本文關(guān)鍵詞：風電功率預測不確定性分析及應用研究

  更多相關(guān)文章： 風電功率預測 誤差分布 非參數(shù)估計 不確定性分析 核極限學習機 預測區(qū)間

【摘要】：風能是一種很有發(fā)展前景的清潔能源,近年來得到跨越式發(fā)展。大規(guī)模風電并網(wǎng)在一定程度上緩解了我國能源緊張壓力,帶來經(jīng)濟和環(huán)境效益。但風電自身具有隨機性和波動性,大規(guī)模并網(wǎng)時會影響電網(wǎng)穩(wěn)定。因此需要對風電場輸出功率進行預測,但現(xiàn)有的大部分預測方法為點預測,結(jié)果為單一功率估計值,含有較大的不確定性,給決策引入風險。不確定性分析可以得到未來功率實際值以某置信水平落入的由上下限構(gòu)成的預測區(qū)間,為電力系統(tǒng)規(guī)劃和運行決策重要依據(jù),大大提高電力系統(tǒng)的抗風險能力。本文首先分析了風電場功率預測不確定性影響因素來源,介紹了誤差的存在形式及評價指標,預測誤差的分布特性分析及時間特性,影響預測精度的因素主要包括：模型的輸入數(shù)據(jù)精度；風電機組輸出功率的分散性,即功率曲線擬合誤差；預測模型的誤差；風電場內(nèi)風電機組故障停機的不確定性。然后,研究分析已有風電場功率點預測系統(tǒng)的不確定性,得到基于誤差統(tǒng)計的風電功率概率區(qū)間估計。對預測誤差序列分布特性進行統(tǒng)計分析后,采用非參數(shù)Bootstrap方法對風電功率概率性預測。給定置信水平下風電功率可能的波動區(qū)間,即風電功率的不確定性,避免了傳統(tǒng)參數(shù)模型需要對分布進行先驗假設的過程。仿真結(jié)果表明在功率劇烈波動情況下也能較好預測未來功率的不確定性,適合工程應用。最后,本文提出基于粒子群優(yōu)化核極限學習機模型(PSO-KELM)的風電功率區(qū)間預測方法。方案采用核極限學習機建立單層前向型神經(jīng)網(wǎng)絡,直接預測出風電功率在某置信水平下的上下限；再用粒子群算法優(yōu)化核極限學習機的輸出權(quán)重,得到符合要求的區(qū)間。在傳統(tǒng)預測區(qū)間評價指標區(qū)間覆蓋率、預測區(qū)間平均帶寬這兩個指標基礎(chǔ)上,增加累計帶寬偏差指標滿足不確定性要求。并且提出了一種新的預測區(qū)間性能評價指標,綜合考慮預測區(qū)間的可靠性和清晰度,作為粒子群優(yōu)化算法的優(yōu)化目標函數(shù)。Matlab仿真結(jié)果表明,所提方法能夠得到較好的預測區(qū)間,避免傳統(tǒng)計算方式的復雜計算,具備一定的可行性。
【關(guān)鍵詞】：風電功率預測 誤差分布 非參數(shù)估計 不確定性分析 核極限學習機 預測區(qū)間
【學位授予單位】：華北電力大學(北京)
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM614
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 緒論9-19
• 1.1 選題背景及研究的意義9-12
• 1.1.1 風力發(fā)電現(xiàn)狀9-11
• 1.1.2 風力發(fā)電不確定性分析的研究意義11-12
• 1.2 風電功率預測及不確定性分析研究現(xiàn)狀12-16
• 1.2.1 國內(nèi)外研究現(xiàn)狀12-15
• 1.2.2 風電預測研究的不足15-16
• 1.3 風電功率預測的不確定性分析方法分類16-17
• 1.3.1 按預測時間分類16-17
• 1.3.2 按預測空間范圍分類17
• 1.3.3 按預測對象分類17
• 1.4 本課題研究內(nèi)容17-19
• 第2章 影響風電功率預測的不確定性因素來源19-30
• 2.1 預測誤差存在形式及評價指標19-22
• 2.1.1 預測誤差的存在形式19-20
• 2.1.2 縱向誤差指標20-21
• 2.1.3 橫向誤差指標21-22
• 2.2 預測誤差的頻率分布特性22-23
• 2.3 預測誤差的時間特性23-24
• 2.4 風功率預測誤差的影響因素24-29
• 2.4.1 輸入數(shù)據(jù)精度24-26
• 2.4.2 風電機組功率曲線的分散性(擬合誤差)26-27
• 2.4.3 風電場內(nèi)風電機組故障停機的不確定性27-28
• 2.4.4 預測模型誤差28-29
• 2.5 本章小結(jié)29-30
• 第3章 基于誤差統(tǒng)計的風電功率概率區(qū)間估計30-42
• 3.1 風電功率日變化分析30-31
• 3.2 風電功率預測誤差統(tǒng)計分析31-34
• 3.2.1 自相關(guān)分析31-32
• 3.2.2 互相關(guān)性分析32-33
• 3.2.3 預測誤差分布特性33-34
• 3.3 基于非參數(shù)BOOTSTARP方法的風電功率概率性區(qū)間預測34-38
• 3.3.1 Bootstrap理論及特點35-36
• 3.3.2 非參數(shù)Bootstrap區(qū)間估計模型36-37
• 3.3.3 預測計算步驟37-38
• 3.4 案例分析38-41
• 3.5 本章小結(jié)41-42
• 第4章 基于粒子群優(yōu)化的核極限學習機的風電功率區(qū)間預測42-54
• 4.1 極限學習機方法42-45
• 4.1.1 極限學習機模型43-44
• 4.1.2 核函數(shù)的極限學習機(KELM)44-45
• 4.1.3 自適應粒子群算法45
• 4.2 預測區(qū)間評價指標45-48
• 4.2.1 區(qū)間覆蓋率46
• 4.2.2 預測區(qū)間平均帶寬46
• 4.2.3 累積帶寬偏差46-47
• 4.2.4 預測區(qū)間綜合評價指標47-48
• 4.3 PSO-KELM風電功率區(qū)間預測模型48-49
• 4.3.1 風電功率區(qū)間預測模型具體步驟48-49
• 4.4 算例分析49-53
• 4.4.1 數(shù)據(jù)預處理49-50
• 4.4.2 模型參數(shù)50-51
• 4.4.3 仿真結(jié)果與分析51-53
• 4.5 本章小結(jié)53-54
• 第5章 結(jié)論與展望54-56
• 5.1 結(jié)論54
• 5.2 展望54-56
• 參考文獻56-59
• 攻讀碩士學位期間發(fā)表的論文及其他成果59-60
• 致謝60

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 黃建文;羊豪;庹中友;;對數(shù)廣義誤差分布極值的收斂速度[J];重慶工商大學學報(自然科學版);2014年08期

2 周惠成;李麗琴;王本德;;洪水預報誤差分布的極大熵法[J];大連理工大學學報;2007年03期

3 翟劭q，

本文編號：652183