風(fēng)電場(chǎng)短期功率預(yù)測(cè)及風(fēng)電并網(wǎng)后的系統(tǒng)頻率穩(wěn)定性分析.pdf

1、風(fēng)力發(fā)電技術(shù)在可再生能源發(fā)展利用中最快最成熟，但其具有波動(dòng)性、間歇性、隨機(jī)性的特點(diǎn)，使得大容量的風(fēng)力發(fā)電接入電網(wǎng)，對(duì)電力系統(tǒng)的安全及穩(wěn)定運(yùn)行帶來(lái)嚴(yán)峻挑戰(zhàn)。對(duì)風(fēng)功率進(jìn)行預(yù)測(cè)，是解決這個(gè)問(wèn)題的有效途徑。本文對(duì)風(fēng)電場(chǎng)功率和風(fēng)電并網(wǎng)后的頻率穩(wěn)定兩個(gè)方面進(jìn)行了研究。
　　根據(jù)風(fēng)電場(chǎng)風(fēng)速及功率特性的分析，考慮了溫度、風(fēng)速等影響功率預(yù)測(cè)的因素，提出了一種將改進(jìn)粒子群優(yōu)化應(yīng)用到最小二乘支持向量機(jī)的短期功率預(yù)測(cè)方法。以內(nèi)蒙古某風(fēng)電場(chǎng)的歷史數(shù)據(jù)和氣象

2、數(shù)據(jù)為訓(xùn)練樣本，分析影響功率預(yù)測(cè)的各種因素，對(duì)歷史數(shù)據(jù)中的“異常數(shù)據(jù)”進(jìn)行修正，建立LSSVM模型對(duì)風(fēng)電場(chǎng)風(fēng)速及功率進(jìn)行預(yù)測(cè)，然而LSSVM中的兩個(gè)參數(shù)對(duì)模型預(yù)測(cè)誤差有很大影響;對(duì)此，采用粒子群優(yōu)化算法對(duì)LSSVM的模型參數(shù)進(jìn)行優(yōu)化;為了避免粒子群的早熟收斂問(wèn)題，應(yīng)用改進(jìn)PSO-LSSVM模型，使得預(yù)測(cè)誤差有所降低。實(shí)際算例表明，預(yù)測(cè)方法收斂性好、方便實(shí)用、有較高的預(yù)測(cè)精度和較快的訓(xùn)練速度。
　　考慮了風(fēng)電場(chǎng)并網(wǎng)對(duì)電網(wǎng)頻率穩(wěn)定性產(chǎn)