本文關(guān)鍵詞：風(fēng)電場風(fēng)電功率概率預(yù)測研究，由筆耕文化傳播整理發(fā)布。

【摘要】：我國作為世界上最大的能源消耗國,油氣能源的高依賴度,導(dǎo)致能源安全問題、環(huán)境問題日益明顯。隨著風(fēng)力發(fā)電技術(shù)的不斷提升,風(fēng)電場裝機(jī)容量和風(fēng)電的并網(wǎng)規(guī)模不斷增加,為我國帶來巨大的經(jīng)濟(jì)效益的同時,緩解了能源安全并來帶了環(huán)境效益。為了保證電力系統(tǒng)的穩(wěn)定運(yùn)行和供電系統(tǒng)的可靠性,必須對供電系統(tǒng)進(jìn)行有效的計(jì)劃、調(diào)度。然而,風(fēng)電作為一種間歇性的電源,其波動性和不確定性,增加了對電網(wǎng)進(jìn)行安全調(diào)度的難度,加重系統(tǒng)備用容量的負(fù)擔(dān)。因此,對風(fēng)電場輸出功率的準(zhǔn)確預(yù)報(bào),不僅有助于合理的安排調(diào)度計(jì)劃,實(shí)現(xiàn)電力系統(tǒng)的供需平衡,同時能有效降低備用容量、降低發(fā)電總成本。本文中對風(fēng)電場風(fēng)電功率預(yù)測系統(tǒng)的國內(nèi)外情況作了較為全面的介紹。其中,大部分的預(yù)測系統(tǒng)都采用了單點(diǎn)值預(yù)測方法,這些方法能夠給出未來時段內(nèi)風(fēng)電功率最有可能出現(xiàn)的功率值；然而,單點(diǎn)值預(yù)測方法無法提供風(fēng)電場風(fēng)電功率輸出的不確定性信息。概率性預(yù)測方法的出現(xiàn),成為解決風(fēng)電功率預(yù)測不確定性信息缺失的關(guān)鍵。此類方法不但能通過期望的方式給出單點(diǎn)值預(yù)測結(jié)果,同時能夠以概率分布的方式,提供預(yù)測誤差的分布信息,為電力系統(tǒng)調(diào)度決策、運(yùn)行風(fēng)險(xiǎn)評估提供更加豐富的信息。本文首先從ARMA和SVM這兩種單點(diǎn)值預(yù)測方法入手,分析了這兩種單點(diǎn)值預(yù)測方法的各自特點(diǎn)。而后,采用ARMA和SVM作為函數(shù)模型,實(shí)現(xiàn)了ARMA—分位數(shù)和SVM—分位數(shù)這兩種基于分位數(shù)的概率性預(yù)測方法。在對SVM—分位數(shù)概率性預(yù)測方法的建模分析中,得到了分位數(shù)方法的概率密度函數(shù),同時提出了對概率性預(yù)測結(jié)果檢驗(yàn)值較差分段的分段針對性建模方法。接著,研究了基于相關(guān)向量機(jī)的概率性預(yù)測方法,在該方法的改進(jìn)策略中,針對ARMA和SVM這兩種單點(diǎn)值預(yù)測方法得到的誤差序列使用RVM進(jìn)行分析建模,提出了針對單點(diǎn)值預(yù)測誤差的RVM概率性預(yù)測方法。最后,采用同樣的評價(jià)指標(biāo),分別就單點(diǎn)值預(yù)測結(jié)果、概率性預(yù)測結(jié)果和運(yùn)行時間成本這三個方面,對基于分位數(shù)回歸和基于相關(guān)向量機(jī)的這兩種概率性預(yù)測方法進(jìn)行了分析對比。
【關(guān)鍵詞】：風(fēng)電功率預(yù)測 支持向量機(jī) 時間序列 分位數(shù)回歸 相關(guān)向量機(jī) 連續(xù)排名概率得分
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM614
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-15
• 1.1 課題背景及意義9-12
• 1.1.1 風(fēng)電產(chǎn)業(yè)發(fā)展現(xiàn)狀9-11
• 1.1.2 風(fēng)電功率預(yù)測的意義11-12
• 1.2 課題研究的發(fā)展現(xiàn)狀12-14
• 1.2.1 國內(nèi)外研究現(xiàn)狀12
• 1.2.2 風(fēng)電功率預(yù)測方法的分類12-14
• 1.3 本論文的主要工作14-15
• 第二章 單點(diǎn)值預(yù)測方法研究15-35
• 2.1 支持向量機(jī)15-21
• 2.1.1 統(tǒng)計(jì)學(xué)基本原理15-16
• 2.1.2 SVM回歸基本原理16-18
• 2.1.3 遺傳算法改進(jìn)的支持向量機(jī)18-21
• 2.2 時間序列21-26
• 2.2.1 時間序列基本原理21-22
• 2.2.2 時間序列模型22-23
• 2.2.3 時間序列預(yù)測建模23-26
• 2.3 預(yù)測效果評價(jià)指標(biāo)26
• 2.4 算例分析26-32
• 2.4.1 GA-SVM單點(diǎn)值預(yù)測26-30
• 2.4.2 時間序列單點(diǎn)值預(yù)測30-32
• 2.5 本章小結(jié)32-35
• 第三章 基于分位數(shù)回歸的概率性預(yù)測方法35-57
• 3.1 分位數(shù)回歸原理35-37
• 3.1.1 分位數(shù)回歸基本原理35-37
• 3.1.2 中位數(shù)回歸37
• 3.1.3 分位數(shù)回歸的參數(shù)估計(jì)方法37
• 3.2 支持向量機(jī)—分位數(shù)回歸原理37-39
• 3.2.1 支持向量的選取37-38
• 3.2.2 支持向量機(jī)—分位數(shù)算法建模38-39
• 3.2.3 支持向量機(jī)—分位數(shù)算法概率性預(yù)測39
• 3.3 時間序列—分位數(shù)回歸原理39-41
• 3.3.1 時間序列—分位數(shù)算法建模40
• 3.3.2 時間序列—分位數(shù)算法概率性預(yù)測40-41
• 3.4 預(yù)測效果評價(jià)指標(biāo)41
• 3.5 算例分析41-47
• 3.5.1 時間序列—分位數(shù)算法42-44
• 3.5.2 支持向量機(jī)—分位數(shù)算法44-46
• 3.5.3 基于分位數(shù)的兩種概率性預(yù)測模型比較46-47
• 3.6 SVM—分位數(shù)概率性預(yù)測建模分析47-56
• 3.6.1 單點(diǎn)值預(yù)測—條件概率密度函數(shù)辨識47-50
• 3.6.2 針對SVM單點(diǎn)值預(yù)測誤差的SVM—分位數(shù)概率性預(yù)測方案50-53
• 3.6.3 計(jì)及溫度、濕度的SVM—分位數(shù)預(yù)測方法53-54
• 3.6.4 對卡方檢驗(yàn)效果較差時段的改進(jìn)策略54-56
• 3.7 本章小結(jié)56-57
• 第四章 基于相關(guān)向量機(jī)的概率預(yù)測方法57-71
• 4.1 RVM模型定義57-59
• 4.2 貝葉斯推理過程59-60
• 4.3 RVM學(xué)習(xí)過程60
• 4.4 RVM模型預(yù)測60-61
• 4.5 預(yù)測效果評價(jià)指標(biāo)61
• 4.6 算例分析61-69
• 4.6.1 直接RVM預(yù)測方法61-65
• 4.6.2 基于SVM預(yù)測誤差的RVM預(yù)測方法65-67
• 4.6.3 基于ARMA預(yù)測誤差的RVM預(yù)測方法67-69
• 4.7 本章小結(jié)69-71
• 第五章 概率性預(yù)測方法比較71-77
• 5.1 單點(diǎn)值預(yù)測輸出比較71
• 5.2 基于卡方檢驗(yàn)和預(yù)測分布失真率的概率性預(yù)測效果比較71-72
• 5.3 基于連續(xù)排名概率得分法的概率性預(yù)測效果比較72-75
• 5.4 時間成本比較75
• 5.5 本章小結(jié)75-77
• 第六章 結(jié)論與展望77-79
• 6.1 結(jié)論77
• 6.2 展望77-79
• 致謝79-81
• 參考文獻(xiàn)81-85
• 作者簡介85

