風電功率預測與微電網(wǎng)優(yōu)化問題研究.pdf

1、近年來，微電網(wǎng)技術得到迅速發(fā)展，對微電網(wǎng)相關技術的研究已成為智能電網(wǎng)技術研究的熱點。微電網(wǎng)建設已經(jīng)成為智能電網(wǎng)建設的主要內(nèi)容之一，也成為解決大型集中電網(wǎng)其他問題（如建設周期長、運行成本高、維護難度大、難以適應越來越高的安全、可靠性及多樣化的供電需求等）的有效途徑和重要輔助手段。微電網(wǎng)已經(jīng)成為利用就地資源解決偏遠農(nóng)村、海島供電的有效組網(wǎng)方式。合理的進行微電源輸出功率預測和微電網(wǎng)優(yōu)化對于微電網(wǎng)系統(tǒng)的安全、穩(wěn)定、經(jīng)濟運行具有重要的理論和現(xiàn)實意

2、義。本文對風電功率預測和微電網(wǎng)的優(yōu)化問題進行了系統(tǒng)深入的研究，針對不同的原始風電功率序列和歷史數(shù)據(jù)情況，提出了兩種風電功率預測方法，針對微電網(wǎng)中微電源的特點，構建了兩種微電網(wǎng)有功功率輸出優(yōu)化模型。主要的研究工作和取得的研究成果如下:
　　1.針對原始風電功率時間序列為混沌時間序列、歷史風電功率數(shù)據(jù)較多時的情況，提出了一種改進BP神經(jīng)網(wǎng)絡風電功率預測方法。該方法首先應用混沌相空間重構技術對風電輸出功率進行相空間重構，將一維變換為多維

3、，通過計算其最大李雅普諾夫指數(shù)，判斷其混沌與否，進而得到最佳嵌入維數(shù)和最佳延遲時間，再根據(jù)最佳嵌入維數(shù)和最佳延遲時間構造三層反向傳播神經(jīng)網(wǎng)絡;然后采用遺傳算法對反向傳播神經(jīng)網(wǎng)絡的權值和閾值進行優(yōu)化;最后將經(jīng)過這樣處理后的反向傳播神經(jīng)網(wǎng)絡用于風電場輸出功率的預測并計算預測結果的相應性能指標。所得結果驗證了該方法的有效性。
　　2.針對原始風電功率時間序列滿足經(jīng)驗模態(tài)分解的條件、歷史風電功率數(shù)據(jù)較少的情況，提出了一種組合預測風電功率的

4、方法。在該方法中，首先對原始風電功率進行預處理，即采用經(jīng)驗模態(tài)分解技術將風電輸出功率進行分解，得到一系列本征特征模函數(shù).然后根據(jù)不同的本征特征模函數(shù)的特點，應用小波神經(jīng)網(wǎng)絡和交叉驗證參數(shù)優(yōu)化后的支持向量機模型對其進行回歸預測;最后將所有子序列的預測結果相疊加作為最終總的預測結果。通過預測結果性能指標的計算對比，表明了該方法的正確性。當兩種方法均能應用的條件下，該方法預測結果更加接近真實值。
　　3.針對微電網(wǎng)中可再生能源為確定的情

5、況，考慮整個微電網(wǎng)系統(tǒng)以最優(yōu)方式（安全、穩(wěn)定、環(huán)保和經(jīng)濟）輸出時的成本最小為目標，建立了包含約束條件的微電網(wǎng)功率輸出多目標優(yōu)化模型，提出了一種基于擁擠距離的非支配近鄰免疫約束多目標優(yōu)化算法，基于這種算法對相應的模型進行求解和優(yōu)化。對模型的求解過程為:首先將模型中的約束條件轉化成一個目標函數(shù)，使模型的目標函數(shù)在原來的基礎上增加一個;然后在隨機產(chǎn)生的個體中，選擇少數(shù)相對孤立的非支配個體作為活性抗體，根據(jù)活性抗體的擁擠程度進行相應的克隆、重組

6、等免疫操作，從而加強當前Pareto前端中較稀疏區(qū)域的搜索。應用所提出的多目標優(yōu)化算法對微電網(wǎng)出力在孤島和接入公用電網(wǎng)兩種模式下進行優(yōu)化。
　　4.為了更好的考慮微電網(wǎng)的隨機性，建立了基于概率的微電網(wǎng)優(yōu)化模型，即包含概率形式的以微電網(wǎng)可控機組發(fā)電成本最小為目標的優(yōu)化模型。在模型中，目標函數(shù)表達式和旋轉備用的約束條件均考慮了不同置信水平，通過不同的置信水平來體現(xiàn)系統(tǒng)的隨機性。對于建立的模型，采用蒙特卡洛隨機模擬和粒子群優(yōu)化算法進行了

7、優(yōu)化。該模型求得的是在置信水平不低于某一給定數(shù)值時的可控機組實際發(fā)電成本的上限值，其結果更加接近微電網(wǎng)的實際輸出。
　　5.為了考慮未來一段時間內(nèi)微電網(wǎng)機組以最優(yōu)輸出方式運行時系統(tǒng)的發(fā)電量、生產(chǎn)成本以及可靠性指標，文中對微電網(wǎng)進行了隨機生產(chǎn)模擬。將微電網(wǎng)系統(tǒng)中的光伏出力分成白天和晚上兩個時段，并將其作為負值負荷;風電出力轉化成多狀態(tài)機組出力模型，應用等效電量法和半不變量法對周期為1年(8760h)，半年(4368h)和1個月30天