大型风电场风速与功率关系分析及预测研究

发布时间：2018-02-10 16:50

  本文关键词： 粘滞区间 风电功率预测 汇聚分析 卡尔曼滤波　出处：《东北电力大学》2017年硕士论文　论文类型：学位论文

【摘要】：化石燃料日益减少及燃烧所造成的危害使人们越来越清楚地意识到快速寻求新能源,并积极开发利用的重要性。新能源中风能资源丰富,无污染且有较为成熟的技术做支撑,是一种最被期待开发的可再生能源。本文以风能为前提,对风电功率的波动特性、弃风数据及其功率预测的相关内容进行了分析。风电的功率序列存在着波动性,需要对其波动特性进行分析。根据一段时间内出现的极差变化率和一阶差分序列占总装机容量的比例提出了一种关于波动特性的定义-波动系数。研究表明,当并网机组的数量增加时,波动系数减小,波动性减弱。接着通过集对分析,以汇聚为出口,随着风电机组并网数量的增加,风电场的整体出力与区域汇聚出力的变化更加相似,而重度差异则越来越少。风电场整体出力与区域汇聚出力的同一度并没有随着时间尺度的增加而发生较大的变化,而是整体的形态保持一致。对风电场风速功率曲线建模中的异常数据簇进行了处理。根据风电场实测的风电功率数据,画出了对应的散点图。围绕着标准风速功率曲线上下,提出了一种可移植的粘滞区间。在此区间内的散点,即为有效数据;此区间外的连续散点,即为异常数据。用此粘滞区间可对弃风数据进行有效剔除。介绍卡尔曼滤波和支持向量机(SVM)相结合的风电功率序列预测模型。通过对风电功率序列进行分析得出自回归积分滑动平均模型(ARIMA)模型,用其作为卡尔曼滤波的状态方程。再用SVM预测得出观测方程,用卡尔曼滤波将二者结合起来实现组合多步预测。最后给出了具体实例分析,分析中采用了国家能源局的评价指标对预测精度进行评价。通过预测结果可以看出,组合预测算法中可以实现预测误差相互抵消的状况,减少了误差累积,提高了预测的精度。最后介绍了风电功率预测系统的平台。该平台可实现数据管理,风电功率预测,误差分析。
[Abstract]:This paper analyzes the fluctuation characteristics of wind power , the fluctuation of wind power and its power prediction by means of the analysis of wind power .

【学位授予单位】：东北电力大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TM614

【参考文献】

相关期刊论文 前10条

1 张磊;朱凌志;陈宁;姜达军;刘艳章;赵大伟;;风力发电统一模型评述[J];电力系统自动化;2016年12期

2 刘波;贺志佳;金昊;;风力发电现状与发展趋势[J];东北电力大学学报;2016年02期

3 陈昊;万秋兰;王玉荣;;基于厚尾均值广义自回归条件异方差族模型的短期风电功率预测[J];电工技术学报;2016年05期

4 薛禹胜;郁琛;赵俊华;Kang LI;Xueqin LIU;Qiuwei WU;Guangya YANG;;关于短期及超短期风电功率预测的评述[J];电力系统自动化;2015年06期

5 李玲玲;许亚惠;田晓越;牛云涛;;基于组合模型的风电功率短期预测[J];电工技术学报;2014年S1期

6 王贺;胡志坚;仉梦林;;基于模糊信息粒化和最小二乘支持向量机的风电功率波动范围组合预测模型[J];电工技术学报;2014年12期

7 赵永宁;叶林;朱倩雯;;风电场弃风异常数据簇的特征及处理方法[J];电力系统自动化;2014年21期

8 张文秀;武新芳;陆豪乾;;风电功率预测技术综述与改进建议[J];电力与能源;2014年04期

9 叶林;赵永宁;;基于空间相关性的风电功率预测研究综述[J];电力系统自动化;2014年14期

10 张东英;李伟花;刘燕华;刘冲;;风电场有功功率异常运行数据重构方法[J];电力系统自动化;2014年05期

，

本文编号：1500985