本文選題：風(fēng)電功率爬坡預(yù)測 + 自適應(yīng)稀疏時頻分析　； 參考：《上海電機(jī)學(xué)院》2017年碩士論文

【摘要】：風(fēng)電爬坡是指在短時間尺度內(nèi),風(fēng)電功率的大幅度波動。隨著大規(guī)模波動性風(fēng)電并網(wǎng),風(fēng)電功率爬坡對電力系統(tǒng)安全穩(wěn)定的影響逐漸突出。特別是在極端氣象條件下,風(fēng)功率爬坡會使電力系統(tǒng)很難維持短時間內(nèi)的原有功率平衡和頻率穩(wěn)定,造成停電事故。本文針對風(fēng)電功率爬坡預(yù)測精度較低和穩(wěn)定性較差問題,提出了風(fēng)電功率爬坡的預(yù)測方法,具體研究內(nèi)容如下:(1)分析風(fēng)電功率爬坡事件發(fā)生的機(jī)理和爬坡特性,研究風(fēng)電場風(fēng)速、風(fēng)向、溫度、濕度和壓強(qiáng)與發(fā)電功率爬坡之間的關(guān)系,確定了對風(fēng)電功率爬坡預(yù)測的特征參數(shù)。(2)應(yīng)用自適應(yīng)稀疏時頻分析,對風(fēng)電功率爬坡量進(jìn)行本征模態(tài)分解,結(jié)合數(shù)值天氣預(yù)報的氣象信息,利用極限學(xué)習(xí)機(jī)神經(jīng)網(wǎng)絡(luò)建立風(fēng)機(jī)功率爬坡預(yù)測模型,通過算例仿真驗證了該模型能夠提高預(yù)測精度。(3)為了提高算法的收斂性和防止過早收斂性能,采用了基于信息分享機(jī)制的粒子群算法加強(qiáng)粒子間信息交流,以及通過混沌和反向?qū)W習(xí)策略增加粒子的多樣性,從而優(yōu)化算法的尋優(yōu)路徑,跳出局部最優(yōu)值。通過測試函數(shù)進(jìn)行測試分析,驗證了改進(jìn)策略的有效性。(4)建立了風(fēng)場功率爬坡的組合預(yù)測模型,并利用改進(jìn)的粒子群算法優(yōu)化該模型權(quán)重。結(jié)合實際工程應(yīng)用,進(jìn)行了功率爬坡預(yù)測系統(tǒng)的設(shè)計與軟件開發(fā),并通過工程實例驗證了預(yù)測模型可行性。
[Abstract]:Wind power climbing refers to the large fluctuation of wind power in a short time scale. With large-scale fluctuating wind power connected to the grid, the influence of wind power climbing on power system safety and stability is becoming more and more prominent. Especially under extreme weather conditions, wind power climbing will make it difficult for power system to maintain the original power balance and frequency stability in a short period of time, resulting in power failure. In this paper, aiming at the problems of low precision and poor stability of wind power climbing, a prediction method of wind power climbing is proposed. The main contents of this paper are as follows: (1) the mechanism and characteristics of wind power climbing events are analyzed. The relationship between wind speed, wind direction, temperature, humidity and pressure in wind farm is studied, and the characteristic parameters of wind power climbing prediction are determined. (2) Adaptive sparse time-frequency analysis is used. The intrinsic mode decomposition of wind and electric power climbing is carried out. Combined with the meteorological information of numerical weather forecast, the prediction model of fan power climbing is established by using the extreme learning machine neural network. The simulation results show that the model can improve the prediction accuracy. (3) in order to improve the convergence of the algorithm and prevent premature convergence, the particle swarm optimization algorithm based on information sharing mechanism is used to enhance the information exchange between particles. The chaos and reverse learning strategies are used to increase the diversity of particles so as to optimize the optimization path of the algorithm and jump out of the local optimal value. The effectiveness of the improved strategy is verified by test function. (4) the combined prediction model of wind power climbing is established, and the weight of the model is optimized by using improved particle swarm optimization algorithm. Combined with the practical engineering application, the design and software development of the power climbing prediction system are carried out, and the feasibility of the prediction model is verified by an engineering example.
【學(xué)位授予單位】：上海電機(jī)學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TM614

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李如意;黃明山;周東國;周洪;胡文山;;基于粒子群算法搜索的非侵入式電力負(fù)荷分解方法[J];電力系統(tǒng)保護(hù)與控制;2016年08期

2 甘迪;柯德平;孫元章;崔明建;;考慮爬坡特性的短期風(fēng)電功率概率預(yù)測[J];電力自動化設(shè)備;2016年04期

3 ;2015年全球風(fēng)電裝機(jī)統(tǒng)計[J];風(fēng)能;2016年02期

4 李春;衛(wèi)志農(nóng);孫國強(qiáng);孫永輝;朱瑛;厲超;;基于DFIG頻率模型的風(fēng)電功率爬坡事件預(yù)測方法[J];電網(wǎng)技術(shù);2016年03期

5 歐陽庭輝;查曉明;秦亮;熊一;朱小帆;;風(fēng)電功率爬坡事件預(yù)測時間窗口的選取[J];電網(wǎng)技術(shù);2015年02期

6 劉代剛;周崢;楊楠;黃河;王震泉;許文超;;基于最小二乘支持向量機(jī)的風(fēng)功率短期預(yù)測[J];陜西電力;2014年10期

7 程聲烽;程小華;楊露;;基于改進(jìn)粒子群算法的小波神經(jīng)網(wǎng)絡(luò)在變壓器故障診斷中的應(yīng)用[J];電力系統(tǒng)保護(hù)與控制;2014年19期

8 崔楊;李莉;陳德榮;;基于最小二乘支持向量機(jī)的超短期風(fēng)電負(fù)荷預(yù)測[J];電氣自動化;2014年05期

9 崔明建;孫元章;柯德平;羅超;;考慮電網(wǎng)側(cè)頻率偏差的風(fēng)電功率爬坡事件預(yù)測方法[J];電力系統(tǒng)自動化;2014年05期

10 高尚;;線性組合預(yù)測的推廣[J];中南大學(xué)學(xué)報(自然科學(xué)版);2013年S2期

相關(guān)博士學(xué)位論文 前4條

1 楊志凌;風(fēng)電場功率短期預(yù)測方法優(yōu)化的研究[D];華北電力大學(xué)（北京）;2011年

2 劉衍民;粒子群算法的研究及應(yīng)用[D];山東師范大學(xué);2011年

3 陳坤;在線核學(xué)習(xí)建模算法及應(yīng)用研究[D];浙江大學(xué);2011年

4 孫暉;經(jīng)驗?zāi)B(tài)分解理論與應(yīng)用研究[D];浙江大學(xué);2005年

相關(guān)碩士學(xué)位論文 前4條

1 劉申;基于氣象測量場的風(fēng)電爬坡事件與功率預(yù)測[D];山東大學(xué);2015年

2 羅宏超;風(fēng)功率預(yù)測及監(jiān)控系統(tǒng)的研究及其應(yīng)用[D];華北電力大學(xué);2014年

3 夏雪;大規(guī)模風(fēng)電爬坡風(fēng)機(jī)功率有限度控制研究[D];山東大學(xué);2014年

4 程宇旭;基于改進(jìn)粒子群算法的微電網(wǎng)能量優(yōu)化調(diào)度研究及實現(xiàn)[D];中南大學(xué);2013年

，

本文編號：2085014