風電短期預測及其并網調度方法研究.pdf

1、風能是一種清潔的、永不枯竭的能源,作為開發(fā)技術最成熟的分布式能源,風力發(fā)電容量正急劇增長。其中我們國家2010年新增風電裝機容量18.9GW,總裝機容量達到了44.7GW,已躍居成為全球風電裝機容量最大的國家。風電出力取決于風速大小,具有很強的間歇性和波動性。隨著風電容量在電力系統(tǒng)中占比的增加,對電力系統(tǒng)的影響越來越明顯,風電穿透功率超過一定值后,會給電網帶來嚴重的不利影響。風速變化帶來的風電擾動會嚴重影響電網的電能質量,如造成電壓的波

2、動和閃變、頻率偏差以及諧波問題,還會對電網的穩(wěn)定性產生影響,降低系統(tǒng)運行的可靠性。
　　 提高風電的利用水平,降低并網后對電網造成的沖擊是風電研究的重要課題。對風電進行準確的預測,把預測誤差控制在一個電網可以接受的范圍內,是提高風電利用水平的一條最為有效的途徑。此外,合理的利用電網其余電源來吸收風電波動的影響,建立適合大規(guī)模風電接入的電網調度模型和運行機制也能有效的提高風電利用水平,降低風電帶來的不利影響。
　　 本文從

3、風電場短期風速預測入手,研究提高短期風速預測精度,結合風電功率曲線以及尾流效應的影響分析,建立了從風速預測到風電預測的途徑,并對風電預測誤差的概率分布以及含風電電力系統(tǒng)動態(tài)經濟調度模型進行了研究.本文所做的工作和取得的創(chuàng)新成果主要體現(xiàn)在下面五個方面:
　　 1)提出兩種風電場短期風速全局統(tǒng)計預測模型,分別為改進GMDH(GroupMethod of Data Handling,數(shù)據(jù)處理分組方法)網絡、結合混沌理論的支持向量回歸(

4、Support Vector Regression,SVR)模型。第一種模型針對傳統(tǒng)的GMDH網絡,引入反饋環(huán)以簡化網絡結構,提高訓練效率；引入模糊理論,將GMDH網絡的低維計算能力和模糊邏輯的高維推理能力結合起來用于預測；而在進行網絡訓練時,采用指數(shù)型能量函數(shù)作為目標誤差函數(shù),提高了網絡收斂速度。將該網絡用于短期風速預測。第二種模型運用混沌理論對風速時間序列數(shù)據(jù)進行分析,以確定模型的最佳輸入維數(shù),結合SVR模型進行短期風速預測。兩種模

5、型都有效的提高了預測精度,具有較好的預測效果。
　　 2)提出了一種基于相空間優(yōu)化鄰域的短期風速局域預測新方法。局域法通過擬合與預測點相似的歷史數(shù)據(jù)點來建立預測模型,本文結合相空間重構技術,提出通過考察偽近鄰點的比重來選取合適的鄰域半徑,保證了用于預測模型訓練擬合的鄰域點與預測狀態(tài)點具有高度的相似性,提高了模型訓練效果,結合SVR模型較強的高維非線性擬合能力,提高模型的短期預測能力。實例分析表明,該方法與其它方法相比具有較好的短

6、期風速預測效果。
　　 3)在基于相空間優(yōu)化鄰域局域法的基礎上提出了基于相關性原則來選取的多變量相空間局域預測法用于短期風速預測.在優(yōu)化相空間局域預測法的基礎上,增加模型輸入變量類型,并提出基于相關性原則的多變量時間序列數(shù)據(jù)篩選方法,構造多變量相空間,提高局域法鄰域點的搜索效率,以提高短期風速預測精度。實例證明,通過該方法篩選的多變量時間序列組合使得通過局域法搜索得到的用于模型訓練的鄰域點與預測狀態(tài)點具有更高程度的相似性,能夠有

7、效提高短期風速預測的精度。
　　 4)分析了基于功率曲線的風電場短期風電功率預測方法,在對風電機組的功率曲線和尾流效應對風電場輸出功率的影響分析的基礎上,研究了基于功率曲線的短期風電預測法和直接風電功率短期預測法。同時還探討了風向預測方法及誤差評價參數(shù)。最后比較了兩種預測方法在單機功率預測和風電場功率預測中的表現(xiàn)。
　　 5)在風電預測的基礎上,對風電預測誤差進行Beta概率分布擬合,考慮由于風電預測誤差引起的系統(tǒng)正、負