风电场短期功率预测研究

《风电场短期功率预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级UDC编号上海电机学院硕士学位论文风电场短期功率预测研究STUDYONTHESHORT-TERMWINDPOWERFORECASTINGINWINDFARM硕士研究生陈勤勤学号126001010112校内导师陈国初教授企业导师郭元超高级工程师工程领域电气工程申请学位工学硕士所在单位电气学院答辩日期2015年01月19日授予学位单位上海电机学院上海电机学院学位论文原创性声明本人郑重声明：所呈交的学位论文《风电场短期功率预测研究》，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不

2、包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日上海电机学院硕士学位论文风电场短期功率预测研究摘要本文针对风电场短期功率预测技术在预测精度、可靠性及适应性上存在的不足开展研究，主要对提高预测精度和可靠性的算法进行研究。论文的主要研究内容如下：由于国内风电功率预测的研究很少考虑数据的预处理部分，没有充分挖掘及有效利用数据包含的信息，没有充分考虑数值天气因素的影响。针对此现象，本文提出采用基于

3、密度的局部离群点检测方法LOF(LocalOutlierFactor)将离群点挖掘出来，并在传统相似日数据选取的基础上进行改进，然后结合时间序列法建立风电功率的单一预测模型，并利用数据进行仿真对比，结果表明本文所提数据预处理方法的可行性和有效性。本文在单一预测模型研究的基础上，结合时间序列模型与BP神经网络模型各自的优点，提出新的组合方式，建立组合预测模型。将组合模型与单一模型进行仿真对比，结果表明组合模型提高了预测的精度。针对以往的短期风电功率预测方法中功率预测结果为单一点值的情况，本文引入横、纵向误差的概念，提出基于横、

4、纵向误差的区间估计新模型，并提出横、纵向误差所占权重选取的方法，建立了以横、纵向误差为联合条件的概率分布预测模型。实验仿真证明新模型相比于传统模型具有更好的实用性，对风险评估也具有更好的使用价值。将本文所研究的预测方法应用到预测系统的开发上，使理论研究与实际应用相结合。该预测系统不仅能实现电网调度部门对风场发电量的调度需求，而且能为风电场人员工作时间的安排提供参考依据。关键词：风电功率预测；聚类分析；时间序列分析；BP神经网络；不确定性分析I上海电机学院硕士学位论文STUDYONTHESHORT-TERMWINDPOWERF

5、ORECASTINGINWINDFARMABSTRACTThispapermainlyresearchontheshortcomingsoftheaccuracyofprediction,reliabilityandadaptabilityoftheshort-termwindpowerpredictiontechniqueanditfocusesonreachingtoimprovethepredictionaccuracyandreliabilityofthealgorithm.Themaincontentsareasf

6、ollows:Asmanydomesticresearcheshavenotadequatelyconsideredtheimpactofnumericalweatherfactors,notfullyexploittheinformationofthedataitcontains.Forthisphenomenon,thispaperproposeslocaloutlierdetectionmethodbasedondensityclustering,andimprovesthemethodofselectingsimil

7、ardaydatabasesonthetraditionalmethod.Thencombinetimeseriestocreateasingleforecastingmodel.Thesimulationresultsshowthatthemethodofthispaperproposedisfeasibleandeffective.Thispaperproposesnewcombinationsaccordingtothecombinationoftraditionaltime-seriesmodelandBPneura

8、lnetworkmodel.Thenmakingthenewmodelcomparewithothermodels,theresultsshowtheprecisionoftheforecastareimproved.Fortheresultofthepastshort-termwindp