基于数据驱动的风电输出功率超短期预测
发布时间：2021-03-21 19:03
近年来,风电机组的装机容量和风电并网容量均逐年上升。由于风速具有波动性和不确定性等特性,在大规模风电并网时会给电网带来调频调压等问题,影响电网稳定运行。风电功率的精准预测可有效降低风电并网对电网稳定性造成的影响。本文深度挖掘风电历史数据的特性,对风电输出功率超短期预测进行研究,主要工作如下:首先,提出了多模型筛选与重构风电历史错误数据的方法。风电历史数据由于各种各样的因素而造成数据中存在不利于风电预测的错误数据,如要依据这种数据进行风功率预测势必会造成较大的偏差。如果只根据统计学特性直接剔除离群数据,这将导致物理概念不清晰并且精度难以保证。因此,本文针对造成错误数据的不同原因进行分析,并分别提出不同的筛选方法与重构方法。针对弃风限风数据,根据功率曲线法加以重构;针对离群数据,运用四分位法加以识别并根据插值法加以重构;针对电磁干扰数据,运用模糊聚类法加以识别并根据网络拓扑结构法加以重构。最后给出筛选前后风速-风功率散点图,并以平均相对误差和准确率为判别依据,定量分析重构数据的准确性。其次,建立一种基于粒子群算法的加入后件多项式的RBF神经网络风功率预测模型。先根据风功率相关性分析,选择预...
【文章来源】：沈阳工业大学辽宁省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图１．１我国２０１９年能源结构图??Ｆｉｇ．?１．１?Ｃｈｉｎｅｓｅ?ｅｎｅｒｇｙ?ｓｔｒｕｃｔｕｒｅ?ｍａｐ?ｆｏｒ?２０１９??１??
?沈阳工业大学硕士学位论文???由图中可知，我国的生产与消费仍以化石能源为主。而由此带来的空气污染??等问题日益严峻［５］。图１．２所示为２０１９年世界各国碳排放总量图：??碳排放量??８０００??７０００暑晶??６０００?Ｉ??■?■?■??＾?５０００?Ｉ?Ｉ?ｓ?ｉ?３??〒?４０００?■?■?■??３００。?｜?■??２０００?■?ＩＩ．?＿??１〇°：?■?■?■?Ｉ?Ｉ?骨，４?置，５?５ｒ：??中丨１美Ｈ?欧盟俄罗斯印度?Ｈ本巴西加拿大墨西哥印尼??图１．２世界主要国家２０１９年碳排放量??Ｆｉｇ．?１．２?Ｃａｒｂｏｎ?ｅｍｉｓｓｉｏｎｓ?ｏｆ?ｍａｊｏｒ?ｃｏｕｎｔｒｉｅｓ?ｉｎ?２０１９??我国现己成为世界碳酿量第一大国。由于过度的碳排放造成的温室效应问??题影响着全世界各国人民甚至影响整个地球的生态系统［６］。２０１９年《ＢＰ世界能??源展望》中提出“我们时代中最大的挑战之一是双重性的：需要在满足不断增长??的能源需求的同时降低能源消耗。”因此，提高清洁能源的开发与使用是解决环??境问题的重要手段之一［７］。图１．３列出了我国近几年风电并网容量走势图：??并网装机容量??１９２６９??２００００?１８４２６??１８０００?１６３２５＇＇??１６０００??１４０００??运?１２０００??ｇ?１００００?７６５２＾＾｜??８０００?６１４２??２０１２?年?２０１３?年?２０１４?年?２０１５年?２０１６?年?２０１７?年?２０１８?年?２０１９?牢??图１．３我国风电并网装机容量示意图??Ｆｉｇ．?１．３?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?Ｃｈｉｎａ＇ｓ?
在大量缺失数据时，研宄人员的统计与估计也会造成偏差。根据ＧＢ／Ｔ１８７１０－２００２??的规定，如果风电历史数据缺失超过１０％则难以保证预测的精准性，所以需要通??过合适的手段对数据进行重构。??２．?２．１功率曲线法重构弃风限风数据??每台风机在出厂前生产厂商都会机组功率特性绘制并给出标准功率曲线。按??照风机制造规定，标准功率曲线的绘制是当空气密度为１．２２５?ｋｇ／ｍ３时，风速是??风电机组轮毅中心高度处ｌ〇ｍｉｎ风速均值，功率是风电机组ｌ〇ｍｉｎ输出功率均??值。??如图２．１为某风电机组标准功率曲线：??１８００??＞?■?＇?????１?＾????１６００?■??１４００?■?厂??一?１２００?／’??１?１０００?／??％?８００?／??６００?／??４００?？??２００?■?＇??〇??１￣１?１?１?１?１???０?２?４?６?８?１０?１２?１４?１６??风速（ｍ／ｓ＞??图２，１风电机组标准功率特性曲线??Ｆｉｇ．?２．１?Ｓｔａｎｄａｒｄ?ｐｏｗｅｒ?ｃｈａｒａｃｔｅｒｉｓｔｉｃ?ｃｕｒｖｅ?ｏｆ?ｗｉｎｄ?ｔｕｒｂｉｎｅ??１３??
