基于極限向量機(jī)的風(fēng)電功率預(yù)測方法研究.pdf

1、由于風(fēng)電功率具有強(qiáng)隨機(jī)性與間歇性，大規(guī)模的風(fēng)電并網(wǎng)會給電力系統(tǒng)的安全和經(jīng)濟(jì)運(yùn)行帶來諸多挑戰(zhàn)。為此，需要深入研究風(fēng)功率的預(yù)測方法和技術(shù)，為電力系統(tǒng)優(yōu)化運(yùn)行提供日前甚至實時的風(fēng)電出力預(yù)估值，以幫助電力調(diào)度人員制定常規(guī)能源的發(fā)電計劃。這對于提高電力系統(tǒng)的風(fēng)電消納能力，進(jìn)一步改變我國的能源構(gòu)成具有重要意義。
　　現(xiàn)有的風(fēng)電功率預(yù)測方法，尚難以滿足系統(tǒng)調(diào)度的精度需求。尤其是在較強(qiáng)的天氣波動條件下，傳統(tǒng)的預(yù)測方法由于缺乏對隨機(jī)性場景有效的泛化

2、預(yù)測，會導(dǎo)致某些時刻的預(yù)測誤差激增，可能給電力系統(tǒng)的可靠、經(jīng)濟(jì)運(yùn)行帶來很大影響。
　　針對此問題，本文通過建立能夠處理強(qiáng)隨機(jī)性風(fēng)電功率特點(diǎn)的預(yù)測模型，研究了對多種預(yù)測計算結(jié)果中的有效信息提取和組合方法;采用三種向量機(jī)算法進(jìn)行風(fēng)功率預(yù)測方法評估，并將其應(yīng)用于組合預(yù)測模型。這些研究，可以有效地提高風(fēng)電功率預(yù)測精度，提供分散預(yù)測風(fēng)險的技術(shù)手段。主要研究工作包括:
　　(1)基于并行支持向量機(jī)的風(fēng)電功率預(yù)測方法研究
　　建立了

3、兩種支持向量機(jī)風(fēng)電功率預(yù)測模型，包括:最小二乘支持向量機(jī)模型(LS-SVM)、并行支持向量機(jī)模型(P-SVM);通過分析輸入量對預(yù)測的影響原理，選取模型輸入變量，以中國某風(fēng)電場實際運(yùn)行數(shù)據(jù)為例驗證模型效果。研究結(jié)果表明:兩種支持向量機(jī)預(yù)測方法在各季節(jié)均能達(dá)標(biāo)，相比較而言，并行支持向量機(jī)效果更佳（14.44％和16.08％）;其中在波動性較強(qiáng)的春秋兩季誤差最大，需要建立更能描繪隨機(jī)性的預(yù)測模型。
　　(2)基于極限向量機(jī)的風(fēng)電功率預(yù)

4、測方法研究
　　建立了基于極限向量機(jī)的風(fēng)電功率預(yù)測模型，可以通過隨機(jī)生成隱層節(jié)點(diǎn)的學(xué)習(xí)策略描繪風(fēng)電功率的隨機(jī)波動特征，增加了預(yù)測模型對風(fēng)力發(fā)電過程中的隨機(jī)過程的模擬精度。實例分析結(jié)果表明:從整個月每個時刻點(diǎn)來看，預(yù)測效果均優(yōu)于支持向量機(jī)，全年平均RMSE為13.61％。
　　(3)基于三種向量機(jī)算法的組合預(yù)測研究
　　將上述三種向量機(jī)模型的結(jié)果根據(jù)誤差特點(diǎn)進(jìn)行組合預(yù)測，分別采用定權(quán)重平均的線性組合法和多屬性決策的非線性