考虑气象因素风电场风速及风电功率短期预测.pdfVIP

A Dissertation Submitted to Shanghai Jiao Tong University For the Master Degree Research on short-term wind speed and wind power forecasting considering meteorological factors in wind farm Author: Lin Haitao Major : Power System and Its Automation Supervisor: Ph.D Jiang Chuanwen School of Electronic Information and Electrical Engineering Shanghai Jiao Tong University Shanghai, P.R. China January 2009 考虑气象因素的风电场风速及风电功率短期预测研究 摘 要 随着风电场穿透功率的增加，风电场并网运行给电网带来的一系列 影响越来越严重，足以破坏电力系统经济、安全、稳定、可靠运行的状 态。风电的原动力是风能，而风能具有较强的随机性和波动性，使得接 入电网的风电穿透功率呈现剧烈的波动特性，风电功率的波动给系统带 来的主要影响有：频率稳定、功角稳定、电压稳定、谐波、电压波动与 闪变、网损及潮流的分布、系统备用成本、调度计划的制定、系统可靠 性等诸多方面。良好的风电场风电功率预测结果，可以让运行人员提前 制定调度计划、安排机组出力及系统备用等相关措施，减少整体有功出 力的波动，从而降低风电并网给系统带来的影响。 一方面，风能受众多地理和气象因素的影响，地理上的因素如地形、 地貌、纬度等，气象上的因素如温度、风力等级、湿度等，每一个因素 的变化都可能导致风速的变化，使得风速的日变化规律性较差，预测模 型模拟的未来风速变化趋势可能与实际相差很大，导致预测结果无法令 运行人员满意；另一方面，研究人员可以分析风速与各种因素的相关程 度，并利用风速与各种因素的相关性，提取有用信息，寻找与未来风速 变化规律更接近的历史数据，进行预测工作，提高预测精度。 本文首先采用直观和统计学的方法分析了风速与主要气象信息间的 相关性。直观的方法就是将连续一段日期的风速及相关的气象信息，按 照风速大小顺序排列，观察随着风速的增加，各个气象信息的增减情况， I 以此反应风速与气象信息在变化趋势上的相关性；统计学方法就是借助 统计学中相关性系数的概念，系统的分析风速与气象信息间的相关性质 正相关或负相关）及相关程度。 本文在分析了气象因素与风速的相关性后，提出考虑气象因素的风 电场风速及风电功率短期预测研究。首先，在风速与主要气象信息相关 性分析的基础上，提取与风速相关性最大的几个气象因素作为模糊聚类 样本的指标，通过模糊聚类技术将历史样本进行分类；其次，由于每个 因素与风速的相关程度不同，本文在每个指标上乘以一个权重系数，并 给出计算指标权重的数学方法；再次，在风速预测中，精确的聚类结果 是不必要的，因此本文还改进了传统的模糊聚类技术，提出适合不精确 分类的模糊聚类算法的步骤，使其应用起来更明了、方便；最后，将部 分气象信息和对应点的历史风速值作为 BP 神经网络模型的输入，使用与 预测日同类的样本训练 BP 神经网络模型，得到风速预测结果，进一步通 过风力发电机的功率曲线得到风电功率。 根据上海某两个风电场的实测数据，测试本文方法的预测结果，通 过比较直接应用 BP 神经网络模型的预测结果，和本文方法的预测结果， 可以看出，本文预测方法的预测精度至少提高了 5%，充分说明了本文方 法的有效性和实用性。 关键词：风电并网，气象因素，相关性分析，指标权重，风电功率预测， 模糊聚类技术，BP 神经网络模型；