發(fā)布時間：2021-03-21 19:03

　　近年來,風電機組的裝機容量和風電并網容量均逐年上升。由于風速具有波動性和不確定性等特性,在大規(guī)模風電并網時會給電網帶來調頻調壓等問題,影響電網穩(wěn)定運行。風電功率的精準預測可有效降低風電并網對電網穩(wěn)定性造成的影響。本文深度挖掘風電歷史數據的特性,對風電輸出功率超短期預測進行研究,主要工作如下:首先,提出了多模型篩選與重構風電歷史錯誤數據的方法。風電歷史數據由于各種各樣的因素而造成數據中存在不利于風電預測的錯誤數據,如要依據這種數據進行風功率預測勢必會造成較大的偏差。如果只根據統(tǒng)計學特性直接剔除離群數據,這將導致物理概念不清晰并且精度難以保證。因此,本文針對造成錯誤數據的不同原因進行分析,并分別提出不同的篩選方法與重構方法。針對棄風限風數據,根據功率曲線法加以重構;針對離群數據,運用四分位法加以識別并根據插值法加以重構;針對電磁干擾數據,運用模糊聚類法加以識別并根據網絡拓撲結構法加以重構。最后給出篩選前后風速-風功率散點圖,并以平均相對誤差和準確率為判別依據,定量分析重構數據的準確性。其次,建立一種基于粒子群算法的加入后件多項式的RBF神經網絡風功率預測模型。先根據風功率相關性分析,選擇預... 

【文章來源】：沈陽工業(yè)大學遼寧省

【文章頁數】：65 頁

【學位級別】：碩士

【部分圖文】：

圖１．１我國２０１９年能源結構圖??Ｆｉｇ．?１．１?Ｃｈｉｎｅｓｅ?ｅｎｅｒｇｙ?ｓｔｒｕｃｔｕｒｅ?ｍａｐ?ｆｏｒ?２０１９??１??

?沈陽工業(yè)大學碩士學位論文???由圖中可知，我國的生產與消費仍以化石能源為主。而由此帶來的空氣污染??等問題日益嚴峻［５］。圖１．２所示為２０１９年世界各國碳排放總量圖：??碳排放量??８０００??７０００暑晶??６０００?Ｉ??■?■?■??＾?５０００?Ｉ?Ｉ?ｓ?ｉ?３??〒?４０００?■?■?■??３００。?｜?■??２０００?■?ＩＩ．?＿??１〇°：?■?■?■?Ｉ?Ｉ?骨，４?置，５?５ｒ：??中丨１美Ｈ?歐盟俄羅斯印度?Ｈ本巴西加拿大墨西哥印尼??圖１．２世界主要國家２０１９年碳排放量??Ｆｉｇ．?１．２?Ｃａｒｂｏｎ?ｅｍｉｓｓｉｏｎｓ?ｏｆ?ｍａｊｏｒ?ｃｏｕｎｔｒｉｅｓ?ｉｎ?２０１９??我國現(xiàn)己成為世界碳釀量第一大國。由于過度的碳排放造成的溫室效應問??題影響著全世界各國人民甚至影響整個地球的生態(tài)系統(tǒng)［６］。２０１９年《ＢＰ世界能??源展望》中提出“我們時代中最大的挑戰(zhàn)之一是雙重性的：需要在滿足不斷增長??的能源需求的同時降低能源消耗。”因此，提高清潔能源的開發(fā)與使用是解決環(huán)??境問題的重要手段之一［７］。圖１．３列出了我國近幾年風電并網容量走勢圖：??并網裝機容量??１９２６９??２００００?１８４２６??１８０００?１６３２５＇＇??１６０００??１４０００??運?１２０００??ｇ?１００００?７６５２＾＾｜??８０００?６１４２??２０１２?年?２０１３?年?２０１４?年?２０１５年?２０１６?年?２０１７?年?２０１８?年?２０１９?牢??圖１．３我國風電并網裝機容量示意圖??Ｆｉｇ．?１．３?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?Ｃｈｉｎａ＇ｓ?

