近年來,在全球的化石燃料日漸枯竭,在我國大力發(fā)展可再生能源背景下,風力發(fā)電技術扮演著重要角色。但風力發(fā)電伴隨著風的波動性、間歇性和不確定性對電網的穩(wěn)定運行帶來嚴峻的挑戰(zhàn)。因此風電功率的準確預測對整個風力發(fā)電事業(yè)的發(fā)展產生巨大影響。鑒于此提高風電預測精度已經成為一個重要課題。首先,針對風電場的測風塔實測風速和數值天氣預測(Numerical Weather Prediction,NWP)風能數據,其數據特征的研究是提高預測精度的前提條件,通過定量分析得NWP風能信息、測風塔實測風速信息的關聯程度,再通過長短期記憶網絡(long-short term memory,LSTM)對NWP風速進行修正。其次,提出一種基于原子稀疏分解(Atomic Sparse Decomposition,ASD)和混沌理論的風電功率超短期多步預測模型。首先利用ASD良好的序列趨勢跟蹤特性,將風電功率時間序列分解成多個原子趨勢分量和一個殘差隨機分量;然后分別利用自適應預測法和混沌理論對兩分量進行超短期預測;最后將兩分量的預測結果疊加,得到最終的風電功率預測結果。再次,通過考慮未來的風速信息來提高功率突變時的預測精...

【文章頁數】：59 頁

【學位級別】：碩士

圖１－２?２０１３年－２０１８年我國棄風電量和棄風率的統(tǒng)計情況??（１）有利于電網調度和電力系統(tǒng)的穩(wěn)定運行??

圖２－１?ＮＷＰ風速與測風塔１００ｍ風速誤差分析??過２－１ＢＮＷＰ比，２－１Ａｘ上

圖２－２?ＬＳＴＭ的基本結構??模型在實際使用中，由于各數據的物理量綱不一致，直接輸入模型會造成極大誤差，??

圖２－３網絡結構示意圖??本算例以９０天為訓練樣本，對２０１８年５月３日－５月５日風電場測風塔風速進行修正，??

本文編號：3883075