2011“电工杯”大学生数学建模大赛a题(风电功率预测)参赛论文(获奖)

《2011“电工杯”大学生数学建模大赛a题(风电功率预测)参赛论文(获奖)》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、答卷编号：论文题目：风电功率预测问题姓名专业、班级有效联系电话参赛队员1王斌数学与应用数学0901班15353654394参赛队员2李亚强数学与应用数学0901班15353702147参赛队员3王刚计算机科学1001班18706836267指导教师：王平安参赛学校：西京学院报名序号：616证书邮寄地址：邮编710123陕西省西安市长安区西京路1号西京学院基础部李永新（收）答卷编号：阅卷专家1阅卷专家2阅卷专家3论文等级风电功率预测问题摘要本文针对风电功率的预测问题，分别采用时间序列法、人工神经网络、灰色预测法对未来机组输出的电功率建立了三

2、种合理预测模型，并通过对各种模型的误差分析，进一步提出了改进的方案使其预测更加的准确，在最后将模型推广到n台风电机组给出了合理的模型。对于问题一，我们建立了三种不同的预测模型对未来的电功率进行预测并做了各自模型的误差分析。模型一我们取5月30号的输出风电功率数据作为一组时间序列，通过对初始数据的零均值转换，使得数据趋于平稳。然后运用统计软件对数据分析计算得到相关系数，进而对模型进行确定与定阶，经过拟合最终得到合理的时间序列ARIMA模型.模型二我们首先构造了人工神经网络层结构图，根据时间序列得到的预测模型作为神经网络模型的输入层数据，隐层

3、通过采用tansig转移函数以及输出层运用pureline转移函数，而后根据不同层的权重筛选及误差反映，最终我们运用matlab的LAMP算法得到了数据的期望值曲线及均方误差，进而得到了合理的预测模型。模型三我们采用灰色预测采集数据为4个历史数据进行预测，先通过构造关联矩阵从而对其进行累计加权，最终得到了合理的灰色预测模型。对于问题二，我们主要根据在问题一中的误差分析，取一项误差分析(相对误差)指标进而对不同机组进行求解。根据不同模型不同机组的相对误差的分析，我们得到了电机组汇聚的误差相对单机来说误差较大，原因是因为多台电机同时运行时电刷

4、端无法充分工作。对于问题三，为了进一步使误差降低到最小，我们采用组合预测模型，通过对各模型的误差分析赋予不同的权值，从而使预测的期望结果更加精确。通过上述三个问题的解答，我们分析了阻碍风电功率实时预测精度进一步改善的主要因素是因为实测数据本身就存在各种不可避免的误差，因此风电功率的预测精度无法得到无限提高。关键词：风电功率　时间序列　人工神经网络　灰色预测　组合预测126问题重述风能是一种可再生、清洁的能源，风力发电是最具大规模开发技术经济条件的非水电再生能源。现今风力发电主要利用的是近地风能，但近地风具有波动性、间歇性、低能量密度等特点

5、，因而风电功率也是波动的。大规模风电场接入电网运行时，大幅度地风电功率波动会对电网的功率平衡和频率调节带来不利影响。因此，我们要实现对风电场发电功率的尽可能准确地预测，这样，电力调度部门就能够根据风电功率变化预先安排调度计划，保证电网的功率平衡和运行安全。实时预测是风电功率预测的一种，它要求滚动地预测每个时点未来4小时内的16个时点（每15分钟一个时点）的风电功率数值。根据国家能源局颁布的《风电场功率预测预报管理暂行办法》中的要求，实时预测的误差不能大于15%。某风电场由58台风电机组构成，每台机组的额定输出功率为850kW。附件2中给出

6、了2006年5月10日至2006年6月6日时间段内该风电场中指定的四台风电机组（A、B、C、D）输出功率数据（分别记为PA，PB，PC，PD;另设该四台机组总输出功率为P4）及全场58台机组总输出功率数据（记为P58）。问题1：风电功率实时预测及误差分析。对给定数据进行风电功率实时预测并检验预测结果是否满足关于预测精度的相关要求。具体要求：1)采用不少于三种预测方法（至少选择一种时间序列分析类的预测方法）；2)预测量：a．PA,PB,PC,PD；b．P4；c．P58。3)预测时间范围分别为（预测用的历史数据范围可自行选定）：a.5月31日

7、0时0分至5月31日23时45分；b.5月31日0时0分至6月6日23时45分。4)试根据附件1中关于实时预测的考核要求分析你所采用方法的准确性；5)你推荐哪种方法？问题2：试分析风电机组的汇聚对于预测结果误差的影响。问题3：进一步提高风电功率实时预测精度的探索。通过求解上述问题，分析论证阻碍风电功率实时预测精度进一步改善的主要因素。风电功率预测精度是否能无限提高？一、问题分析1.问题一126该问题是电功率的实时预测及误差分析，其主要研究目的是建立一定的数学模型来尽可能准确地做出风电功率的实时预测，并使的预测结果的误差在满足国家相关规定的

8、基础上尽可能小，以便提供给电力调度部门，方便其优化调度安排。该问题属于预测类的数学问题，且是直接利用历史数据，使用一定的数学模型进行预测。常见的方法有人工神经网络法、时间序列法(AMAR)、遗