發(fā)布時(shí)間：2017-12-15 06:03

  本文關(guān)鍵詞：基于不確定性特征挖掘的風(fēng)電系統(tǒng)預(yù)測(cè)與決策理論研究

  更多相關(guān)文章： 風(fēng)電 不確定性 多尺度 行為特征 組合預(yù)測(cè) 預(yù)測(cè)誤差 概率分布 相關(guān)性 多場(chǎng)景 儲(chǔ)能

【摘要】：以清潔能源代替化石能源,走低碳綠色發(fā)展道路是解決當(dāng)前人類所面臨的能源危機(jī)和環(huán)境污染問(wèn)題的根本性舉措。近年來(lái),在我國(guó)的清潔能源實(shí)踐過(guò)程中,風(fēng)力發(fā)電作為技術(shù)成熟度最高的可再生能源發(fā)電形式之一,在應(yīng)對(duì)能源與環(huán)境挑戰(zhàn)中發(fā)揮了至關(guān)重要的作用。然而,由于受自然氣象因素的影響,風(fēng)電呈現(xiàn)明顯的波動(dòng)性和間歇性,使得并網(wǎng)風(fēng)力發(fā)電的調(diào)度與控制面臨嚴(yán)峻挑戰(zhàn),同時(shí)也直接影響風(fēng)電的高效、可靠利用乃至其未來(lái)的發(fā)展。究其根本,在于風(fēng)功率的內(nèi)在不確定性特征難以準(zhǔn)確把握,預(yù)測(cè)精度難以大幅提升,從而導(dǎo)致應(yīng)對(duì)風(fēng)電不確定性的調(diào)控機(jī)制難以高效發(fā)揮其作用。在上述背景下,本文以風(fēng)電不確定性特征挖掘?yàn)榛A(chǔ),以風(fēng)功率波動(dòng)規(guī)律的把握為依據(jù),以降低風(fēng)電不確定性對(duì)電網(wǎng)運(yùn)行決策影響為目的,從分析、預(yù)測(cè)與決策層面依次漸進(jìn)展開研究。首先以風(fēng)電功率特征挖掘分析支持預(yù)測(cè)方法改進(jìn)與不確定性建模,進(jìn)而基于預(yù)測(cè)數(shù)據(jù)及其不確定性分析建立儲(chǔ)能系統(tǒng)優(yōu)化配置模型,最終從數(shù)據(jù)分析、模型建立到?jīng)Q策應(yīng)用,構(gòu)建了完整的應(yīng)對(duì)風(fēng)電不確定性的預(yù)測(cè)與決策的理論研究體系。其核心在于探究減小風(fēng)電不確定性的調(diào)控機(jī)制,緩解風(fēng)電不確定性對(duì)電網(wǎng)運(yùn)行所帶來(lái)的壓力,實(shí)現(xiàn)大規(guī)模風(fēng)電的并網(wǎng)消納。本文主要工作和創(chuàng)新成果如下:(1)風(fēng)電功率由于受到風(fēng)速、風(fēng)向、空氣溫濕度以及地表粗糙度的諸多因素的影響而呈現(xiàn)極其復(fù)雜的非線性非平穩(wěn)特征。對(duì)此,本文提出利用希爾伯特-黃變換和Hurst分析等多尺度分析方法研究風(fēng)電功率多尺度動(dòng)力學(xué)行為特征。首先利用希爾伯特-黃變換分析風(fēng)電功率不同分量時(shí)-頻特性,然后利用Hurst分析方法分析不同分量的分形結(jié)構(gòu),依據(jù)不同分量呈現(xiàn)不同分形特征,將其疊加重構(gòu)為微、中、宏尺度等三尺度子序列,進(jìn)而通過(guò)計(jì)算三尺度子序列統(tǒng)計(jì)特征指標(biāo)和動(dòng)力學(xué)行為特征指標(biāo)研究風(fēng)電功率多尺度動(dòng)力學(xué)行為特征。最后,通過(guò)提出超短期風(fēng)電功率組合預(yù)測(cè)模型驗(yàn)證了上述分析方法的有效性。(2)在風(fēng)功率的特征分析以及預(yù)測(cè)誤差序列相關(guān)關(guān)系研究的基礎(chǔ)上,本文提出了基于誤差預(yù)測(cè)修正的短期風(fēng)電功率組合預(yù)測(cè)模型,即通過(guò)對(duì)預(yù)測(cè)過(guò)程中產(chǎn)生的誤差進(jìn)行回歸預(yù)測(cè),形成預(yù)測(cè)修正模型。