本文關(guān)鍵詞： 風(fēng)電功率預(yù)測 信號分解 果蠅算法 支持向量機 模糊聚類　出處：《太原理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：當(dāng)化石能源儲量逐漸減少、霧霾肆意危害人類健康、能源產(chǎn)業(yè)逐漸發(fā)生轉(zhuǎn)變之時,以清潔、可再生、儲量豐富等特性為代表的新能源正在以一種強勁的勢頭改變著人類對傳統(tǒng)能源的認知。我國的風(fēng)能、太陽能等清潔能源蘊含豐富,分布廣泛。隨著經(jīng)濟發(fā)展對能源需求的日益增大,以及我國特高壓線路的建設(shè),風(fēng)電的并網(wǎng)容量和使用率也都成倍增加。但是,在風(fēng)電并網(wǎng)時,由風(fēng)速間歇性造成的電壓波動和頻率偏差等電能質(zhì)量問題,將對電網(wǎng)的區(qū)域互聯(lián)和能源全球化戰(zhàn)略造成一定阻礙。為了消除社會對風(fēng)電的爭議、避免棄風(fēng)現(xiàn)象、構(gòu)建電網(wǎng)友好型風(fēng)電場,相關(guān)部門要求風(fēng)電場能夠采用風(fēng)電預(yù)測技術(shù)合理配置風(fēng)機旋轉(zhuǎn)備用容量、大幅減小風(fēng)電場儲能裝置的容量。并且,合理的風(fēng)電調(diào)度計劃將成為確保風(fēng)電成為可控性能源和順利并網(wǎng)的重要支撐。因此,在進行電力調(diào)度計劃的制定時,電網(wǎng)對風(fēng)電場上傳滾動預(yù)測信息的準(zhǔn)確性進行了更加嚴格的把控。為此,本文依據(jù)山西某風(fēng)電場的風(fēng)能特點,對風(fēng)電功率的預(yù)測方法進行了深入研究。本文以測風(fēng)塔數(shù)據(jù)為依據(jù),將人工智能、模式識別、信號分解與群體智能技術(shù)相融合,在研究風(fēng)電性能和影響風(fēng)電出力各種因素的基礎(chǔ)上,建立了風(fēng)電功率預(yù)測模型,并根據(jù)仿真得到預(yù)測結(jié)果,對其進行了一系列的優(yōu)化和改進,獲得了最優(yōu)預(yù)測模型。在對風(fēng)電特性和影響風(fēng)機出力的相關(guān)因素進行定量分析基礎(chǔ)上,采用果蠅算法FOA優(yōu)化支持向量機SVM,建立了FOA-SVM預(yù)測模型,實現(xiàn)了風(fēng)電功率滾動預(yù)測。針對FOA易受局部極值干擾的缺點,提出了基于高斯擾動的模擬退火果蠅算法GDSAFOA,增強了FOA的優(yōu)化能力,建立了GDSAFOA-SVM預(yù)測模型,通過GDSAFOA對SVM進行參數(shù)尋優(yōu),構(gòu)建了更加合理的SVM回歸超平面、提高了預(yù)測精度。為了提高學(xué)習(xí)模型中訓(xùn)練樣本與預(yù)測樣本的相似性,削減不相關(guān)數(shù)據(jù)的干擾,采用GDSAFOA優(yōu)化模糊C均值算法FCM,建立了GDSAFOA-FCM聚類模型,將GDSAFOA-FCM聚類模型與GDSAFOA-SVM預(yù)測模型結(jié)合,建立了GDSAFOA-FCM-SVM預(yù)測模型,實現(xiàn)了對具有相似特征的歷史日與預(yù)測日的數(shù)據(jù)聚類,提高了GDSAFOA-SVM預(yù)測精度。在GDSAFOA-FCM的優(yōu)化結(jié)果中,有些相似日與預(yù)測日的波動程度相差較大,直接影響預(yù)測精度。為了增加訓(xùn)練樣本與預(yù)測樣本波動程度的相似性,提出了將湍流值IT引入FCM算法,并以IT作為相似日的特征信息,對相似日的波動性進行約束,建立了GDSAFOA-FCM-IT聚類模型,對GDSAFOA-FCM模型進行了改進,將歷史日中風(fēng)電功率波動與預(yù)測日風(fēng)電功率波動偏差大的樣本刪除,保留風(fēng)電功率波動趨勢和幅值相近的數(shù)據(jù),并結(jié)合GDSAFOA-SVM建立了GDSAFOA-FCM-IT-SVM預(yù)測模型,對GDSAFOA-FCM-SVM模型進行了改進,提高了預(yù)測精度。為抑制風(fēng)的波動,分別采用集合經(jīng)驗?zāi)B(tài)EEMD和經(jīng)驗?zāi)B(tài)EMD算法將風(fēng)電功率信號進行平穩(wěn)化處理,并對EEMD和EMD性能進行比較,建立了EEMD-GDSAFOA-FCM-IT-SVM組合模型,該模型能夠在預(yù)測時,對風(fēng)電功率自身的波動進行抑制,實現(xiàn)了對GDSAFOA-FCM-SVM模型的改進,提高了預(yù)測精度。在理論分析的基礎(chǔ)上,采用風(fēng)電場實測數(shù)據(jù)對模型和算法在Matlab平臺進行了仿真驗證,仿真結(jié)果表明EEMD-GDSAFOA-FCM-IT-SVM組合模型相較于其它模型,具有訓(xùn)練樣本少、預(yù)測精度高的特點,為工程實現(xiàn)奠定了理論基礎(chǔ),提供了有價值的研究成果。
[Abstract]:......
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TM614;TP18

【參考文獻】

相關(guān)期刊論文 前10條

1 譚沛然;馬春燕;陳燕;李凌昊;南曉強;;基于相似樣本的風(fēng)速組合預(yù)測[J];太原理工大學(xué)學(xué)報;2016年06期

2 王揚;趙書強;徐巖;殷加s，

本文編號：1556207