风电功率短期预测及风电并网条件下电力系统经济调度研究-电气工程专业论文.docxVIP

Dissertation Submitted to Hebei University of Technology for The Master Degree of Electrical Engineering RESEARCH ON SHORT TERM WIND POWER PREDICTION AND ECONOMIC DISPATCH OF POWER SYSTERM UNDER THE CONDITION OF WIND POWER INTEGRATION by Liu Song Supervisor: Prof. Li Wenhua November 2014 摘 要 随着世界上常规化石能源的日益枯竭和全球气候变暖，人类增强了对新能源的开发和 利用。风能与自然界中的矿物燃料不同，它是一种干净的、储量非常丰富的可再生能源。 但是风的波动性、随机性和间歇性，使得风电大容量的并网给电网的安全、经济运行和电 能质量等带来严峻挑战。如果能对风电场进行精确的预测，将减少电网的备用容量，降低 电力系统的运行成本，同时也对风电参与电力市场竞价和电网的合理调度提供保障。本文 以山东某风电场作为研究对象，以实测的历史数据来进行风电场的风电功率短期预测研究， 并在风电并网条件下进行电力系统经济调度研究。 首先，分析风电功率的影响因素，得出影响风电功率的主要影响因子为：风速、风向、 气压、温度、相对湿度、叶片角度和发电机平均转速。然后，用灰色关联分析法对影响风 电功率的因素进行量化分析，选取关联度较大的因素作为训练以及预测的输入。 简要介绍最小二乘支持向量机（LSSVM）的结构、原理和特点。用 LSSVM 建立预测 模型对风电功率进行了预测，为后面方法的改进提供了理论基础。 将黑洞粒子群（BHPSO）算法引入到数值寻优领域中，实现对 LSSVM 控制参数的寻 优搜索，从而提出 BHPSO-LSSVM 算法。将该法预测结果与传统的 LSSVM 预测结果进行 比较分析。 最后，利用前面介绍的风电功率点预测信息为基础，考虑了风电功率预测误差可能对 系统造成的不确定影响，并将风电穿透功率引入到正、负旋转备用当中，采用黑洞粒子群 （BHPSO）算法和传统粒子群（PSO）算法分别建立含风电场的电力系统经济调度模型， 并对模型进行求解，最后对两种方法得出的结果进行比较分析。 关键字：风电功率， 短期预测， 电力系统， 经济调度， 灰色关联分析， 最小二 乘支持向量机， 黑洞粒子群 I II II ABSTRACT With the decreasing conventional fossil energy in the world and global warming, man enhances the development and utilization of new energy. Wind energy, which is a kind of clean, abundant and renewable energy, is different from fossil fuels in nature. Owing to the winds volatility, randomness and intermittence, the large-scale connection of wind farms with power grid has adverse effect on the safety, economic operation and power quality of power system. Accurate wind power prediction will reduce the number of grid spare capacity and the operation cost of power system. Also it is very important to participate in the electricity market and reasonable scheduling of power grid. In this paper, measured wind power data, at a farm in Shandong Province, is used to forecast short-term wind power and conduct the research on economic dispatch of power system under the condition of wind power integration. First of all, the analysis ind