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王偉冠;;大規(guī)模風(fēng)電接入電網(wǎng)的相關(guān)問題及解決措施[J];科技與創(chuàng)新;2016年04期

2 施亮星;馬紅葉;何楨;;基于評分法的測量系統(tǒng)能力評價(jià)[J];工業(yè)工程;2015年05期

3 何耀耀;聞才喜;許啟發(fā);撖奧洋;;考慮溫度因素的中期電力負(fù)荷概率密度預(yù)測方法[J];電網(wǎng)技術(shù);2015年01期

4 張文秀;武新芳;陸豪乾;;風(fēng)電功率預(yù)測技術(shù)綜述與改進(jìn)建議[J];電力與能源;2014年04期

5 葉林;趙永寧;;基于空間相關(guān)性的風(fēng)電功率預(yù)測研究綜述[J];電力系統(tǒng)自動化;2014年14期

6 修春波;任曉;李艷晴;劉明鳳;;基于卡爾曼濾波的風(fēng)速序列短期預(yù)測方法[J];電工技術(shù)學(xué)報(bào);2014年02期

7 丁華杰;宋永華;胡澤春;吳金城;范曉旭;;基于風(fēng)電場功率特性的日前風(fēng)電預(yù)測誤差概率分布研究[J];中國電機(jī)工程學(xué)報(bào);2013年34期

8 李慧蘭;;我國風(fēng)電發(fā)展現(xiàn)狀及前景展望[J];科學(xué)之友;2013年11期

9 李俊峰;耿丹;;全球及我國風(fēng)電發(fā)展現(xiàn)狀與展望[J];中國電力企業(yè)管理;2013年07期

10 白文斌;;世界風(fēng)電發(fā)展現(xiàn)狀及前景展望[J];科技情報(bào)開發(fā)與經(jīng)濟(jì);2012年22期

  本文關(guān)鍵詞：風(fēng)電場風(fēng)電功率概率預(yù)測研究，，由筆耕文化傳播整理發(fā)布。

本文編號：426886