【摘要】：風(fēng)力發(fā)電是技術(shù)最為成熟的可再生能源發(fā)電技術(shù)之一,也是世界各國(guó)能源政策優(yōu)先發(fā)展的方向。隨著風(fēng)電并網(wǎng)規(guī)模的增加,風(fēng)電出力的隨機(jī)性和波動(dòng)性給電網(wǎng)的調(diào)度和穩(wěn)定運(yùn)行帶來(lái)的負(fù)面影響也越來(lái)越大,主要體現(xiàn)在發(fā)電量與負(fù)荷的不平衡導(dǎo)致系統(tǒng)頻率的穩(wěn)定性下降,引發(fā)風(fēng)機(jī)大規(guī)模脫網(wǎng)事故。為了讓風(fēng)電集群能夠?qū)﹄娋W(wǎng)提供必要的頻率支撐,本文以集中式的風(fēng)電場(chǎng)集群為研究對(duì)象,對(duì)風(fēng)電場(chǎng)集群的有功功率波動(dòng)特性、風(fēng)電超短期預(yù)測(cè)以及風(fēng)電場(chǎng)集群參與調(diào)頻的控制策略進(jìn)行了研究。本文首先通過(guò)實(shí)測(cè)數(shù)據(jù)分析了風(fēng)電場(chǎng)集群在時(shí)間尺度和空間尺度的波動(dòng)特性,目的是為了挖掘風(fēng)電場(chǎng)集群出力波動(dòng)的規(guī)律,從而為降低風(fēng)電波動(dòng)給電網(wǎng)帶來(lái)的影響提供解決思路和方法;分析了大規(guī)模風(fēng)電對(duì)系統(tǒng)頻率的影響,并討論了風(fēng)電預(yù)測(cè)在解決風(fēng)電集群調(diào)頻可能的作用。其次,針對(duì)風(fēng)電預(yù)測(cè)誤差較大的問(wèn)題,提出了一種基于機(jī)器學(xué)習(xí)算法的混合預(yù)測(cè)模型。該模型通過(guò)改進(jìn)的模態(tài)經(jīng)驗(yàn)分解和小波分解作為預(yù)處理階段的主要算法用來(lái)降低風(fēng)電功率序列的非平穩(wěn)性。在預(yù)測(cè)階段同時(shí)引入了神經(jīng)網(wǎng)絡(luò)、極限學(xué)習(xí)機(jī)和最小二乘支持向量機(jī)對(duì)分解后的序列進(jìn)行預(yù)測(cè)。同時(shí),采用了基于粒子群優(yōu)化的自適應(yīng)神經(jīng)網(wǎng)絡(luò)模型對(duì)三種智能預(yù)測(cè)算法的誤差分布進(jìn)行學(xué)習(xí)并校正,提高了模型的預(yù)測(cè)精度和泛化性能。通過(guò)實(shí)測(cè)風(fēng)電場(chǎng)數(shù)據(jù)進(jìn)行了算例分析,驗(yàn)證了所提混合智能算法的精確性和優(yōu)越性。最后,為了發(fā)揮風(fēng)電場(chǎng)集群在參與系統(tǒng)調(diào)頻中具有的優(yōu)勢(shì),提出了基于預(yù)測(cè)信息的風(fēng)電集群調(diào)頻控制策略。該策略通過(guò)建立風(fēng)電集群控制中心對(duì)各個(gè)風(fēng)電場(chǎng)進(jìn)行統(tǒng)一管理,并依據(jù)預(yù)測(cè)信息合理調(diào)節(jié)各個(gè)風(fēng)電場(chǎng)的調(diào)頻參與深度。在風(fēng)電集群層面通過(guò)各個(gè)風(fēng)電場(chǎng)的預(yù)測(cè)信息實(shí)現(xiàn)風(fēng)電場(chǎng)的運(yùn)行模式控制和參考指令分配;在風(fēng)電場(chǎng)層面,通過(guò)預(yù)測(cè)信息對(duì)風(fēng)電場(chǎng)的調(diào)差系數(shù)進(jìn)行調(diào)整,實(shí)現(xiàn)動(dòng)態(tài)調(diào)節(jié)風(fēng)電場(chǎng)調(diào)頻參與深度。為了證明本文所提調(diào)頻控制策略的有效性,在MATLAB中建立仿真模型進(jìn)行了驗(yàn)證。結(jié)果表明:本文所提出的基于預(yù)測(cè)信息的風(fēng)電集群調(diào)頻控制策略可充分利用風(fēng)電場(chǎng)的預(yù)測(cè)信息優(yōu)化各個(gè)風(fēng)電場(chǎng)的發(fā)電量和調(diào)頻參與深度。
【圖文】：

