基于DBN与信号分解的风电功率组合预测研究.pdfVIP

沈阳工程学院硕士学位论文摘要

摘要

近年来，我国风电装机容量稳步提升，大量的风电接入对电网的影响也日益显著。

但是，风能的不稳定性使得风电场的输出情况变得难以控制，对风电功率进行预测可

以减轻风电接入对电网的负面影响，调整电网的调度。所以如何能够准确的预测风功

率，将风力和电力之间默契配合，以此促进电力系统的平稳运行，成了目前急需解决

的世界性问题。为此，本文提出研究短期风功率组合预测。具体工作内容有：

(1)本文选择铁岭地区的某风电场为研究对象，对其风力发电的特性进行了深入分

析，并对影响风功率的各种因素进行了定性讨论，进而确定预测模型的输入量；基于

风电场的历史数据，筛选重要特征，且为保障数据的有效性，需进行预处理，即利用

归一化手段减少量纲的干扰；同时，利用互信息理论分析输入向量与风速之间的相关

性，进一步增强核心因素对功率预测的影响，进而提升预测值的精确度。

(2)综合考虑风速、湿度、温度、气压以及风机的历史功率等多个影响因素，构建

深度置信网络预测模型，并经仿真分析，将风机的有功输出进行短期预测，分析预测

结果，找出问题所在；采用禁忌搜索算法优化模型，以减少陷入局部最优的情况；运

用k-means算法增强数据特征提取效能，进而建立了改进的风功率预测模型，并加以

验证，最后对该模型的实用性进行探讨，结果表明，改进的模型比单一的预测模型具

有更高的预测精度、更快的预测速度。

(3)VMDLSTM

为解决风电功率时间序列波动性的难题，将和神经网络模型融合

进行风电功率的预测。首先，将风电功率的时间序列进行信号分解再分别融合LSTM、

LightGBM模型进行对比分析，分解得到的子分量与筛选后的关键特征进行融合。接

着，采用时间滑动窗口策略构建输入数据集，然后各子分量分别进行独立预测，再通

过累加的方式生成最终的风电功率预测结果。经仿真分析验证，将风电功率原始序列

信号分解后，其预测性能显著优于未分解的情况，这进一步验证了该模型在提升预测

精度方面的有效性。

(4)为了解决单一算法在预测全年不同月份场景时的局限性，对两种不同的单一算

法进行权重分配的组合预测。通过采用平均权值法和协方差组合法，实现了有机的组

合预测。结果表明，组合预测方法有效地降低了不同场景对预测效果的不良影响，并

降低了月平均误差。

关键词：风电组合预测；深度置信网络模型；信号分解原理；禁忌搜索算法

I

沈阳工程学院硕士学位论文Abstract

Abstract

Inseveralyears,theinstalledcapacityofwindpowerinChinahasincreasedsteadily,

andtheimpactoflarge-scalewindpoweraccesstothepowergridhasbecomemoreandmore

obvious.However,theinstabilityofwindenergymakestheoutputofwindfarmsdifficultto

control.Thepredictionofwindpowercanreducethenegativeimpactofwindpower

connectedtothepowergridandtheschedulingofthepowergridisadjusted.Therefore,how

toaccuratelypredictwindpowerandcoordinatewindpowerandelectricitytopromotethe

smoothoperationofthepower