基于混合模型的風電場短期風速風功率預測研究.pdf

1、由于風能是環(huán)境友好的可再生能源，近年來逐漸得到廣泛的關注，風電并網的容量也逐步增加。鑒于風能的間歇性與隨機性，有效的風速與功率預測是實現(xiàn)大規(guī)模風電并網的前提條件。高精度且普適性強的短期風速風功率預測算法能夠保障電力系統(tǒng)的安全穩(wěn)定運行，便于電網調度的調整，降低風場的運營成本。
　　本文基于西北、華東、西南三個區(qū)域風電場實測歷史數(shù)據，進行了短期風速與功率預測，主要研究內容包括以下幾個方面:
　　首先使用自回歸滑動平均（ARMA）

2、模型分月進行了提前1h的風速預測，預測誤差符合要求且保持穩(wěn)定。同時建模過程中引入了特定的數(shù)據預處理方法，并證明了這些方法對于預測精度的改善效果優(yōu)異。
　　然后基于三層BP神經網絡模型得到風速數(shù)據基礎建模預測結果，為了改善BP網絡訓練過程中收斂時間長并且容易陷入局部最優(yōu)的局限性，采用遺傳算法(GA)優(yōu)化了BP網絡的權值與閾值選取過程。實驗證明，遺傳算法能夠有效降低預測誤差，提高算法的收斂效率。
　　為了能顯著降低預測誤差，采用

3、了建立在上述模型基礎上的混合預測算法。將風速數(shù)據用小波分解為粗糙分量與細節(jié)分量，采用ARMA模型預測粗糙分量，用GA改進的BP神經網絡預測細節(jié)分量，具體算例證明了混合模型預測風速精度明顯優(yōu)越于單一模型。另外，基于小波分析的混合預測模型不僅在超前一步預測中表現(xiàn)良好，超前多步預測也能提供遠高于單一模型的精確度，并且針對三個風電場的數(shù)據均適用。
　　得到超前一步風速預測值后，文中選取線性擬合法擬合了風電場的實際功率特性曲線，間接預測了提