风电场风速和输出功率的多尺度预测研究

被引:0
作者
李辉
机构
[1] 兰州理工大学
关键词
风力发电; 风速预测; 输出功率预测; 最小二乘支持向量机; 小波变换; 经验模式分解; 递推最小二乘法;
D O I
暂无
年度学位
2010
学位类型
硕士
导师
摘要
风能作为一种无污染、可再生能源,已得到世界各国的高度重视,并成为迅速发展的新能源之一。目前,开发和利用风能的主要形式是大规模并网风力发电,对风电场风速和输出功率的准确预测可以减少电力系统运行成本和旋转备用,提高风电穿透功率极限,有利于调度部门及时调整计划,从而减轻风电对电网的影响。 风电作为一种间歇性能源,具有很大的随机性和不可控制性,其输出功率的波动范围通常较大,速度较快,导致电网调峰、无功及电压控制十分困难,给电网的安全稳定及正常调度带来新的问题。当风电装机达到一定比例后,对风电场的输出功率准确预测是解决这一问题的有效途径。风电场输出功率预测按时间尺度划分,包括短期预测、中期预测和长期预测。然而,对风电场输出功率准确预测的前提就是对风电场所在区域的风速进行准确的预测。根据风速时间序列自身的特点,本文提出经验模式分解法与最小二乘支持向量机相结合对风电场风速进行以天为单位的短期预测;将小波变换与最小二乘支持向量机相结合对风电场风速进行以月为单位的中期预测;将经验模式分解与递推最小二乘法相结合对风电场风速进行以年为单位的长期预测。 根据不同的预测时限,选择不同的预测模型。根据不同尺度的风速预测值,考虑具体风力发电机组的功率特性、机组效率和设备运行情况,可以得到风电场输出功率的短期、中期和长期预测值。
引用
收藏
页数:79
共 22 条
[1]
反向传播神经网络在混沌时间序列预测中的应用 [D]. 
安卫钢 .
中北大学,
2006
[2]
人工神经网络在时间序列预测中的应用研究 [D]. 
宋玉强 .
西安建筑科技大学,
2005
[3]
Support vector machines for wind speed prediction [J].
Mohandes, MA ;
Halawani, TO ;
Rehman, S ;
Hussain, AA .
RENEWABLE ENERGY, 2004, 29 (06) :939-947
[4]
Short-term prediction of local wind conditions.[J].L Landberg.Journal of Wind Engineering & Industrial Aerodynamics.2001, 3
[5]
Short-term prediction of the power production from wind farms.[J].L. Landberg.Journal of Wind Engineering & Industrial Aerodynamics.1999, 1
[6]
Short-term forecasting of wind speed and related electrical power [J].
Alexiadis, MC ;
Dikopoulos, PS ;
Sahsamanoglou, HS ;
Manousaridis, IM .
SOLAR ENERGY, 1998, 63 (01) :61-68
[7]
A tutorial on Support Vector Machines for pattern recognition [J].
Burges, CJC .
DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167
[8]
西北电网区域(酒泉)调度测风网络规划研究 [J].
屠强 ;
衣立东 ;
朱敏奕 ;
魏磊 .
电网与清洁能源, 2008, (11) :35-39
[9]
基于人工神经网络的风电功率短期预测系统 [J].
范高锋 ;
王伟胜 ;
刘纯 .
电网技术, 2008, (22) :72-76
[10]
小时风速的向量自回归模型及应用 [J].
孙春顺 ;
王耀南 ;
李欣然 .
中国电机工程学报, 2008, (14) :112-117