基于WindPro数据修正及风电场风速预测研究.pdfVIP

第39卷第 6期 四川 电 力 技 术 Vo1．39，No．6 2016年 12月 SichuanElectricPowerTechnology Dec．，2016 基于 WindPro数据修正及风电场风速预测研究 张忠伟 ，王维庆 王海云 。，姚秀萍。，常喜强 (1．新疆大学电气工程学院，新疆 乌鲁木齐 830047； 2．教育部可再生能源发 电与并网控制工程技术研究中心，新疆 乌鲁木齐 830047， 3．新疆电力调度控制中心，新疆 乌鲁木齐 830001) 摘 要：根据某风场数据，先对风场数据进行修正，剔除错误数据，以避免累计误差的出现，提高预测精度。在神经网 络的输入变量中不仅考虑了风速风向，还加入 了跟大气运动形成风能的温度、重力常数和海拔。通过对神经网络法 的粒子群优化算法(PSO)优化和惯性权重的调整来预测风速，通过神经网络训练该方法能够提高预测的准确性，能够 改善风 电并网的稳定运行和 电网调度的调整。 关键词：数据修正；神经网络；粒子群优化算法 (PSO)；惯性权重 Abstract：Accordingtothedataofawindfield，thewindfielddataiscorrectedfirstly，andthenthewrongdataiseliminated inordertOavoidtheemergenceoftheaccumulatederrorandtoimprovethepredictionprecision．Intheinputvariablesofneu— ralnetwork，itnotonlyconsidersthewindspeedanddirection，butalsothewindtemperature，gravitationalconstantandele— vationformedwithatmosphericmovement．Throughoptimizingtheparticleswarmoptimization(PSO)ofneurMnetworkmeth— odandadjustingtheinertiaweight，itcanforecastthewindspeed，andthroughtheneuralnetworktrainingmethoditcanim— provethepredictionaccuracy，whichcanimprovethestableoperationwithwindpowerintegrationandtheadjustmentofpower gridscheduling． Keywords：datacorrection；neuralnetwork；particleswamr optimization(PSO)；inertiaweight 中图分类号：TK81 文献标志码：A 文章编号：1003～6954(2016)06—0018—05 通过某风场 1年ff勺测风数据，在数据源头对数 0 引 言 据进行修正，剔除错误数据。并用神经网络对修正 后数据训练，用粒子群优化算法(particleswarmopti— 随着国家对风力发电的投资 日益加大，风电产 mization，PSO)对神经网络进行优化，通过迭代次数 业的快速发展，对风力发 电的技术和研究也提出了 对惯性权重进行调整。根据气象预报来预测最近 更高的要求 。其风速和风 电预测对风电并网稳 48h风速，通过和神经网络算法 比较优化后，神经 定运行和电力部门根据预测风速做出调整有很大影 网络算法预测准确性较好。 响 J。国外对风 电场风速及风电短期预测 已经做 了大量深入的研究，当前中国在短期和超短期风速