圖 2.4 風(fēng)電波動(dòng)率的直方圖和累計(jì)百分比圖（采樣間隔 5s）Fig. 2.4 Histogram and cumulative percentage plot of electrical volatility (sampling interval 5s)由圖 2.4 可知 5s 的風(fēng)電功率波動(dòng)相對(duì)于風(fēng)電場(chǎng)額定裝機(jī)占比非常小，93.8%的波都集中在額定裝機(jī)容量 0.7%以內(nèi)，，99%的波動(dòng)率集中在額定裝機(jī)容量 1.4%以內(nèi)。

圖 3.9 預(yù)測(cè)曲線對(duì)比Fig. 3.9 Comparison of prediction curves（2）圖 3.10 為三種算法在單分解算法（EEMD）和多分解算法（MD）下四平均誤差統(tǒng)計(jì)。從圖中可以看出，應(yīng)用多分解策略的三種算法在 NRMSE 和 N
【學(xué)位授予單位】：沈陽(yáng)工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TM614

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊萍;;西部上市公司盈余預(yù)測(cè)信息的質(zhì)量評(píng)析——基于東西部上市公司的對(duì)比分析[J];西北大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2010年06期

2 保建國(guó);如何提高對(duì)預(yù)測(cè)信息的判斷力[J];秘書(shū);2001年03期

3 保建國(guó);如何提高對(duì)預(yù)測(cè)信息的判斷力[J];辦公室業(yè)務(wù);1997年03期

4 黃煜平;預(yù)測(cè)信息開(kāi)發(fā)的幾個(gè)問(wèn)題[J];中國(guó)物資經(jīng)濟(jì);1994年10期

5 何劍榮;;適應(yīng)黨委決策需要努力提供預(yù)測(cè)信息[J];預(yù)測(cè);1989年02期

6 聶佳佳;;預(yù)測(cè)信息分享對(duì)制造商開(kāi)通直銷(xiāo)渠道的影響[J];管理工程學(xué)報(bào);2012年02期

7 吳成霞;趙道致;潘新宇;;云服務(wù)平臺(tái)預(yù)測(cè)信息分享對(duì)制造商渠道策略的影響[J];軟科學(xué);2016年04期

8 ;預(yù)測(cè)信息[J];新疆農(nóng)墾經(jīng)濟(jì);1995年01期

9 李書(shū)娟;張子剛;;雙渠道供應(yīng)鏈預(yù)測(cè)信息分享的績(jī)效研究[J];工業(yè)工程與管理;2010年05期

10 刁俊峰;張穎;溫巧燕;;基于預(yù)測(cè)信息的空域水印改進(jìn)算法[J];無(wú)線電工程;2009年03期

相關(guān)會(huì)議論文 前3條

1 金志成;何艷茹;程子娟;王東異;;用模糊數(shù)字方法預(yù)測(cè)商品喜愛(ài)度的實(shí)驗(yàn)性探索[A];全國(guó)第五屆心理學(xué)學(xué)術(shù)會(huì)議文摘選集[C];1984年

2 顧國(guó)慶;許晨;;專家信息對(duì)競(jìng)爭(zhēng)市場(chǎng)的作用[A];數(shù)學(xué)·力學(xué)·物理學(xué)·高新技術(shù)交叉研究進(jìn)展——2010（13）卷[C];2010年