【参考文献】：
期刊论文
[1]大变局下的能源之路——“2020国际能源发展高峰论坛”综述[J]. 吴谋远,石卫,康煜,刘月洋,熊靓,陈嘉茹,黄映嘉. 国际石油经济. 2020(01)
[2]BP公司在2019年世界能源统计年鉴中指出世界正走在一条不可持续的道路上[J]. 程薇. 石油炼制与化工. 2019(09)
[3]能源需求快速增长背后现危机——2019年世界能源统计年鉴解读[J]. 李敏,钱伯章. 中国石油和化工经济分析. 2019(08)
[4]基于数据驱动的超短期风电功率预测综述[J]. 杨茂,张罗宾. 电力系统保护与控制. 2019(13)
[5]基于风电预测误差区间的动态经济调度[J]. 刘立阳,孟绍良,吴军基. 电力自动化设备. 2016(09)
[6]考虑预测误差时序分布特性的含风电机组组合模型[J]. 王成福,王昭卿,孙宏斌,梁正堂,梁军,韩学山. 中国电机工程学报. 2016(15)
[7]混合电源及功率预测系统在风电并网中的应用[J]. 孟令斌,朱凤龙. 电力系统保护与控制. 2015(13)
[8]关于短期及超短期风电功率预测的评述[J]. 薛禹胜,郁琛,赵俊华,Kang LI,Xueqin LIU,Qiuwei WU,Guangya YANG. 电力系统自动化. 2015(06)
[9]短期风电功率预测误差的混合偏态分布模型[J]. 刘燕华,李伟花,刘冲,张东英. 中国电机工程学报. 2015(10)
[10]基于高密度数值天气预报的分布式光伏功率预测主站研究应用[J]. 甘德树,周云蔚,贾鹏程,段再超. 电气制造. 2015(02)
博士论文
[1]新能源电力系统源荷互动关键问题的研究[D]. 周欢.华北电力大学(北京) 2016
硕士论文
[1]基于模型优选和组合策略的风速融合预测方法研究[D]. 白杨.太原理工大学 2016
[2]基于卡尔曼滤波算法的短期风电功率预测[D]. 陈辰.新疆大学 2015
[3]风电场风速预测模型研究[D]. 雷庆坤.合肥工业大学 2015
[4]风电场输出功率概率预测理论与方法[D]. 朱思萌.山东大学 2014
[5]风电场风速预测模型研究[D]. 戴浪.湖南大学 2011
本文编号：3093388
【文章来源】：沈阳工业大学辽宁省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图１．１我国２０１９年能源结构图??Ｆｉｇ．?１．１?Ｃｈｉｎｅｓｅ?ｅｎｅｒｇｙ?ｓｔｒｕｃｔｕｒｅ?ｍａｐ?ｆｏｒ?２０１９??１??
?沈阳工业大学硕士学位论文???由图中可知，我国的生产与消费仍以化石能源为主。而由此带来的空气污染??等问题日益严峻［５］。图１．２所示为２０１９年世界各国碳排放总量图：??碳排放量??８０００??７０００暑晶??６０００?Ｉ??■?■?■??＾?５０００?Ｉ?Ｉ?ｓ?ｉ?３??〒?４０００?■?■?■??３００。?｜?■??２０００?■?ＩＩ．?＿??１〇°：?■?■?■?Ｉ?Ｉ?骨，４?置，５?５ｒ：??中丨１美Ｈ?欧盟俄罗斯印度?Ｈ本巴西加拿大墨西哥印尼??图１．２世界主要国家２０１９年碳排放量??Ｆｉｇ．?１．２?Ｃａｒｂｏｎ?ｅｍｉｓｓｉｏｎｓ?ｏｆ?ｍａｊｏｒ?ｃｏｕｎｔｒｉｅｓ?ｉｎ?２０１９??我国现己成为世界碳酿量第一大国。由于过度的碳排放造成的温室效应问??题影响着全世界各国人民甚至影响整个地球的生态系统［６］。２０１９年《ＢＰ世界能??源展望》中提出“我们时代中最大的挑战之一是双重性的：需要在满足不断增长??的能源需求的同时降低能源消耗。”因此，提高清洁能源的开发与使用是解决环??境问题的重要手段之一［７］。图１．３列出了我国近几年风电并网容量走势图：??并网装机容量??１９２６９??２００００?１８４２６??１８０００?１６３２５＇＇??１６０００??１４０００??运?１２０００??ｇ?１００００?７６５２＾＾｜??８０００?６１４２??２０１２?年?２０１３?年?２０１４?年?２０１５年?２０１６?年?２０１７?年?２０１８?年?２０１９?牢??图１．３我国风电并网装机容量示意图??Ｆｉｇ．?１．３?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?Ｃｈｉｎａ＇ｓ?
