电工杯--数学建模--风电功率预测问题.docVIP

答卷编号： 论文题目：风电功率预测问题 姓 名 专业、班级 有效联系电话 参赛队员1 张鹏宁 电自1011 参赛队员2 张学阳 数学101 参赛队员3 季本明 数学101 指导教师： 参赛学校：东北电力大学 报名序号：160 证书邮寄地址： （学校统一组织的请填写负责人） 答卷编号： 阅卷专家1 阅卷专家2 阅卷专家3 论文等级  风电功率预测问题 摘要： 本题用风电功率历史数据来对未来一段时间功率的数值进行预测，通过Matlab软件编程和Excel处理数据，用神经网络仿真预测法、灰度预测法、时间序列预测法通过历史数据所呈现出来的一些规律对某段时间的风电功率展开预测，预测之后对得到的数据进行误差分析，通过与一些标准的对比来确定预测方法的可靠程度。 对于问题一：分别用三种预测法对5月31日0时0分至23时45分各个时段的风电功率进行求值，再通过历史数据以及预测的数据对5月31日0时0分至6月6日23时45分预测求值，用excel求出预测数值的准确度、合格率（详见表2）。由于灰度预测的准确度和合格率在三种预测法之中最高，所以推荐灰度预测法。 时序预测准确度 0.744 0.765 0.794 0.828 0.794 0.801 时序预测合格率 0.885 0.88 0.812 0.906 0.833 0.864 神经预测准确度 0.382 0.374 0.434 0.524 0.450 0.464 神经预测合格率 0.979 0.979 0.979 0.958 0.958 1 灰度预测准确度 0.593 0.657 0.673 0.625 0.750 0.852 灰度预测合格率 0.895 0.854 0.864 0.9270 0.8541 0.864 对于问题二， 时序预测 14.81 49.09333 47.86 44.72267 13.941 2.222667 神经预测 18.9325 1.532751 17.43212 9.069472 13.29298 20.34275 灰度预测 19.4860 38.14668 24.1573 41.8295 20.7865 14.0816 通过上述相对误差表格的对比，很清晰的能够看出来多机总功率预测的相对误差比单台风电机组功率小很多，所以说，众多的风电机组的汇聚可以降低风电功率波动的属性。 对于问题三，通过对神经网络仿真法对历史的横向数据处理变为纵向数据处理，精度明显的题高了7%左右，通过分析，影响精度进一步改善的主要因素是风速、风向、气温，其中风速的影响最大，由于受到尾流和粗糙程度的影响，在不同的风向作用下风电效率也不相同。因为受很多此类的制约因素的影响，所以风电功率预测精度不能无限提高 关键词： 风电功率预测；预测模型；数据处理；预测精度 问题的重述 某风电场由58台风电机组构成，每台机组的额定输出功率为850kW。附件2中给出了2006年5月10日至2006年6月6日时间段内该风电场中指定的四台风电机组（A、B、C、D）输出功率数据（分别记为，，，;另设该四台机组总输出功率为）及全场58台机组总输出功率数据（记为）。 问题1：风电功率实时预测及误差分析。 请对给定数据进行风电功率实时预测并检验预测结果是否满足附件1中的关于预测精度的相关要求。具体要求： 采用不少于三种预测方法（至少选择一种时间序列分析类的预测方法）； 预测量： a．, , , ； b．； c．。 预测时间范围分别为（预测用的历史数据范围可自行选定）： a. 5月31日0时0分至5月31日23时45分； b. 5月31日0时0分至6月6日23时45分。 4）试根据附件1中关于实时预测的考核要求分析你所采用方法的准确性； 5）你推荐哪种方法？ 问题2：试分析风电机组的汇聚对于预测结果误差的影响。 在我国主要采用集中开发的方式开发风电，各风电机组功率汇聚通过风电场或风电场群（多个风电场汇聚而成）接入电网。众多风电机组的汇聚会改变风电功率波动的属性，从而可能影响预测的误差。 在问题1的预测结果中，试比较单台风电机组功率（，，，）的相对预测误差与多机总功率（，）预测的相对误差，其中有什么带有普遍性的规律吗？从中你能对风电机组汇聚给风电功率预测误差带来的影响做出什么样的预期？ 问题3：进一步提高风电功率实时预测精度的探索。 提高风电功率实时预测的准确程度对改善风电联网运行性能有重要意义。请你在问题1的基