基于数值天气预报NWP修正的BP神经网络风电功率短期预测研究-电力系统及其自动化专业论文.docxVIP

浙}l：大学硕士学何论文 浙}l：大学硕士学何论文 摘要 摘 要 可再生能源在世界能源结构中的比例急剧增加，其中风能被认为是当前世界 上最有发展前景的新能源技术之一。近十年来，随着中国风力发电产业的快速发 展，如何解决风电并网、运行和消纳成为风电研究的主要课题。其中，高精度的 风电功率预测不仅利于电网调度、风电场运行管理，而且可以增加电网消纳风电 的能力，提高电力系统运行的经济性能。 本文首先概述了风电功率预测的主要方法及国内外研究现状，结合实际风电 场风机运行参数、历史风能信息和天气记录，给出风电机组的风速一功率模型， 分析影响风电机组输出功率的各项因素，并利用多项式和傅里叶级数对机组风速 一功率曲线进行拟合。 随后根据BP神经网络算法，建立风电功率短期预测模型，该模型以风能及 天气信息为输入，风电功率为输出，利用1 80天历史数据对预测日未来72小时 的短期风电输出功率进行预测。 本文着重研究了用于预测模型输入的数值天气预报(NWP)中的风速序列特 性，得到对不同风场，NWP中预报的风速信息与实际风速的误差在整体上呈现一 定规律性。在此基础上，利用神经网络自学习功能对NWP预报风速序列修正，提 高NWP风速的预报精度。结合修正前后的NWP信息，分别利用曲线拟合和BP神 经网络方法对短期风电输出功率进行预测。算例风场情况表明，当原始NWP风速 预报精度较低时，经过NWP修正的BP神经网络风电功率短期预测精度显著提升。 最后，根据算例风场情况，本文对风电场全场输出功率的预测方法进行了探 索，并对风电功率预测的相关实际工作和进一步理论研究进行了展望。 关键词l 风力发电，风电功率短期预测，曲线拟合，数值天气预报，BP神经网 络， 风速序列修正，预测误差 浙rI：大学硕士学位论文 浙rI：大学硕士学位论文 ABSTRACT ABSTRACT Renewable energy has increased dramatically in the world’S energy consumption structure，in which wind is considered as one of the world’S most promising energy technologies．Over the past decade，with the rapid development of China’S wind power industry,the consumtion，operation and酣d-connection of wind power are treated as the main topics in the field of wind power research．Given that，accurate wind power prediction is not only beneficial to the grid dispatching and wind farm operation and management，but also increasing the鲥d’S consumtion capacity of wind generation and improving the economic performance of the power system． Firstly,in the thesis，an overview of wind power prediction methods and its research status around the world were outlined．Then,combined with actual operating parameters from wind turbines in a typical wind farm，historical wind energy information and weather data records，the wind speed—wind power model was described，and the influential factors to the output were analyzed．Basing on that，the wind speed—wind power curve fitting were studied with polynomial fitting an