风电功率预测方法综合探究.doc

答卷编号：4098 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 刘鹏 数学与应用数学2班 参赛队员2 刘亚亚 数学与应用数学2班 参赛队员3 王远伟 数学与应用数学2班 指导教师：卢福良 参赛学校：临沂大学 报名序号： 证书邮寄地址： （学校统一组织的请填写负责人） 答卷编号：4098 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： 首先对风电场测量参数和运行参数进行了预处理及其统计规律的研究，得到一些后面研究中要用到的结论。根据历史记录数据，使用随机时间序列分析方法针对一天96个时刻分别建立预测模型，进行提前0-4小时的风电场功率预测；预测精度满足要求，并且发现预测误差随季节发生变化的规律。 模型一：指数平滑法，对每时刻的累加趋势建立两次 =+（1-） =+（1-） 建立直线修正模型=+, =2—；=（—）； 以2006年5月份的风电功率数据为样本，预测2006年6月份的风电功率，其次对2006年5月10日—2006年6月6日的数据进行时间序列分析，最后得出这28天的平均风电功率输出几乎在5h至16h稳定在2000kw左右。 模型二：二元线性回归预测模型， 用于0-4小时的风电场功率预测，该模型具有明确的物理意义，可以显著提高网络的泛化能力；二元线性回归预测模型可以提高预测精度，预测误差也呈现出随时间发生变化的规律。 模型三：ARMA算法模型 方差 自相关函数 为进一步提高预测精度，结合风电场功率随机性大的特点，并考虑风电场功率高阶矩的特征，建立了基于ARMA算法的风电场功率预测模型，该方法可以有效提高预测精度。 关键词：风电预测 指数平滑 最小二乘法 ARMA算法 1问题重述 “风”是“跟地面大致平行的空气流动，是由于冷热气压分布不均匀而产生的空气流动现象2000年到2007年，全世界的风力发电装机年增长量都在20％以上，其在电网中所占的比例不断提高。据世界风能协会统计【1J，到2007年底，全球的风力发电机组装机总容量达到93，849MW，可以每年生产200TWh电力，相当于全球电能消费总量的1．3％。在一些国家和地区，风力发电量已经占到当地电能总量的40％及以上，已经能够满足当地最小负荷的需求。 对风电场的功率进行短期预测，将使电力调度部门能够提前根据风电功率变化及时调整调度计划，保证电能质量，减少系统的备用容量，降低电力系统运行成本，这是减轻风电对电网造成不利影响、提高电网中风电装机比例的一种有效途径。 3问题分析 问题的性质 本文主要研究风电功率预测方法的分析问题，我们需要了解的的关键问题是各种模型对于预测的差异性，进而寻找最适宜的，误差最小的方法。 （二）解决问题的关键 1如何找出一天当中风电功率的变化趋势 2如何确立时间与风电功率的关系， 3如何通过优化，使预测的风电功率值与真实值的误差减小 4如何提高预测精度 （三）解决问题的思路 问题（1）：根据三种数学模型，指数平滑法，二元线性回归模型，ARMA模型预测风电功率。 问题（2）：进行数据运算，计算误差率，进行比较，通过图表，寻找规律 问题（3）：对上述某一种模型进行优化，减小预测误差，提高预测精度 4名词解释与合理假设 指数平滑法是布朗(Robert G..Brown)所提出，布朗、认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过去态势，在某种程度上会持续的未来，所以将较大的权数放在最近的资料。 t时刻累计值 平滑系数 一次平滑值 二次平滑值 30+l天的累加值 ， 修正系数 5月31日的风电预测功率序列 5月30日的风电实测功率 方差 自相关函数 6模型建立与求解 （一）问题（1）风电功率实时预测及误差分析 一．时间序列分类 1.时间序列分析(Time Series Analy