3 鄭婷婷;唐妤;;非財(cái)務(wù)指標(biāo)的績(jī)效后果研究——基于2002年-2005年信息技術(shù)制造業(yè)上市公司的實(shí)證研究[A];中國(guó)會(huì)計(jì)學(xué)會(huì)財(cái)務(wù)管理專業(yè)委員會(huì)2009年學(xué)術(shù)年會(huì)論文集[C];2009年

相關(guān)重要報(bào)紙文章 前10條

1 見(jiàn)習(xí)記者 努麗亞;防汛抗旱都重要 預(yù)測(cè)信息早知道[N];新疆科技報(bào)(漢);2013年

2 于順丞 記者 王立新;準(zhǔn)確預(yù)測(cè)信息 加強(qiáng)為農(nóng)服務(wù)[N];吉林日?qǐng)?bào);2004年

3 記者 周奇;突發(fā)事件預(yù)測(cè)信息將定時(shí)發(fā)布[N];北京日?qǐng)?bào);2008年

4 ;美國(guó)是這樣監(jiān)管“預(yù)測(cè)信息”[N];證券時(shí)報(bào);2002年

5 本報(bào)記者 饒紅浩;國(guó)外一家預(yù)測(cè)信息公司的生存之道[N];期貨日?qǐng)?bào);2009年

6 本報(bào)記者 欒中銘　呂銘輝;2013年農(nóng)藥械市場(chǎng)概況及2014年市場(chǎng)預(yù)測(cè)信息[N];山東科技報(bào);2013年

7 秦風(fēng);陜西:二代黏蟲(chóng)局部發(fā)生偏重[N];農(nóng)資導(dǎo)報(bào);2019年

8 本報(bào)記者 馮福田;旅游景點(diǎn)該不該限制游客人數(shù)[N];開(kāi)封日?qǐng)?bào);2006年

9 唐曉林;加強(qiáng)大學(xué)生就業(yè)規(guī)律研究[N];鞍山日?qǐng)?bào)　;2008年

10 唐曉林;加強(qiáng)對(duì)大學(xué)生就業(yè)規(guī)律的研究[N];解放日?qǐng)?bào);2008年

相關(guān)博士學(xué)位論文 前1條

1 曲佳莉;分析師預(yù)測(cè)行為對(duì)權(quán)益資本成本的影響研究[D];西南交通大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 苗宜之;基于預(yù)測(cè)信息的風(fēng)電場(chǎng)集群調(diào)頻控制策略[D];沈陽(yáng)工業(yè)大學(xué);2019年

2 鄒建強(qiáng);道路積水影響預(yù)測(cè)信息提供對(duì)集疏港交通影響研究[D];大連理工大學(xué);2018年

3 陳少將;基于故障預(yù)測(cè)信息的維修資源優(yōu)化決策技術(shù)與系統(tǒng)[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

4 魏丹丹;預(yù)測(cè)信息共享對(duì)雙渠道和零售商自有產(chǎn)品定價(jià)的影響[D];天津工業(yè)大學(xué);2017年

5 賈玉梅;管理層專業(yè)能力與盈利預(yù)測(cè)質(zhì)量的研究[D];天津財(cái)經(jīng)大學(xué);2015年

6 姜蕊;融合預(yù)測(cè)信息的動(dòng)態(tài)路徑選擇算法研究[D];北京交通大學(xué);2011年

7 于倩;上市公司管理層盈余預(yù)測(cè)質(zhì)量影響因素研究[D];山西財(cái)經(jīng)大學(xué);2015年

8 李佳路;考慮預(yù)測(cè)信息獲取的供應(yīng)鏈均衡策略研究[D];曲阜師范大學(xué);2013年

9 王梯;基于預(yù)測(cè)信息的動(dòng)態(tài)OD矩陣估計(jì)[D];北京交通大學(xué);2006年

10 晁賽;影響我國(guó)上市公司自愿性業(yè)績(jī)預(yù)告行為因素之實(shí)證研究[D];西南財(cái)經(jīng)大學(xué);2008年

本文編號(hào)：2631573