風(fēng)電場(chǎng)功率短期預(yù)測(cè)方法優(yōu)化的研究.pdf

1、風(fēng)電場(chǎng)功率短期預(yù)測(cè)技術(shù)對(duì)于電力系統(tǒng)的調(diào)度、運(yùn)行和風(fēng)電場(chǎng)的生產(chǎn)和維護(hù)都具有十分重大的意義。國(guó)外的風(fēng)電功率短期預(yù)測(cè)技術(shù)的研究開始于20世紀(jì)80年代，隨著研究的深入，已經(jīng)有比較成熟的算法和商用軟件。國(guó)內(nèi)的相關(guān)研究在近幾年才剛剛開展，在預(yù)測(cè)精度、可靠性和對(duì)不同風(fēng)場(chǎng)的適應(yīng)性方面仍然有許多不足。針對(duì)基于數(shù)值天氣預(yù)報(bào)的功率預(yù)報(bào)模式，研究提高預(yù)測(cè)精度和可靠性的算法，具有重要的學(xué)術(shù)價(jià)值和工程實(shí)用價(jià)值。
　　 論文主要進(jìn)行了以下幾方面的工作：

2、>　　 首先統(tǒng)計(jì)分析了數(shù)值天氣預(yù)報(bào)誤差和風(fēng)電功率短期預(yù)報(bào)誤差，對(duì)它們的誤差分布進(jìn)行了研究，研究了實(shí)測(cè)數(shù)據(jù)中的無(wú)效數(shù)據(jù)、數(shù)值天氣預(yù)報(bào)誤差和預(yù)測(cè)模型對(duì)風(fēng)電功率短期預(yù)測(cè)誤差的影響。
　　 針對(duì)現(xiàn)有的測(cè)風(fēng)數(shù)據(jù)補(bǔ)缺方法或者誤差較大，或者只能處理風(fēng)速數(shù)據(jù)的缺點(diǎn)，首次將自適應(yīng)神經(jīng)模糊推理系統(tǒng)引入到風(fēng)場(chǎng)實(shí)測(cè)風(fēng)速和風(fēng)向數(shù)據(jù)的補(bǔ)缺中，通過(guò)使用歷史實(shí)測(cè)數(shù)據(jù)序列，補(bǔ)充了缺失的數(shù)據(jù)，解決了風(fēng)向數(shù)據(jù)的補(bǔ)缺問(wèn)題，減小了補(bǔ)缺數(shù)據(jù)的誤差。通過(guò)對(duì)實(shí)測(cè)風(fēng)速風(fēng)向數(shù)據(jù)

3、的補(bǔ)缺，可以校正實(shí)測(cè)數(shù)據(jù)中的無(wú)效數(shù)據(jù)，從而為數(shù)值天氣預(yù)報(bào)數(shù)據(jù)的校正打下良好的基礎(chǔ)。
　　 數(shù)值天氣預(yù)報(bào)是風(fēng)電場(chǎng)功率短期預(yù)測(cè)的主要誤差來(lái)源，目前的線性校正方法并不能很好地校正其誤差。在論文中，提出了一種非線性數(shù)據(jù)校正算法，運(yùn)用小波包分析算法和BP神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)值天氣預(yù)報(bào)風(fēng)速進(jìn)行數(shù)據(jù)校正，利用校正后的數(shù)據(jù)進(jìn)行風(fēng)電機(jī)組輸出功率預(yù)測(cè)，并對(duì)預(yù)測(cè)輸出功率進(jìn)行進(jìn)一步的數(shù)據(jù)校正，得到最終的預(yù)測(cè)輸出功率。通過(guò)數(shù)據(jù)校正算法，降低了數(shù)值天氣預(yù)報(bào)風(fēng)速的誤