在大量缺失數據時，研宄人員的統(tǒng)計與估計也會造成偏差。根據ＧＢ／Ｔ１８７１０－２００２??的規(guī)定，如果風電歷史數據缺失超過１０％則難以保證預測的精準性，所以需要通??過合適的手段對數據進行重構。??２．?２．１功率曲線法重構棄風限風數據??每臺風機在出廠前生產廠商都會機組功率特性繪制并給出標準功率曲線。按??照風機制造規(guī)定，標準功率曲線的繪制是當空氣密度為１．２２５?ｋｇ／ｍ３時，風速是??風電機組輪毅中心高度處ｌ〇ｍｉｎ風速均值，功率是風電機組ｌ〇ｍｉｎ輸出功率均??值。??如圖２．１為某風電機組標準功率曲線：??１８００??＞?■?＇?????１?＾????１６００?■??１４００?■?廠??一?１２００?／’??１?１０００?／??％?８００?／??６００?／??４００?？??２００?■?＇??〇??１￣１?１?１?１?１???０?２?４?６?８?１０?１２?１４?１６??風速（ｍ／ｓ＞??圖２，１風電機組標準功率特性曲線??Ｆｉｇ．?２．１?Ｓｔａｎｄａｒｄ?ｐｏｗｅｒ?ｃｈａｒａｃｔｅｒｉｓｔｉｃ?ｃｕｒｖｅ?ｏｆ?ｗｉｎｄ?ｔｕｒｂｉｎｅ??１３??

【參考文獻】：
期刊論文
[1]大變局下的能源之路——“2020國際能源發(fā)展高峰論壇”綜述[J]. 吳謀遠,石衛(wèi),康煜,劉月洋,熊靚,陳嘉茹,黃映嘉.  國際石油經濟. 2020(01)
[2]BP公司在2019年世界能源統(tǒng)計年鑒中指出世界正走在一條不可持續(xù)的道路上[J]. 程薇.  石油煉制與化工. 2019(09)
[3]能源需求快速增長背后現(xiàn)危機——2019年世界能源統(tǒng)計年鑒解讀[J]. 李敏,錢伯章.  中國石油和化工經濟分析. 2019(08)
[4]基于數據驅動的超短期風電功率預測綜述[J]. 楊茂,張羅賓.  電力系統(tǒng)保護與控制. 2019(13)
[5]基于風電預測誤差區(qū)間的動態(tài)經濟調度[J]. 劉立陽,孟紹良,吳軍基.  電力自動化設備. 2016(09)
[6]考慮預測誤差時序分布特性的含風電機組組合模型[J]. 王成福,王昭卿,孫宏斌,梁正堂,梁軍,韓學山.  中國電機工程學報. 2016(15)
[7]混合電源及功率預測系統(tǒng)在風電并網中的應用[J]. 孟令斌,朱鳳龍.  電力系統(tǒng)保護與控制. 2015(13)
[8]關于短期及超短期風電功率預測的評述[J]. 薛禹勝,郁琛,趙俊華,Kang LI,Xueqin LIU,Qiuwei WU,Guangya YANG.  電力系統(tǒng)自動化. 2015(06)
[9]短期風電功率預測誤差的混合偏態(tài)分布模型[J]. 劉燕華,李偉花,劉沖,張東英.  中國電機工程學報. 2015(10)
[10]基于高密度數值天氣預報的分布式光伏功率預測主站研究應用[J]. 甘德樹,周云蔚,賈鵬程,段再超.  電氣制造. 2015(02)

博士論文
[1]新能源電力系統(tǒng)源荷互動關鍵問題的研究[D]. 周歡.華北電力大學(北京) 2016

碩士論文
[1]基于模型優(yōu)選和組合策略的風速融合預測方法研究[D]. 白楊.太原理工大學 2016
[2]基于卡爾曼濾波算法的短期風電功率預測[D]. 陳辰.新疆大學 2015
[3]風電場風速預測模型研究[D]. 雷慶坤.合肥工業(yè)大學 2015
[4]風電場輸出功率概率預測理論與方法[D]. 朱思萌.山東大學 2014
[5]風電場風速預測模型研究[D]. 戴浪.湖南大學 2011



本文編號：3093388