风电功率波动特性分析与预测.pdf

风电功率波动特性分析与预测.pdf

ID:53572849

大小:274.94 KB

页数:5页

时间:2020-04-19

风电功率波动特性分析与预测.pdf_第1页
风电功率波动特性分析与预测.pdf_第2页
风电功率波动特性分析与预测.pdf_第3页
风电功率波动特性分析与预测.pdf_第4页
风电功率波动特性分析与预测.pdf_第5页
资源描述:

《风电功率波动特性分析与预测.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、第l6卷第4期铜仁学院学报Vo1.16,No.42014年7月JournaIofTongrenUniversityJu1.2014风电功率波动特性分析与预测薛舒,姚瞳彤,赵超2,朱家明(1.安徽财经大学统计与应用数学学院,安徽蚌埠233030;2.安徽财经大学经管实验班,安徽蚌埠233030)摘要:风电功率波动特性的分析问题涉及到空间位置、时间窗宽、机组规模等多方面因素。通过运用SAS、Matlab、Eviews等软件,深入探讨了风电功率的最佳概率分布,不同时间间隔数据对功率波动信息的度量能力的差异,以及建立ARMA模型对风电功率的滚动预测等内容,从不同角度分析风电功率的波动特性,对改善风电预

2、测精度和克服风电接入给电网造成的不利影响具有重要的意义。关键词:风电功率;波动;概率分布;ARMA模型;卡方拟合优度检验中图分类号:TK89文献标识码:A文章编号:1673—9639(2014)04.0167.05风力发电不消耗任何燃料,可谓清洁能源,风2.1.模型的准备电机组发出的功率主要与风速有关。由于风的不确分别使用正态分布、t分布和指数分布对风电功定性、间歇性以及风电场内各机组间尾流的影响,率数据进行拟合,并进行卡方拟合优度检验。然后M使得大规模风电基地通常需接入电网来实现风电功定义拟合指标,:E(Yi-KTi)~,Y=厂(E),其中M为率的传输与消纳。风电功率的随机波动被认为是对i=

3、1电网带来不利影响的主要因素。因此,研究风电功频率分布直方图的分组数;和分别为第i个直率的波动特性,不论对改善风电预测精度还是对克服方柱的高度及中心位置;厂为拟合的概率密度函数。风电接入给电网造成的不利影响都具有重要的意义。拟合指标,值越小,拟合精确越高,选择出最优的分1.数据的获取及假设布,最后对五个机组进行比较分析。本文数据来源于2013年第七届电工数学建模竞2.2.模型的求解赛赛题A⋯。为便于解决问题,提出如下假设:(1)不同机组三种分布的卡方拟合优度检验结果如所有数据来源真实可靠;(2)短期内无重大自然灾表1、表2、表3所示。害发生,如海啸,台风等;(3)预测期间风电机组由表l、2、3

4、可知,t分布无法通过检验,正态分布不变,发电机组性能不随时间发生变化。分布和指数分布可通过检验;由表4可知,指数分布的拟合指标值小于正态分布,从而确定指数分布2.最优分布模型为描述风电功率波动的最优分布。收稿It期:2014—06.07基金项目:本文系国家自然科学基金项目(61305070);2013年国家级大学生创新创业训练计划项目(201310378056)成果。作者简介:薛舒苋(1992.),女,福建福州人。朱家明(1973一),男,安徽省泗县人,硕士,副教授,安徽财经大学数学建模实验室主任,研究方向:应用数学与数学建模。l68铜仁学院学报2014年表l正态分布下不同机组的卡方拟合优度检

5、验表2t分布下不同机组的卡方拟合优度检验表3指数分布下不同机组的卡方拟合优度检验表4正态分布和指数分布下不同机组的拟合指标值3.风电场总功率的滚动预测3.2.2.平稳性指标3.1.模型的分析风电功率变化率相对自身装机容量的比值:一方面通过计算不同时间间隔下的均值与方兰100%,:差,比较概率分布数值特征;另一方面通过计算平其中,+为风电功率当前时段采样值:为上一时稳性指标,比较平稳程度,从而分析在不同时间间段采样值;为待研究风电场群的装机容量,7’为隔下整个机组产生的信息损失。采样风电功率变化率数据的周期;n为考察视窗包含3.2.模型的建立与求解的总采样点数。3.2.1.不同时间间隔的概率分布

6、数值特征定义平稳性指标为:分别以1rain、5min、15min为时间间隔求出总功率序列∑(t1,并分析其概率分布的数值特征(见吉Io表5)。该指标数值的大小反映了风电功率变化不平稳的程表5不同时间间隔概率分布的数值特征度:数值越大,平稳性越差;数值越小,平稳性越好,说明风电功率的波动越小。利用Matlab软件计算可得:E=3.6716,E4=0.2621。第4期薛舒芄,姚瞳彤,赵超,朱家明:风电功率波动特性分析与预测1693.3.结果分析由于风电功率变化具备较强的时序性,因此本(1)由概率分布特征值可知,时间间隔为1min文选取时间序列模型(ARMA),以足(tk1作为样的均值和方差相对5m

7、in和15min时较大,说明当时本对未来7天的风电功率进行滚动预测。根据博克间间隔较小时,其变化幅度较大,易受到极值的影响;斯.詹金斯(BJ)方法论可知,建立ARMA(p,q)模型当时间间隔较大时,风电功率的分布趋于稳定。的主要步骤为模型识别、参数估计和模型检验。首(2)由平稳性指标值的比较可知,相对时间间先判断序列的平稳性,若序列为非平稳序列,则进隔为1min而言,时间间隔为5min的风电功率的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。