风电场风速建模与预测研究

为了能够消除大规模开发风电所带来的对电网稳定性的不良影响,风电场风速及风电机组发电量的短期预报已经成为国内外共同关注的焦点。它有利于调整调度计划,有效减轻风电对整个电网的不利影响,有利于减少电力系统运行成本和旋转备用,同时提高风电场在电力市场中的竞争能力。本文介绍了风速的相关知识并结合某风电场全年的测风塔实测数据进行风速特性分析；根据最小二乘支持向量机(LS-SVM)对非线性问题有很好的预测和拟合能力,建立基于历史数据的LS-SVM预测模型进行短期风速预测；为提高LS-SVM模型的预测精度,根据风速特性,提出基于相似数据并结合小波分析的LS-SVM模型,并对相似数据和小波分析分别进行了对模型精度的影响分析,结果表明,相似数据与小波分解的引入使得预测精度明显提高,模型泛化能力强,同时不增加程序运行的时间,满足工程需要；对LS-SVM的参数选择方法进行了分析,将粒子群算法(PSO)应用到LS-SVM模型中,对正则化参数C和核函数的y进行优化,并与网格搜索法进行对比分析。