基于智能优化算法的风电功率预测及并网稳定性研究

近年来风电技术不断发展,风电在电网的渗透率不断增加,但风能本身间歇性的特点使其对电网的稳定性和安全性造成了不小的影响。为此,需要对风电的功率预测和风电场并网的稳定性展开研究。通过研究风电功率预测问题,解决风电输出功率不稳定而给电网带来的调度困难等问题,电网根据预测的功率值可以使风电更平稳的并入;通过研究风电场并网的稳定性问题,解决风电接入后风电场附近电压、功率的波动问题,从而保证大电网安全稳定地运行。论文首先介绍了课题的研究背景、意义和目前的研究现状,接着对几种在研究论文和工程实践中常出现的典型智能优化算法做了相关的介绍,分析了它们的基本原理及各自的特点与不足之处,为之后选择合适的智能优化算法用于本文的研究奠定了理论基础。其次,针对传统风电功率预测模型对未来一段时间内的风电功率预测误差较大的问题,提出了利用改进的遗传算法(IGA)优化最小二乘支持向量机(LSSVM)并与互补集合经验模态分解法(CEEMD)相结合的解决方案。该方案通过引入CEEMD将风电功率序列进行分解得到几个相对平稳的分量,针对不同分量的特点,建立对应的IGA-LSSVM预测模型,各分量的预测结果通过叠加得到最终的功率预测值。以山东某地风电场实测数据来进行仿真分析,通过对比预测结果和误差,证明了所提出的组合方案具有较高的预测精度,适用于工程上的短期风电功率预测。最后,为了提高风电并网系统的暂态稳定性,提出了一种含有灰狼优化(GWO)算法的功率振荡阻尼控制器,利用GWO算法优化静止同步补偿器(STATCOM)附加阻尼控制器的参数来改善系统的阻尼特性。基于Matlab/Simulink平台搭建风电并网系统来进行仿真,仿真结果验证了所设计的阻尼控制器的有效性,振荡被有效的抑制,系统的稳定性得到了提高。