风电场发电功率短期预测模型研究-电气工程专业论文.docxVIP

重庆大学硕士学位论文中文摘要 重庆大学硕士学位论文 中文摘要 I I 摘 要 随着地球上石化燃料的不断消耗和环境问题的日益严重，风能作为一种安全、 洁净且无限的能源为改变全球能源结构提供了机会。风力发电是风能利用的主要 形式，许多国家把发展风力发电纳入国家发展规划。由于自然风具有随机性、波 动性和不可控性，风电场的发电功率波动较大。当穿越功率超过一定值时，会对 并网系统的电能质量和电网的安全、稳定运行造成不良影响。高精度的风电功率 预测可以及时改变调度计划、安排系统备用等，从而减少整体有功出力的波动， 提高风电穿透功率极限，降低风电场并网给系统带来的影响，同时可以提高风电 场在电力市场中的竞争能力。 预测结果的精度会受到预测模型的选取的影响，而预测模型的选取在于根据 数据序列的属性选择相适应的数学方法。利用 C-C 法可靠性高、计算速度快、能 同时估计出延迟时间和嵌入维数的特点对风电功率时间序列进行了相空间重构； 计算了风电功率时间序列的饱和关联维数和最大 Lyapunov 指数，两者均证实了风 电功率时间序列具有混沌属性，可采用混沌方法对其进行短期预测。 在相空间重构的基础上，分别利用二阶、三阶和四阶的 Volterra 自适应滤波 器对风电场发电功率进行了混沌预测并进行了分析。结果表明：基于 Volterra 自 适应滤波器模型的预测结果可以有效反映出风电功率序列未来变化的趋势，并且 可以达到较高的精度；但阶数不同，预测精度不同，阶数越低，精度越高。此外， 还利用径向基函数（Radial Basis Function，RBF）神经网络模型对风电功率进行 了混沌预测，预测结果同样可以达到较高的精度，但有一定的滞后特性。上述两 种方法只需要风电场发电功率历史数据即可，实现简单，精度高，可为风电场发 电功率混沌预测提供依据。 相似日已经应用于电力负荷预测中，并取得了不错的效果。根据影响风电出 力的因素，提出了风电场发电功率相似日的选择方法。设计了基于相似日和 Chebyshev 神经网络的风电功率短期预测模型：以大量历史日及其相似日所含风 电出力样本对作为训练样本训练 Chebyshev 神经网络，输入待预测日的相似日样 本于训练好的 Chebyshev 神经网络中，得出风电功率预测结果。根据云南某风电 场数据对该模型进行验证，与持续法进行了比较，分析了预测误差及其概率分布。 结果表明该预测模型具有较高的预测精度，预测误差符合正态分布，可为风电功 率预测提供参考。 关键词：风电场，功率预测，混沌，滤波器，人工神经网络，相似日 重庆大学硕士学位论文英文摘要 重庆大学硕士学位论文 英文摘要 II II ABSTRACT As fossil fuel consumption is unceasing and environment problems are becoming serious in the Earth, wind energy, as a safe, clean and limitless energy, provides the opportunity to change the global energy mix. Wind power is the main form of wind energy, and many countries make the development of wind power as national development planning. Due to the random and uncontrollable nature of the natural wind, the output of the wind farm power fluctuations. While wind farm penetration is over a certain value, it will effect power quality and security, stability operation of grid network system. Accurate wind power forecasting can change scheduling plan, system reserve capacity and other arrangements to reduce the overall active power output fluctuations of wind power, thus to improve penetration power, with reducing the impact to the power system and improving the