本文關(guān)鍵詞：基于氣象測(cè)量場(chǎng)的風(fēng)電爬坡事件與功率預(yù)測(cè)

  更多相關(guān)文章： 氣象測(cè)量場(chǎng) 風(fēng)電爬坡 經(jīng)驗(yàn)正交函數(shù) 支持向量機(jī) 區(qū)間數(shù)

【摘要】：隨著風(fēng)力發(fā)電大規(guī)模接入電網(wǎng),風(fēng)電爬坡事件的風(fēng)險(xiǎn)不斷增大,對(duì)電力系統(tǒng)的影響日益突出。風(fēng)電爬坡是指在短時(shí)間尺度內(nèi),風(fēng)功率的大幅度波動(dòng)。風(fēng)力發(fā)電受氣象環(huán)境條件影響,風(fēng)能的波動(dòng)性和間歇性特點(diǎn)是風(fēng)電爬坡的重要原因。爬坡事件進(jìn)程中的顯著風(fēng)功率波動(dòng)會(huì)破壞電網(wǎng)原有的功率平衡和頻率穩(wěn)定,對(duì)電力系統(tǒng)的安全穩(wěn)定運(yùn)行帶來巨大的隱患。因此,深入研究風(fēng)電爬坡事件,提高風(fēng)電爬坡事件預(yù)測(cè)精度,能夠推動(dòng)風(fēng)力發(fā)電并網(wǎng)和清潔可再生能源使用,同時(shí)也對(duì)電網(wǎng)安全運(yùn)行和優(yōu)化調(diào)度具有重要作用。本文的工作圍繞風(fēng)電爬坡的預(yù)測(cè)展開,旨在提出爬坡時(shí)段區(qū)域風(fēng)功率預(yù)測(cè)模型和風(fēng)電場(chǎng)爬坡事件預(yù)測(cè)模型。風(fēng)電爬坡事件與氣象條件變化密切相關(guān),區(qū)域氣象信息是研究風(fēng)電爬坡事件的重要數(shù)據(jù)基礎(chǔ)。有效關(guān)聯(lián)氣象數(shù)據(jù)和爬坡事件典型特征,建立預(yù)測(cè)模型是爬坡事件預(yù)測(cè)的關(guān)鍵。多觀測(cè)點(diǎn)氣象測(cè)量場(chǎng)能夠捕捉不同位置、不同時(shí)刻的風(fēng)速、風(fēng)向等氣象動(dòng)態(tài)變化,準(zhǔn)確表達(dá)風(fēng)電爬坡時(shí)段氣象參數(shù)的特性,這是現(xiàn)有其他預(yù)測(cè)方法所欠缺的。論文利用經(jīng)驗(yàn)正交函數(shù)分解方法對(duì)氣象數(shù)據(jù)構(gòu)成的氣象要素場(chǎng)進(jìn)行空間模態(tài)分析和主分量提取,為構(gòu)建風(fēng)電爬坡預(yù)測(cè)模型提供數(shù)據(jù)支持。本文在分析風(fēng)電場(chǎng)中風(fēng)速分布特性和風(fēng)功率特性的基礎(chǔ)上,對(duì)風(fēng)電爬坡事件進(jìn)行了數(shù)據(jù)特征分析。通過對(duì)不同爬坡定義下風(fēng)功率波動(dòng)的統(tǒng)計(jì)分析,深入剖析了風(fēng)電爬坡事件特性。同時(shí)對(duì)氣象測(cè)量場(chǎng)中不同觀測(cè)站間的風(fēng)速序列進(jìn)行相關(guān)性分析,分析結(jié)果顯示氣象觀測(cè)站的風(fēng)速序列間存在著各自不同的相關(guān)性,受地理位置、地形等因素影響。為提高風(fēng)電爬坡時(shí)段風(fēng)功率的預(yù)測(cè)效果,本文提出了一種基于氣象測(cè)量場(chǎng)的爬坡時(shí)段區(qū)域風(fēng)功率預(yù)測(cè)方法。考慮爬坡時(shí)段風(fēng)速場(chǎng)的動(dòng)態(tài)變化,利用經(jīng)驗(yàn)正交函數(shù)分解,將風(fēng)速資料陣分解成不同空間模態(tài)和主分量,通過多元非線性逐步回歸方法建立風(fēng)速場(chǎng)主分量和區(qū)域風(fēng)功率間的映射關(guān)系。考慮風(fēng)速預(yù)測(cè)誤差,采用區(qū)間正交函數(shù)分解,將上述模型擴(kuò)展為處理非確定性數(shù)據(jù)的預(yù)測(cè)方法。實(shí)際區(qū)域風(fēng)功率預(yù)測(cè)結(jié)果表明,預(yù)測(cè)模型能夠顯著提高風(fēng)電爬坡時(shí)段風(fēng)功率預(yù)測(cè)的精度,對(duì)存在風(fēng)速預(yù)測(cè)誤差的情況具有較強(qiáng)的魯棒性。氣象測(cè)量場(chǎng)能夠提供影響風(fēng)電爬坡事件進(jìn)程的氣象數(shù)據(jù),本文利用支持向量機(jī)算法對(duì)氣象測(cè)量場(chǎng)的氣象信息進(jìn)行數(shù)據(jù)挖掘,提出了一種基于支持向量機(jī)分類算法的爬坡事件預(yù)測(cè)模型。模型充分考慮氣場(chǎng)測(cè)量場(chǎng)中風(fēng)速、風(fēng)向、相對(duì)濕度等氣象因素對(duì)風(fēng)電出力的影響,同時(shí)利用粒子群算法優(yōu)化支持向量機(jī)的參數(shù),建立區(qū)域氣象信息與爬坡事件判定值間的映射關(guān)系,實(shí)現(xiàn)對(duì)爬坡事件的預(yù)測(cè)分析。實(shí)際風(fēng)電場(chǎng)算例仿真驗(yàn)證了預(yù)測(cè)模型方法的有效性和適用性。
【關(guān)鍵詞】：氣象測(cè)量場(chǎng) 風(fēng)電爬坡 經(jīng)驗(yàn)正交函數(shù) 支持向量機(jī) 區(qū)間數(shù)
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TM614
【目錄】：

