分享到:

基于人工神经网络的风电场短期功率预测

基于人工神经网络法(ANN)对内蒙古某风电场短期输出功率进行了预测研究,给出了较详细的实现过程,并比较了单一ANN预测方法和基于物理方法与统计方法的混合ANN预测方法的预测精度。计算结果表明,单  (本文共6页) 阅读全文>>

东北大学
东北大学

基于改进人工蜂群算法的分散式风功率预测方法研究

随着风力发电的快速发展,风电场并网容量不断递增。近几年来,大型风电场建设已基本完成,为增加新能源发电装机容量,我国开始挖掘分散式风电场的资源,大力发展分散式风电场。但由于风速的波动性和不确定性,风力发电产生的风功率大小也具有不确定性,对电网的扰动也越来越大。当前,许多分散式风电场并没有风功率短期预测设备,给当地调度和自身发展带来诸多难题。因此分散式风电场的风功率短期预测势在必行,准确的风功率预测为风电场竞价上网提供了可靠保证,对调度自动化实现和现场指导具有深远意义。当前,风功率的预测方法主要有时间序列法、BP神经网络法和支持向量机。但是,时间序列法存在定阶困难的问题,BP神经网络存在权值选择问题,支持向量机存在参数设置的问题。本文针对不同风电场的现实状况和预测需求,利用改进人工蜂群结合三种不同方法对上述风电场经网络法对0-4小时以内的风功率进行预测,结果发现,该方法适用于历史数据比较充裕,对预测精度要求比较高的场合。最后,针对B...  (本文共86页) 本文目录 | 阅读全文>>

华北电力大学
华北电力大学

风电场功率超短期预测算法优化研究

风力发电的间歇性和波动性给电网调度带来了困难与挑战,风电场功率预测是有效的解决途径。将我国北方某风电场和美国德克萨斯州某风电场作为研究对象,进行了基于风电场历史运行数据和气象数据的风电场功率超短期预测算法研究与优化。对风电场风电机组功率曲线特性进行了理论研究,结合支持向量机非线性拟合及小样本学习的优势,提出了基于支持向量机的分段预测模型(Piecewise Support Vector Machine, PSVM),短期预测的平均相对误差(Mean Relative Error, MRE)为17.50%,较单一模型降低4.76%;采用遗传算法优化模型参数,建立了遗传算法-最小二乘支持向量机超短期预测模型(Genetic Algorithm-Least Square Support Vector Machine, GA-LSSVM);利用小波变换的时频分析方法将风电机组出力功率序列在时域和频域分解,在各组分分别建模,小波重构后输出...  (本文共156页) 本文目录 | 阅读全文>>

长沙理工大学
长沙理工大学

基于时间序列的超短期功率预测方法研究

为了应对风电的随机性、间歇性和波动性,系统在运行过程中必须要留有足够的调峰容量和备用电源,当风电出力不足时,保证能够正常向用户供电,但这必将增大系统的备用容量;另一方面,在风电出力大、而负荷不足时,为了保证正常供电,我们又必须控制火电机组出力,这使系统的运行成本大大增加,同时给系统的安全性、稳定性带来隐患。因此,伴随着越来越多的风电装机容量,电力系统将会越来越重视功率预测这一模块。本文利用神经网络和时间序列两种方法,主要对NWP风速和功率进行预测。1.研究BP神经网络算法及其基本原理,首先分析NWP数据,利用BP神经网络建模,对功率影响最大的风速序列进行修正。利用神经网络的自主学习功能,把历史NWP风速作为输入,相应时间段测风塔风机测得的实际数据作为输出,训练神经网络以得到BP神经网络的修正模型。然后根据现有的NWP数据,预测下一时刻的NWP风速。应用该方法对某风电场提供的实测数据进行预测,证明所建模型适合对NWP风速进行预测。...  (本文共78页) 本文目录 | 阅读全文>>

东南大学
东南大学

基于混合模型的风电场短期风速风功率预测研究

由于风能是环境友好的可再生能源,近年来逐渐得到广泛的关注,风电并网的容量也逐步增加。鉴于风能的间歇性与随机性,有效的风速与功率预测是实现大规模风电并网的前提条件。高精度且普适性强的短期风速风功率预测算法能够保障电力系统的安全稳定运行,便于电网调度的调整,降低风场的运营成本。本文基于西北、华东、西南三个区域风电场实测历史数据,进行了短期风速与功率预测,主要研究内容包括以下几个方面:首先使用自回归滑动平均(ARMA)模型分月进行了提前1h的风速预测,预测误差符合要求且保持稳定。同时建模过程中引入了特定的数据预处理方法,并证明了这些方法对于预测精度的改善效果优异。然后基于三层BP神经网络模型得到风速数据基础建模预测结果,为了改善BP网络训练过程中收敛时间长并且容易陷入局部最优的局限性,采用遗传算法(GA)优化了BP网络的权值与阈值选取过程。实验证明,遗传算法能够有效降低预测误差,提高算法的收敛效率。为了能显著降低预测误差,采用了建立在...  (本文共68页) 本文目录 | 阅读全文>>

沈阳工业大学
沈阳工业大学

风电场短期输出功率预测方法研究

随着风力发电在全球迅猛的发展,风电在整个电网中所占的比重也越来越大。但由于风具有间歇性和随机性的特点,从而使大规模风电接入对电网的安全、稳定以及电能质量带来了严峻挑战。在电力系统调度领域,可预测性是处理风电波动的关键。准确预测风电的发电量有助于调度人员提前组织管理电力系统中风电的波动性。风电预测的准确度会密切影响电力系统调度所需的调频和调峰机组的容量,因此风电预测在风电的经济并网方面有着举足轻重的地位。本文首先应用线性模型中最具代表性的时间序列分析方法,将风电场的历史数据作为训练样本和测试样本建立时间序列模型,实现对未来单台机组功率预测。其次应用非线性模型中最具代表性的神经网络方法,选取网络结构,建立BP神经网络模型,进行功率预测。最后在两种单一模型的基础上,引用最大信息熵原理,将两种单一模型提供的有用信息综合,建立了基于最大信息熵的综合模型,预测结果表明该方法能够将预测的相对误差控制在较小范围内,预测效果较好。通过研究表明,在...  (本文共54页) 本文目录 | 阅读全文>>