风电功率预测论文：风电功率预测-预测模型-功率曲线-最大信息熵原理.docVIP

风电功率预测论文：大型风电场短期功率预测研究 【中文摘要】中国的风电场大都是集中的大容量风电场,而且分布在负荷较少地区,风电的随机性和间歇性,给电力系统的安全稳定运行造成了严峻的挑战,不利于风电的进一步发展。选取内蒙古一个实际风电场为例,对风电场短缺功率预测的多种模型进行研究和改进,主要的工作包括以下几个方面：根据建立的风机之间的相关系数矩阵,对风机的数据进行预处理；利用神经网络确定对功率输出相关度最大的变量,确定预测目标。对每台风机分时段建立功率特性曲线是符合实际需要的。时间序列模型建模简单,具有较好的短期预测精度,是最常用的线性预测模型。神经网络模型能较好的应对序列的波动,具有理论丰富和高精度等特点,是常用的非线性模型。SVM收敛速度快,学习能力强,泛化能力好,即使风速距离变化时,也能有效的预测序列的变化趋势。小波分解组合模型能较好的应对非平稳时间序列,具有良好的预测精度。卡尔曼滤波组合模型几乎没有增加建模的计算量,而且没有提高所建时间序列模型的阶次,但卡尔曼滤波算法的预测精度却极大地提高。基于最大信息熵原理的组合模型,能有效的提高系统的鲁棒性和预测精度。 【英文摘要】Chinese wind plants are large-scale plants and most of them are located in where the load is few. It’s a challenge to the power system safely and stably operation that the wind’s intermittence and random which would be an obstacle to the wind power development in the future. Taking a wind power plant in Nei Monggu as an example, the paper studied some kinds of forecasting models. The paper’s main works are as follows:According the the established correlation coefficient matrix of wind turbines, turbines... 【关键词】风电功率预测 预测模型 功率曲线 最大信息熵原理 【英文关键词】Wind Power forecasting forecasting models power curve maximum entropy principle 【目录】大型风电场短期功率预测研究 致谢 5-6 摘要 6-7 ABSTRACT 7 1 引言 12-20 1.1 12-14 1.1.1 研究背景 12-13 1.1.2 研究目的和意义 13-14 1.2 风电场功率预测的分类 14 1.2.1 按预测时间分类 14 1.2.2 按预测对象分类 14 1.3 风电场功率预测的方法与原理 14-15 1.3.1 基于历史数据的风电场功率预测 15 1.3.2 基于数值气象的风电场功率预测 15 1.4 风电场功率预测的研究现状 15-17 1.4.1 国外研究现状 15-16 1.4.2 国内研究现状 16-17 1.5 研究内容 17-20 2 风电场参数统计规律 20-30 2.1 引言 20 2.2 风速和风向基本知识 20 2.3 风电场运行数据的统计 20-23 2.3.1 风速和风向统计 21-22 2.3.2 发电量的统计 22-23 2.4 风电场运行数据的预处理 23-25 2.4.1 坏数据的剔除 24 2.4.2 缺失数据的补充 24-25 2.5 变量相关度研究 25-27 2.5.1 平均影响值模型(MIV) 25 2.5.2 算例分析 25-27 2.6 风电场功率预测误差指标 27-28 2.6.1 常用预测误差指标 27-28 2.7 小结 28-30 3 基于时间序列的风速和功率预测研究 30-44 3.1 引言 30 3.2 时间序列模型 30-37 3.2.1 时间序列模型简介 30-31 3.2.2 时间序列建模流程 31-37 3.3 时间序列分析模型在风速和风电功率预测中的应用研究 37-43 3.3.1 时间序列分析法在Matlab中的实现 37-39 3.3.2 预测结果及分析 39-43 3.4 小结 43-44 4 基于人工神经网络的风速和功率预测研究 44-64 4.1 引言 44 4.2 神经网络模型 44-52 4.2.1 人工神经网络模型 44-45 4.2.2 代表性神经网络 45-52 4.3 遗传算法优化 5