風電功率組合預測方法及其應用研究.pdf

1、風能具有隨機波動性，大規(guī)模風電并網(wǎng)給電力系統(tǒng)的安全經(jīng)濟運行帶來諸多挑戰(zhàn)，風電功率預測是有效解決途徑。然而復雜的氣象條件變化和限電因素的影響使風電功率預測難度相對較大，利用傳統(tǒng)的單一預測模型進行預測往往很難達到較為理想的預測精度和穩(wěn)定性。組合預測能夠綜合利用各單一預測模型所包含的有效信息，是提高預測精度、分散預測風險的重要手段。本文進行了風電功組合預測方法及其在功率預測系統(tǒng)中的應用研究，主要工作包括:
　　(1)單一風電功率預測方法

2、研究
　　建立了四種單一風電功率預測模型，包括統(tǒng)計預測中的遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡模型(GA-BP)、RBF神經(jīng)網(wǎng)絡模型和支持向量機模型(SVM)以及物理預測中的CFD流場預計算模型，并針對統(tǒng)計預測模型提出了一種滾動樣本建模方法。研究結(jié)果表明:四種單一風電功率預測模型均具有較高的預測精度，預測均方根誤差分別為14.89％、14.38％、13.44％、13.38％;滾動樣本建模方式相比于固定樣本建模方式能夠有效提高統(tǒng)計預測模型的預

3、測精度。
　　(2)風電功率定權(quán)重組合預測方法研究
　　建立了五種定權(quán)重組合預測模型，分別采用等權(quán)平均法、誤差平方和最小法、熵值法、灰色關(guān)聯(lián)度最大化法以及GA-BP神經(jīng)網(wǎng)絡法計算組合權(quán)重系數(shù)。實例分析結(jié)果表明:五種定權(quán)重組合預測模型均呈現(xiàn)出擬合精度高而實際預測精度低的問題;選擇合理的組合方法能夠有效降低較大誤差出現(xiàn)的概率，提高預測的準確性與穩(wěn)定性;等權(quán)平均組合模型與誤差平方和最小組合模型的預測精度較高，實用性相對較強。

4、>　　(3)基于模型篩選和支持向量機的變權(quán)重組合預測方法研究
　　提出了一種誤差綜合評價指標，并應用于組合預測中各單一預測模型的篩選，同時建立了基于SVM的變權(quán)重組合預測模型。結(jié)果表明:基于誤差綜合評價指標的模型篩選方法能更加合理的完成對各單一預測模型的篩選，有助于預測誤差的降低;基于模型篩選和SVM的變權(quán)重組合預測模型與各單一預測模型相比預測精度得到明顯提高，均方根誤差較CFD流場預計算模型、GA-BP模型、RBF模型和SVM模