現(xiàn)如今,我國經(jīng)濟飛速發(fā)展,對化石能源的大量消耗使得生態(tài)環(huán)境污染嚴重。風能的開發(fā)利用更是在優(yōu)化產能結構、堅持落實可持續(xù)發(fā)展戰(zhàn)略中起著不可替代的作用。然而,風力發(fā)電具有間隙性、隨機性和波動性的特點,因此,風能在利用時非常困難。而風電功率主要影響因素是風速,風電場的輸出功率也會有波動,這會對電網(wǎng)的安全穩(wěn)定運行造成一定程度的影響,因此提高風電功率預測的準確性可以優(yōu)化電力系統(tǒng)的調度,降低因出力波動性對電網(wǎng)的影響,提高經(jīng)濟效益。隨著風電快速發(fā)展,很多地區(qū)風電場呈現(xiàn)集群化、規(guī)�；攸c,就調度來說,工作人員更關注整個風電場集群區(qū)域的功率,所以風電場集群整個區(qū)域的風電出力相關問題很有研究的必要。風電場集群區(qū)域風電功率的準確預測,更利于調度安排運行方式。因此,本文提出一種風電場集群出力預測方法。首先本文敘述了風電場的功率預測的背景及意義,詳細介紹了單一風電場和風電場風集群功率預測在國內外的發(fā)展現(xiàn)狀,闡述了風功率預測的研究范圍與分類。主要分析了風電出力的特性,并且定性、定量分析了影響風機出力的因素,為風功率預測模型輸入變量的選擇提供了科學的依據(jù)。建立了基于EMD-LSTM的單一風電場預測模型,首先對相關數(shù)據(jù)... 

【文章來源】：內蒙古科技大學內蒙古自治區(qū)

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

008-2018年我國風電裝機容量發(fā)展情況

內蒙古科技大學碩士學位論文-10-需要注意的是SCADA系統(tǒng)也會因為遠端設備故障等原因采集到一些無效數(shù)據(jù)，如圖2.2所示，所以在數(shù)據(jù)應用的過程中一定做好預先的處理工作。圖2.2SCADA采集到的部分數(shù)據(jù)圖本文對內蒙古某風場的某臺風機上安裝的SCADA儀器測得的2018年歷史數(shù)據(jù)，選取了其中1月6日到14日（共9天）完整的數(shù)據(jù)進行描繪得到的風速風向玫瑰圖如圖2.3所示，以及風速和風功率隨時間變化如圖2.4所示。圖2.3風向風速玫瑰圖

內蒙古科技大學碩士學位論文-10-需要注意的是SCADA系統(tǒng)也會因為遠端設備故障等原因采集到一些無效數(shù)據(jù)，如圖2.2所示，所以在數(shù)據(jù)應用的過程中一定做好預先的處理工作。圖2.2SCADA采集到的部分數(shù)據(jù)圖本文對內蒙古某風場的某臺風機上安裝的SCADA儀器測得的2018年歷史數(shù)據(jù)，選取了其中1月6日到14日（共9天）完整的數(shù)據(jù)進行描繪得到的風速風向玫瑰圖如圖2.3所示，以及風速和風功率隨時間變化如圖2.4所示。圖2.3風向風速玫瑰圖

【參考文獻】：
期刊論文
[1]基于配額制的可再生能源動態(tài)發(fā)展系統(tǒng)動力學研究[J]. 余順坤,畢平平,楊文茵,王永利,黃玉晶,于海洋.  中國電機工程學報. 2018(09)
[2]中國新能源發(fā)展戰(zhàn)略思考[J]. 林伯強.  中國地質大學學報(社會科學版). 2018(02)
[3]基于ARMA模型的短期風功率預測研究[J]. 劉軍濤,歐陽孜.  西北水電. 2017(06)
[4]考慮復雜尾流效應和連接電纜故障的風電場可靠性建模[J]. 仇國兵,劉文霞,張建華.  電力系統(tǒng)自動化. 2014(18)
[5]基于原子稀疏分解和BP神經(jīng)網(wǎng)絡的風電功率爬坡事件預測[J]. 崔明建,孫元章,柯德平.  電力系統(tǒng)自動化. 2014(12)
[6]風電場超短期風功率預測問題研究[J]. 易躍春,馬月,王霽雪,李桂敏,秦瀟,陳文凱.  水力發(fā)電. 2013(07)
[7]一種考慮時空分布特性的區(qū)域風電功率預測方法[J]. 別朝紅,安佳坤,陳筱中,賀旭偉.  西安交通大學學報. 2013(10)
[8]風電出力平滑效應的分析與應用[J]. 劉燕華,田茹,張東英,張旭,周繼惠.  電網(wǎng)技術. 2013(04)
[9]基于動態(tài)神經(jīng)網(wǎng)絡的風電場輸出功率預測[J]. 劉瑞葉,黃磊.  電力系統(tǒng)自動化. 2012(11)
[10]Multiscale prediction of wind speed and output power for the wind farm[J]. Xiaolan WANG 1,2 , Hui LI 1,2 1.School of Electrical and Information Engineering, Lanzhou University of Technology, Lanzhou Gansu 730050, China; 2.Key Laboratory of Gansu Advanced Control for Industrial Processes, Lanzhou Gansu 730050, China.  Journal of Control Theory and Applications. 2012(02)

碩士論文
[1]基于LSTM的風電功率區(qū)間預測研究[D]. 王若恒.華中科技大學 2018
[2]基于云計算的風電場短期風功率預測方法的研究[D]. 趙磊.內蒙古大學 2018
[3]風電場短期功率組合預測方法和評價研究[D]. 王帥.華北電力大學 2017
[4]基于模型優(yōu)選的風電功率融合預測模型[D]. 李進.太原理工大學 2013
[5]基于投影尋蹤算法的間歇式電源短期功率預測[D]. 高丹丹.華北電力大學 2013
[6]基于組合模型的風功率預測[D]. 陳聰聰.新疆大學 2012
[7]基于數(shù)值天氣預報NWP修正的BP神經(jīng)網(wǎng)絡風電功率短期預測研究[D]. 蔡禎祺.浙江大學 2012
[8]基于支持向量機的風速與風功率預測研究[D]. 戚雙斌.新疆大學 2010
[9]基于實測數(shù)據(jù)的風電場風速和風功率短期預測研究[D]. 王金翠.東北電力大學 2010



本文編號：3420226