基于时空相关性的区域风电场群风速预测研究-电气工程专业论文.docxVIP

摘要 摘 要 I I 摘 要 我国风能开发呈现大规模集中开发的特点，其波动性与间歇性给接入电网的安 全稳定运行造成了巨大的挑战。由于风电功率与风速紧密相关，因此准确的风速实 时预测变得至关重要，将有利于电网调度及时调整计划，减轻风电的间歇性对电网 的影响。 为提高风速的实时预测精度，本文提出基于时空相关性（STCP）和人工神经网 络（ANN）的 STCP-ANN 组合实时预测方法。该方法首先基于风速演变的物理特 性，依据目标预测点的若干个邻域点的风速及风向信息，建立 STCP 模型并得到不 等时间间隔的预测风速；然后依据目标预测点的风速序列建立人工神经网络预测模 型进行风速的实时预测；最后将 STCP 结果以一定的滑动时间窗与人工神经预测模 型得到的实时预测风速进行非最优正权组合得到最终的预测风速。其中，人工神经 网络采用 BP 及 Elman 两种典型的神经网络，分别形成 STCP-BP 及 STCP-Elman 组 合预测方法。 以冀北某区域风电场群多个风电场实测数据为例，对上述两种组合预测模型在 Matlab 环境下进行了仿真实验，并将本文所提风速预测方法与 BP 网络、Elman 网 络方法进行了对比分析，发现 STCP-BP 组合预测方法较于 BP 方法在提前 24 步预 测时预测精度提高 22.74%，同种情况下，STCP-Elman 组合预测较于 Elman 提高 19.22%。提前 6 步，12 步，18 步，24 步预测时，STCP-Elman 较 STCP-BP 的预测 精度分别提高 6.91%，11.76%，7.85%，8.88%，表明本文提出的 STCP-ANN 组合 预测方法有效地提高了风速的实时预测精度以及 Elman 网络在动态时空建模方面的 巨大优势，验证了 STCP-ANN 的准确性与有效性。 关键词：风电场；风速预测；人工神经网络；时空相关性；非最优正权组合； Ab Abstract II II Abstract Wind power development exhibits a remarkable characteristic which develops intensively，whose intermittency and volatility is a enormous challenge to the safe and stable operation of the grid connected to. Because wind power is closely related to wind speed, accurate real-time wind speed prediction becomes critical, that will be conducive to the timely adjustment of grid scheduling program to mitigate the effects of intermittent of wind power on the grid. To improve accuracy of real-time wind speed prediction, this paper presented STCP-ANN combination prediction methods based on spatio-temporal correlation (STC) and artificial neural network (ANN). Firstly the method got established STCP model to predict in unequal intervals based on the physical characteristics wind speed evolution and wind speed and direction information of a number of points in the neighborhood of the target forecast point. And then we established ANN model to finish real-time forecast with wind speed time series of target forecast site. Finally, STCP results with a sliding time window and ANN forecasting results were combined to get final forecasting wind sped through non-o