首先,分析了單步預(yù)測(cè)、非連續(xù)多步以及連續(xù)多步三種典型預(yù)測(cè)模式下自回歸模型、持續(xù)法、支持向量機(jī)三種方法預(yù)測(cè)誤差時(shí)間序列各自的相關(guān)關(guān)系,以判定預(yù)測(cè)誤差是否可以利用回歸學(xué)習(xí)算法構(gòu)建誤差預(yù)測(cè)模型;其次,根據(jù)上述分析結(jié)果圈定了誤差預(yù)測(cè)模型輸入變量的范圍,并提出了為之選擇有效輸入變量的策略和步驟;最后,提出利用支持向量機(jī)、極端學(xué)習(xí)機(jī)構(gòu)建誤差預(yù)測(cè)模型,修正風(fēng)電功率原模型預(yù)測(cè)值的組合預(yù)測(cè)方法。通過(guò)實(shí)測(cè)風(fēng)場(chǎng)數(shù)據(jù)驗(yàn)證了所提組合預(yù)測(cè)模型的有效性。(3)準(zhǔn)確描述風(fēng)電功率預(yù)測(cè)誤差統(tǒng)計(jì)特性有助于提高含風(fēng)電電力系統(tǒng)運(yùn)行的安全性與經(jīng)濟(jì)性�；谇笆龆唐诮M合預(yù)測(cè)方法得到的風(fēng)場(chǎng)日前小時(shí)級(jí)多時(shí)段預(yù)測(cè)誤差數(shù)據(jù),本文提出了一種針對(duì)多時(shí)段預(yù)測(cè)誤差的風(fēng)電不確定性建模方法。該研究利用非參數(shù)核密度估計(jì)方法描述多時(shí)段預(yù)測(cè)誤差的概率分布,通過(guò)皮爾遜相關(guān)系數(shù)和散點(diǎn)圖分析不同時(shí)段預(yù)測(cè)誤差的相關(guān)關(guān)系,提出利用Copula函數(shù)構(gòu)建同時(shí)考慮風(fēng)電功率預(yù)測(cè)誤差邊際分布以及相關(guān)關(guān)系的多時(shí)段聯(lián)合概率分布函數(shù)的建模方法,其中該分布函數(shù)無(wú)需事先假定風(fēng)電功率不同時(shí)段預(yù)測(cè)誤差的邊際分布函數(shù)。該模型為利用歷史預(yù)測(cè)數(shù)據(jù)進(jìn)行全面準(zhǔn)確的不確定性分析建模,以及含風(fēng)電電力系統(tǒng)運(yùn)行決策提供了理論基礎(chǔ)。(4)風(fēng)電功率波動(dòng)幅度和速度的準(zhǔn)確表達(dá)是影響風(fēng)電系統(tǒng)運(yùn)行、決策的關(guān)鍵性因素。針對(duì)以補(bǔ)償預(yù)測(cè)誤差、跟蹤計(jì)劃出力為目的的儲(chǔ)能系統(tǒng)充放電功率和容量配置這一多時(shí)段優(yōu)化決策問(wèn)題,本文在構(gòu)建風(fēng)電功率日前多時(shí)段預(yù)測(cè)誤差聯(lián)合概率分布函數(shù)的基礎(chǔ)上,提出一種考慮預(yù)測(cè)誤差時(shí)間相關(guān)性,基于多場(chǎng)景技術(shù)的儲(chǔ)能系統(tǒng)充放電功率和容量?jī)?yōu)化決策方法。該研究在同時(shí)準(zhǔn)確把握預(yù)測(cè)誤差的邊際分布、不同時(shí)段間的相關(guān)關(guān)系基礎(chǔ)上,實(shí)現(xiàn)對(duì)儲(chǔ)能系統(tǒng)充放電功率和容量的最優(yōu)化決策。算例仿真驗(yàn)證了所提模型的有效性,研究表明多時(shí)段預(yù)測(cè)誤差的相關(guān)性對(duì)儲(chǔ)能優(yōu)化配置充放電功率和容量均有顯著影響,如果忽略誤差相關(guān)關(guān)系,將嚴(yán)重錯(cuò)估配置儲(chǔ)能系統(tǒng)的充放電功率和容量。
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TM614

【相似文獻(xiàn)】

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

1 梁正堂;基于不確定性特征挖掘的風(fēng)電系統(tǒng)預(yù)測(cè)與決策理論研究[D];山東大學(xué);2017年

，

本文編號(hào)：1290853