在大量缺失数据时，研宄人员的统计与估计也会造成偏差。根据ＧＢ／Ｔ１８７１０－２００２??的规定，如果风电历史数据缺失超过１０％则难以保证预测的精准性，所以需要通??过合适的手段对数据进行重构。??２．?２．１功率曲线法重构弃风限风数据??每台风机在出厂前生产厂商都会机组功率特性绘制并给出标准功率曲线。按??照风机制造规定，标准功率曲线的绘制是当空气密度为１．２２５?ｋｇ／ｍ３时，风速是??风电机组轮毅中心高度处ｌ〇ｍｉｎ风速均值，功率是风电机组ｌ〇ｍｉｎ输出功率均??值。??如图２．１为某风电机组标准功率曲线：??１８００??＞?■?＇?????１?＾????１６００?■??１４００?■?厂??一?１２００?／’??１?１０００?／??％?８００?／??６００?／??４００?？??２００?■?＇??〇??１￣１?１?１?１?１???０?２?４?６?８?１０?１２?１４?１６??风速（ｍ／ｓ＞??图２，１风电机组标准功率特性曲线??Ｆｉｇ．?２．１?Ｓｔａｎｄａｒｄ?ｐｏｗｅｒ?ｃｈａｒａｃｔｅｒｉｓｔｉｃ?ｃｕｒｖｅ?ｏｆ?ｗｉｎｄ?ｔｕｒｂｉｎｅ??１３??
【参考文献】：
期刊论文
[1]大变局下的能源之路——“2020国际能源发展高峰论坛”综述[J]. 吴谋远,石卫,康煜,刘月洋,熊靓,陈嘉茹,黄映嘉. 国际石油经济. 2020(01)
[2]BP公司在2019年世界能源统计年鉴中指出世界正走在一条不可持续的道路上[J]. 程薇. 石油炼制与化工. 2019(09)
[3]能源需求快速增长背后现危机——2019年世界能源统计年鉴解读[J]. 李敏,钱伯章. 中国石油和化工经济分析. 2019(08)
[4]基于数据驱动的超短期风电功率预测综述[J]. 杨茂,张罗宾. 电力系统保护与控制. 2019(13)
[5]基于风电预测误差区间的动态经济调度[J]. 刘立阳,孟绍良,吴军基. 电力自动化设备. 2016(09)
[6]考虑预测误差时序分布特性的含风电机组组合模型[J]. 王成福,王昭卿,孙宏斌,梁正堂,梁军,韩学山. 中国电机工程学报. 2016(15)
[7]混合电源及功率预测系统在风电并网中的应用[J]. 孟令斌,朱凤龙. 电力系统保护与控制. 2015(13)
[8]关于短期及超短期风电功率预测的评述[J]. 薛禹胜,郁琛,赵俊华,Kang LI,Xueqin LIU,Qiuwei WU,Guangya YANG. 电力系统自动化. 2015(06)
[9]短期风电功率预测误差的混合偏态分布模型[J]. 刘燕华,李伟花,刘冲,张东英. 中国电机工程学报. 2015(10)
[10]基于高密度数值天气预报的分布式光伏功率预测主站研究应用[J]. 甘德树,周云蔚,贾鹏程,段再超. 电气制造. 2015(02)
博士论文
[1]新能源电力系统源荷互动关键问题的研究[D]. 周欢.华北电力大学(北京) 2016
硕士论文
[1]基于模型优选和组合策略的风速融合预测方法研究[D]. 白杨.太原理工大学 2016
[2]基于卡尔曼滤波算法的短期风电功率预测[D]. 陈辰.新疆大学 2015
[3]风电场风速预测模型研究[D]. 雷庆坤.合肥工业大学 2015
[4]风电场输出功率概率预测理论与方法[D]. 朱思萌.山东大学 2014
[5]风电场风速预测模型研究[D]. 戴浪.湖南大学 2011
本文编号：3093388
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3093388.html
