電力系統(tǒng)造成難以承受的沖擊。因此，對風電的輸出功率進行準確的預測，不僅可以減少風電并網(wǎng)給電網(wǎng)帶來的沖擊力和不穩(wěn)定性，同時也可以合理的調(diào)配電力資源，使得風電發(fā)揮更大的

2、作用。
　　 本論文在當前國內(nèi)外風電功率研究現(xiàn)狀的基礎上，對風功率短期預測的方法展開了進一步的研究，論文具體工作如下:
　　 (1)分析風電機組風速-功率模型，研究天氣變化對對風電機組實際功率輸出的影響，建立風電場功率短期預測的BP神經(jīng)網(wǎng)絡模型，運用數(shù)值天氣預報(NWP)數(shù)據(jù)作為輸入，風電場實際輸出功率為網(wǎng)絡輸出目標值，對BP神經(jīng)網(wǎng)絡進行訓練，用訓練好的BP神經(jīng)網(wǎng)絡對未來12小時、24小時、48小時和72小時的風電場輸出

3、功率進行預測，預測平方絕對誤差分別為:6.33％、8.81％、13.67％和13.03％;
　　 (2)利用LM算法優(yōu)化BP神經(jīng)網(wǎng)絡模型，用優(yōu)化好的模型和標準的BP網(wǎng)絡模型進行比較，結(jié)果顯示，優(yōu)化后的模型訓練速度更快，預測精度更高;
　　 (3)利用迭代自組織數(shù)據(jù)分析技術(ISODATA)聚類算法，對NWP數(shù)據(jù)進行聚類運算，利用聚類的NWP數(shù)據(jù)對優(yōu)化后的BP神經(jīng)網(wǎng)絡進行訓練，用訓練后的BP神經(jīng)網(wǎng)絡對風電場功率進行預測，得