基于多指標(biāo)融合評價(jià)和案例推理的風(fēng)電功率預(yù)測模型的優(yōu)選決策.pdf

1、隨著生態(tài)環(huán)境的污染和傳統(tǒng)資源的枯竭，風(fēng)能以可再生、清潔環(huán)保等特點(diǎn)，在全球范圍內(nèi)得到廣泛青睞，風(fēng)力發(fā)電在電網(wǎng)中所占的比重也在逐年增加。然而，風(fēng)能的波動(dòng)和間歇特性，將導(dǎo)致風(fēng)電功率的輸出具有不穩(wěn)定性，隨著大規(guī)模風(fēng)電并入電網(wǎng)系統(tǒng)，必然給電網(wǎng)系統(tǒng)帶來一定的沖擊。因此，對風(fēng)電輸出功率進(jìn)行準(zhǔn)確預(yù)測是合理安排調(diào)度計(jì)劃，確保電網(wǎng)系統(tǒng)安全、穩(wěn)定和經(jīng)濟(jì)運(yùn)行的有效途徑。
　　目前風(fēng)電功率預(yù)測模型的種類有很多，不同模型的預(yù)測性能表現(xiàn)具有差異性，各有優(yōu)缺點(diǎn)。

2、為了提高風(fēng)電功率的預(yù)測精度，有必要對多種預(yù)測模型的精度進(jìn)行評價(jià)，從而優(yōu)選出精度較高的預(yù)測模型對風(fēng)電功率進(jìn)行預(yù)測。本文提出了一種基于多指標(biāo)融合評價(jià)和案例推理的風(fēng)電功率預(yù)測模型的優(yōu)選決策方法，對課題組建立的基本風(fēng)電功率預(yù)測模型進(jìn)行評價(jià)優(yōu)選，并在MATLAB平臺上進(jìn)行了大量仿真研究。本文主要研究內(nèi)容如下:
　　(1)闡述了風(fēng)電功率預(yù)測的研究背景及意義，綜述了國內(nèi)外在風(fēng)電功率預(yù)測領(lǐng)域的研究現(xiàn)狀及發(fā)展趨勢，總結(jié)了常見預(yù)測方法的分類及各類預(yù)測

3、方法的性能評價(jià)等。
　　(2)分析了風(fēng)機(jī)功率模型及風(fēng)電功率輸出的主要影響因素，并在風(fēng)電場歷史數(shù)據(jù)的基礎(chǔ)上，研究了主要影響因素的規(guī)律特性，為基于數(shù)據(jù)特性分類的優(yōu)選建模研究奠定基礎(chǔ)。
　　(3)模型評價(jià)是進(jìn)行模型優(yōu)選的重要依據(jù)。針對模型的單一指標(biāo)評價(jià)結(jié)果較為片面，且不同指標(biāo)下模型的評價(jià)結(jié)果往往不同的問題，本文提出了一種基于離差最大化和主觀修正系數(shù)的多指標(biāo)融合評價(jià)方法，并將其應(yīng)用于短期風(fēng)電功率預(yù)測模型的優(yōu)選中。首先建立了較為全面的

4、風(fēng)電功率預(yù)測模型的評價(jià)指標(biāo)體系;其次在確定各指標(biāo)所占權(quán)重時(shí)，考慮到傳統(tǒng)離差最大化法過于客觀，忽略了指標(biāo)在指標(biāo)體系中的重要程度，本文在傳統(tǒng)離差最大化思想上加入主觀修正系數(shù)，結(jié)合客觀信息和主觀經(jīng)驗(yàn)，計(jì)算各指標(biāo)的綜合權(quán)重，最終計(jì)算出各模型的融合評價(jià)值，從而得到模型的評價(jià)排序，并實(shí)現(xiàn)對模型的優(yōu)選。
　　(4)為了提高模型優(yōu)選的工作效率，提出一種基于案例推理的風(fēng)電功率預(yù)測模型的優(yōu)選決策方法。以風(fēng)速、風(fēng)向和溫度序列作為案例的描述特征，在風(fēng)電場