基于混沌理論的風電功率實時預測研究.pdf_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、近十幾年,我國風能的開發(fā)利用處于快速發(fā)展階段,風電裝機容量以及風電并網(wǎng)情況增長較快,但是因為近地風具有間歇特征,風電功率在一定程度上具有隨機特征,風電并網(wǎng)后,風電功率的大幅度波動變化會對電力系統(tǒng)正常運行、合理分配調(diào)度等方面造成影響。掌握風電功率的時空分布規(guī)律、對風電功率進行較為準確的預測以及對預測誤差進行分析研究,這對風能大規(guī)模的開發(fā)利用具有重要意義。
  本文以東北風電場的有功功率數(shù)據(jù)為例,分析研究風電功率的時空分布特征。為了客

2、觀認識風電功率的波動變化特征、研究風電功率混沌特征的時空分布特點,本文提出了衡量風電功率混沌特征的量化指標—滾動最大 Lyapunov指數(shù),并對混沌特征的時間和空間分布特征進行分析驗證;利用自相關(guān)系數(shù)圖和周期圖驗證了風電功率序列中存在周期性分量這一特征,然后利用傅里葉變換提取周期分量,并且利用遞歸圖法驗證了剩余分量具有混沌特征;利用集合經(jīng)驗模態(tài)分解對風電功率時間序列進行降噪處理,然后分析降噪后的時間序列的長程相關(guān)性和分形特征。
 

3、 針對風電功率預測的研究,本文提出了基于混沌理論的三種不同的預測方法:基于局域一階加權(quán)法的風電功率超短期預測、校正的 Lyapunov指數(shù)多步預測模型以及實時提取周期分量的組合預測模型。其中,基于局域一階加權(quán)法的風電功率超短期預測模型是以距離作為鄰近相點的選擇判據(jù)構(gòu)建預測模型;校正的 Lyapunov指數(shù)多步預測模型則以Lyapunov指數(shù)預測模型為基礎(chǔ),并對滾動預測時的預測值進行校正;實時提取周期分量的組合預測把序列分解為周期分量和剩

4、余分量,然后把兩個分量各自的預測值合并后加入到原序列中,針對新的風電功率序列再次分解和預測。
  針對風電功率預測誤差的研究,本文以混沌理論為基礎(chǔ),基于東北風電場的有功功率數(shù)據(jù),分析了風電功率在實時預測時的單步預測誤差的概率分布,研究了風電功率預測誤差與預測步數(shù)的關(guān)系、預測誤差與風電場出力情況的關(guān)系以及預測誤差與裝機容量之間的關(guān)系。
  針對風電功率的多步預測,建立了基于VB語言的風電場有功功率預測系統(tǒng)。該預測系統(tǒng)可直接從實

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論