短期风电功率预测及微电网经济优化算法研究

发布时间：2020-06-12 09:59

【摘要】：风能转化技术是当今世界发展最快的能源技术之一,然而由于外界环境因素的频繁波动使得风机输出功率呈现出较强的间歇性和不确定性,给风能的利用带来了较大的困难。短期风电功率预测技术将为电力系统提供更完善的数据支撑以保证其稳定运行与合理调度,因此获取更高精度的预测数据将变得至关重要。同时,微电网作为一种可以提高可再生能源渗透水平的手段,为尚未实现电气化的地区供应可靠能源。微电网往往组合了多种类型的机组,故通过考虑不同机组的发电成本来获得微电网经济最优运行状态也就成为一个重要的研究方向。针对上述问题,本文以短期风电功率预测与微电网经济优化算法为出发点展开研究,具体工作如下:(1)针对采用风电功率历史数据的短期风电功率预测问题,提出一种粒子群动态灰色模型。该模型利用粒子群算法改变背景值参数,通过迭代搜寻和线性化处理对指数参数进行连续优化,并引入残差模型对残差进行补偿,降低了外界环境的影响。此外,还提出一种混合了粒子群动态灰色模型、小波变换和Lyapunov指数的预测方法,该方法首先采用小波变换将风电功率曲线分解为低频和高频信号,并分别采用粒子群动态灰色模型和Lyapunov指数进行预测。最后,将两种方法的预测结果相结合得到最终预测结果。将所提模型与方法运用到预测实际风场输出功率当中,并与其他模型和方法对比,验证了所提模型与方法有效提高预测精度。(2)针对采用多源数据的短期风电功率预测问题,提出一种基于支持向量机和灰色模型的混合预测方法。首先,采用灰色关联性分析分别统计风速与风向和其他气象因素之间的关联系数,并利用支持向量机根据这些系数和气象历史数据对风速与风向进行估计。然后采用粒子群算法优化后的灰色模型将得到的风速与风向的估计数据和数值天气预报数据进行处理,得到风电功率的预测数据。最后,采用傅里叶残差序列预测来补偿外界环境不确定产生的残差。仿真实验中采用该方法对实际风场的数据进行预测,并与其它预测方法进行对比,实验结果表明该方法在小规模短周期的风电功率预测具有更高的精度。(3)针对微电网经济优化运行问题中的多约束、非凸和多发电机组等问题,提出免疫粒子群算法。该算法将人工免疫机制引入到粒子群算法中,对坐标平面中亲和力较小的粒子进行交叉与变异处理,在保证算法本身的收敛性的前提下,使粒子在免疫环节中可以较为均匀地分布于解空间内,因而使得该算法具有较强的全局探索能力。为验证算法的有效性,本文建立了未考虑可再生能源不确定性的微电网模型,并将该算法分别用于求解该模型的的孤岛和并网两种运行方式下,通过与其他三种典型的算法进行比较,实验结果表明该算法可以有效求解微电网经济优化问题。(4)针对考虑了可再生能源不确定情况下的微电网经济优化运行问题,提出一种混合粒子群算法。该算法在随机权重平衡粒子群算法的基础上,引入了免疫机制,使初始粒子的位置较为均匀地分布在坐标平面内。提出非线性策略以平衡算法的收敛速度和收敛精度。此外,还根据微电网经济运行模型的固有特性加入了次梯度优化方法,加快了算法的迭代速率。通过该算法对微电网中可控微源的输出功率做出动态部署,引入电力系统的市场机制来满足用电需求,也提升了微电网运行的经济效益。通过对微电网孤岛和并网两种运行方式进行实例仿真,验证了该算法对微电网经济运行具有良好的优化作用。综上所述,本文主要讨论了两个问题并分为四个要点:(1)分别提出粒子群动态灰色模型和一种混合预测方法来求解采用单一功率数据的短期风电功率预测问题;(2)提出一种混合预测方法利用多源数据求解的短期风电功率预测问题;(3)提出免疫粒子群算法来求解微电网经济优化运行问题;(4)提出一种混合粒子群算法来求解考虑可再生能源的微电网经济优化运行问题。
【学位授予单位】：江南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP18;F426.61

【相似文献】