• 摘要8-10
• ABSTRACT10-12
• 第1章 緒論12-22
• 1.1 研究背景及意義12-15
• 1.1.1 研究背景12-14
• 1.1.2 研究意義14-15
• 1.2 研究現(xiàn)狀15-21
• 1.2.1 風(fēng)電爬坡事件的定義15-17
• 1.2.2 風(fēng)電場(chǎng)短期風(fēng)功率預(yù)測(cè)方法17-19
• 1.2.3 風(fēng)電爬坡事件預(yù)測(cè)研究方法19-21
• 1.3 本文主要工作21-22
• 第2章 氣象測(cè)量場(chǎng)的數(shù)據(jù)特征分析22-35
• 2.1 氣象測(cè)量場(chǎng)數(shù)據(jù)相關(guān)性分析22-26
• 2.1.1 空間分布的自動(dòng)氣象觀測(cè)站22-23
• 2.1.2 觀測(cè)站數(shù)據(jù)相關(guān)分析23-24
• 2.1.3 算例分析24-26
• 2.2 風(fēng)能資源參數(shù)26-29
• 2.2.1 風(fēng)速分布特性26
• 2.2.2 風(fēng)電機(jī)組出力特性26-27
• 2.2.3 風(fēng)資源參數(shù)預(yù)處理27-29
• 2.3 爬坡事件數(shù)據(jù)特征分析29-33
• 2.3.1 爬坡時(shí)段風(fēng)功率數(shù)據(jù)特性29-32
• 2.3.2 風(fēng)電場(chǎng)中爬坡事件統(tǒng)計(jì)分析32-33
• 2.4 小結(jié)33-35
• 第3章 基于氣象測(cè)量場(chǎng)的爬坡時(shí)段區(qū)域風(fēng)功率預(yù)測(cè)35-51
• 3.1 基于經(jīng)驗(yàn)正交函數(shù)分解的氣場(chǎng)測(cè)量場(chǎng)數(shù)據(jù)處理35-39
• 3.1.1 經(jīng)驗(yàn)正交函數(shù)分解的基本原理35-37
• 3.1.2 基于EOF的氣象測(cè)量場(chǎng)的模態(tài)分析37-39
• 3.2 爬坡時(shí)段區(qū)域風(fēng)功率預(yù)測(cè)模型39-45
• 3.2.1 區(qū)域風(fēng)功率預(yù)測(cè)模型39-41
• 3.2.2 算例分析41-45
• 3.3 考慮風(fēng)速預(yù)測(cè)誤差的區(qū)間EOF分解45-50
• 3.3.1 區(qū)間EOF分解原理45-46
• 3.3.2 考慮風(fēng)速預(yù)測(cè)誤差的區(qū)間風(fēng)功率預(yù)測(cè)模型46-49
• 3.3.3 算例分析49-50
• 3.4 小結(jié)50-51
• 第4章 基于PSO-SVM的風(fēng)電爬坡事件預(yù)測(cè)51-67
• 4.1 支持向量機(jī)原理51-56
• 4.1.1 支持向量機(jī)簡(jiǎn)介51-52
• 4.1.2 支持向量機(jī)原理52-55
• 4.1.3 LIBSVM工具箱介紹55-56
• 4.2 基于PSO-SVM的風(fēng)電爬坡事件預(yù)測(cè)模型56-61
• 4.2.1 支持向量機(jī)參數(shù)優(yōu)化56-58
• 4.2.2 基于粒子群算法的SVM參數(shù)尋優(yōu)58-59
• 4.2.3 風(fēng)電爬坡事件預(yù)測(cè)模型59-61
• 4.3 算例分析61-66
• 4.3.1 預(yù)測(cè)模型輸入和參數(shù)選擇62-63
• 4.3.2 風(fēng)電爬坡事件預(yù)測(cè)實(shí)例63-66
• 4.4 小結(jié)66-67
• 第5章 結(jié)論與展望67-69
• 5.1 本文結(jié)論67-68
• 5.2 展望68-69
• 參考文獻(xiàn)69-73
• 致謝73-74
• 作者在攻讀碩士學(xué)位期間取得的成果74-75
• 附件75

【參考文獻(xiàn)】

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

，

本文編號(hào)：921985