计及多源风速信息的风电功率超短期预测

发布时间：2024-01-23 17:31

　　近年来,在全球的化石燃料日渐枯竭,在我国大力发展可再生能源背景下,风力发电技术扮演着重要角色。但风力发电伴随着风的波动性、间歇性和不确定性对电网的稳定运行带来严峻的挑战。因此风电功率的准确预测对整个风力发电事业的发展产生巨大影响。鉴于此提高风电预测精度已经成为一个重要课题。首先,针对风电场的测风塔实测风速和数值天气预测(Numerical Weather Prediction,NWP)风能数据,其数据特征的研究是提高预测精度的前提条件,通过定量分析得NWP风能信息、测风塔实测风速信息的关联程度,再通过长短期记忆网络(long-short term memory,LSTM)对NWP风速进行修正。其次,提出一种基于原子稀疏分解(Atomic Sparse Decomposition,ASD)和混沌理论的风电功率超短期多步预测模型。首先利用ASD良好的序列趋势跟踪特性,将风电功率时间序列分解成多个原子趋势分量和一个残差随机分量;然后分别利用自适应预测法和混沌理论对两分量进行超短期预测;最后将两分量的预测结果叠加,得到最终的风电功率预测结果。再次,通过考虑未来的风速信息来提高功率突变时的预测精...

【文章页数】：59 页

【学位级别】：硕士

图１－２?２０１３年－２０１８年我国弃风电量和弃风率的统计情况??（１）有利于电网调度和电力系统的稳定运行??

图２－１?ＮＷＰ风速与测风塔１００ｍ风速误差分析??过２－１ＢＮＷＰ比，２－１Ａｘ上

图２－２?ＬＳＴＭ的基本结构??模型在实际使用中，由于各数据的物理量纲不一致，直接输入模型会造成极大误差，??

图２－３网络结构示意图??本算例以９０天为训练样本，对２０１８年５月３日－５月５日风电场测风塔风速进行修正，??

本文编号：3883075