風電具有較強的隨機性與波動性,若僅利用點預測技術進行實時調度十分困難,區(qū)間預測作為一種預測手段,可以得到出給定置信度水平下的風電功率的上限與下限,更有利于保證電力系統(tǒng)安全運行。目前大量學者對風電功率區(qū)間預測問題開展了研究并形成了豐富的預測理論,但多數(shù)方法需要假設風電功率服從某種回歸模型,未能考慮到相鄰時段風電功率序列之間的相關性,亦或在預測過程中需要提前設置相應模型參數(shù),這使得在一定程度上降低了風電功率的預測精度,針對以上這些問題,本文引入了條件Copula函數(shù)對風電功率區(qū)間預測問題開展研究。首先提出一種基于離散形式下的條件Copula函數(shù)區(qū)間預測方法,該方法可以充分利用Copula函數(shù)的優(yōu)秀特性,通過建立待預測點的離散條件Copula函數(shù),挖掘相鄰時段風電功率序列間的關聯(lián)性,得到一個待預測點的風電功率預測區(qū)間,之后用滾動預測得到整個預測期的風功率預測結果。將該方法應用到三個風電場并與ANN（Artificial Neural Network,人工神經網絡）、ARMA（Autoregressive moving average model,自回歸滑動平均模型）相比,PICP（predi... 

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 風電功率預測研究現(xiàn)狀
        1.2.2 基于Copula函數(shù)的應用研究現(xiàn)狀
    1.3 論文主要研究內容
    1.4 技術路線
2 基于Copula函數(shù)的風電功率區(qū)間預測研究
    2.1 風電功率的區(qū)間預測
    2.2 Copula函數(shù)
        2.2.1 Copula函數(shù)定義與性質
        2.2.2 條件Copula函數(shù)
    2.3 基于Copula函數(shù)的風電功率區(qū)間預測模型
        2.3.1 預測模型與基本思路
        2.3.2 風電功率區(qū)間預測方法
        2.3.3 區(qū)間預測評價指標
    2.4 模型應用與結果討論
        2.4.1 研究對象及數(shù)據(jù)
        2.4.2 算法應用過程
        2.4.3 預測結果
        2.4.4 分析與討論
    2.5 本章小結
3 風電功率多目標區(qū)間預測研究
    3.1 風電功率區(qū)間預測的多目標問題
        3.1.1 多目標優(yōu)化與pareto解集
        3.1.2 指標權重的選取
    3.2 基于條件Copula函數(shù)的多目標區(qū)間預測模型
        3.2.1 預測模型與基本思路
        3.2.2 NSGA-II多目標優(yōu)化方法
        3.2.3 基于熵權法的權重計算
    3.3 模型應用與結果討論
        3.3.1 研究對象及數(shù)據(jù)
        3.3.2 算法應用過程
        3.3.3 預測結果
        3.3.4 分析與討論
    3.4 本章小結
4 考慮天氣因素下的Copula風電功率多目標預測研究
    4.1 考慮天氣因素下的Copula函數(shù)風電功率多目標預測模型
        4.1.1 預測模型與基本思路
        4.1.2 考慮天氣因素的區(qū)間預測方法
    4.2 模型應用與結果討論
        4.2.1 算法應用過程
        4.2.2 預測結果
        4.2.3 分析與討論
    4.3 本章小結
5 結論與展望
    5.1 結論
    5.2 展望
致謝
參考文獻
攻讀碩士期間主要研究成果


【參考文獻】：
期刊論文
[1]基于組合優(yōu)化算法的短期風電功率預測[J]. 孫海蓉,張鴿,王瑞珈.  華北電力大學學報(自然科學版). 2020(01)
[2]考慮風電場時空相關性的多場景優(yōu)化調度[J]. 馬燕峰,李鑫,劉金山,霍亞欣,陳磊,趙書強.  電力自動化設備. 2020(02)
[3]計及光伏出力與負荷相關性的電力系統(tǒng)概率潮流計算方法[J]. 陸為華,李國慶,董存,權然.  分布式能源. 2019(05)
[4]基于混沌粒子群智能搜索的電力系統(tǒng)動態(tài)經濟調度[J]. 田年杰,代江,鄭全朝,王成佐.  電氣應用. 2019(09)
[5]風電好時代來了[J]. 夏云峰.  風能. 2019(09)
[6]我國的風能資源[J]. 舟丹.  中外能源. 2019(07)
[7]入庫徑流預報誤差隨機模型及其應用[J]. 紀昌明,梁小青,張驗科,劉源.  水力發(fā)電學報. 2019(10)
[8]考慮相關性的孤島微電網供電能力研究[J]. 陳攀峰,程浩忠,張宏偉,王華磊.  水電能源科學. 2019(05)
[9]基于聯(lián)合干旱指數(shù)的黃河流域干旱時空特征[J]. 曹闖,任立良,劉懿,江善虎,張林齊,張璐.  人民黃河. 2019(05)
[10]基于動態(tài)Copula的風光聯(lián)合出力建模及動態(tài)相關性分析[J]. 段偲默,苗世洪,霍雪松,李力行,韓佶,晁凱云.  電力系統(tǒng)保護與控制. 2019(05)

碩士論文
[1]基于風速修正的風電功率短期預測研究[D]. 郭暘.內蒙古大學 2019
[2]基于改進NSGA-Ⅱ算法的含分布式電源的配電網無功優(yōu)化[D]. 張藝.蘭州理工大學 2019
[3]計及風電相關性和電動汽車充/放電模式的配電網動態(tài)重構[D]. 王濤.南昌大學 2019
[4]含相依新能源的電力系統(tǒng)動態(tài)經濟調度隨機優(yōu)化算法研究[D]. 柯少佳.華南理工大學 2018
[5]我國風電發(fā)展的關鍵指標關聯(lián)關系與經濟效益研究[D]. 張薇.華北電力大學(北京) 2018
[6]電網短期負荷預測及水火混合系統(tǒng)非線性經濟調度[D]. 黃溜.華中科技大學 2018
[7]計及需求響應的含風電電力系統(tǒng)日前經濟調度[D]. 曹慧秋.武漢大學 2018
[8]基于混合藤Copula模型的多風電場出力相關性建模及其在電力系統(tǒng)經濟調度中的應用[D]. 邱宜彬.西南交通大學 2018
[9]含分布式電源及電動汽車充電負荷電力系統(tǒng)的概率潮流計算方法研究[D]. 閆紅強.蘭州理工大學 2017
[10]考慮時區(qū)差異的含風電場電力系統(tǒng)隨機生產模擬研究[D]. 孫奇.華北電力大學 2017



本文編號：3678173