大型風(fēng)電場(chǎng)短期功率預(yù)測(cè)研究.pdf

1、中國(guó)的風(fēng)電場(chǎng)大都是集中的大容量風(fēng)電場(chǎng)，而且分布在負(fù)荷較少地區(qū)，風(fēng)電的隨機(jī)性和間歇性，給電力系統(tǒng)的安全穩(wěn)定運(yùn)行造成了嚴(yán)峻的挑戰(zhàn)，不利于風(fēng)電的進(jìn)一步發(fā)展。選取內(nèi)蒙古一個(gè)實(shí)際風(fēng)電場(chǎng)為例，對(duì)風(fēng)電場(chǎng)短缺功率預(yù)測(cè)的多種模型進(jìn)行研究和改進(jìn)，主要的工作包括以下幾個(gè)方面:
　　根據(jù)建立的風(fēng)機(jī)之間的相關(guān)系數(shù)矩陣，對(duì)風(fēng)機(jī)的數(shù)據(jù)進(jìn)行預(yù)處理;利用神經(jīng)網(wǎng)絡(luò)確定對(duì)功率輸出相關(guān)度最大的變量，確定預(yù)測(cè)目標(biāo)。對(duì)每臺(tái)風(fēng)機(jī)分時(shí)段建立功率特性曲線是符合實(shí)際需要的。

2、　　時(shí)間序列模型建模簡(jiǎn)單，具有較好的短期預(yù)測(cè)精度，是最常用的線性預(yù)測(cè)模型。神經(jīng)網(wǎng)絡(luò)模型能較好的應(yīng)對(duì)序列的波動(dòng)，具有理論豐富和高精度等特點(diǎn)，是常用的非線性模型。SVM收斂速度快，學(xué)習(xí)能力強(qiáng)，泛化能力好，即使風(fēng)速距離變化時(shí)，也能有效的預(yù)測(cè)序列的變化趨勢(shì)。
　　小波分解組合模型能較好的應(yīng)對(duì)非平穩(wěn)時(shí)間序列，具有良好的預(yù)測(cè)精度?？柭鼮V波組合模型幾乎沒(méi)有增加建模的計(jì)算量，而且沒(méi)有提高所建時(shí)間序列模型的階次，但卡爾曼濾波算法的預(yù)測(cè)精度卻極大地