风电功率预测不确定性分析及应用研究

发布时间：2017-08-10 19:10

  本文关键词：风电功率预测不确定性分析及应用研究

  更多相关文章： 风电功率预测 误差分布 非参数估计 不确定性分析 核极限学习机 预测区间

【摘要】：风能是一种很有发展前景的清洁能源,近年来得到跨越式发展。大规模风电并网在一定程度上缓解了我国能源紧张压力,带来经济和环境效益。但风电自身具有随机性和波动性,大规模并网时会影响电网稳定。因此需要对风电场输出功率进行预测,但现有的大部分预测方法为点预测,结果为单一功率估计值,含有较大的不确定性,给决策引入风险。不确定性分析可以得到未来功率实际值以某置信水平落入的由上下限构成的预测区间,为电力系统规划和运行决策重要依据,大大提高电力系统的抗风险能力。本文首先分析了风电场功率预测不确定性影响因素来源,介绍了误差的存在形式及评价指标,预测误差的分布特性分析及时间特性,影响预测精度的因素主要包括：模型的输入数据精度；风电机组输出功率的分散性,即功率曲线拟合误差；预测模型的误差；风电场内风电机组故障停机的不确定性。然后,研究分析已有风电场功率点预测系统的不确定性,得到基于误差统计的风电功率概率区间估计。对预测误差序列分布特性进行统计分析后,采用非参数Bootstrap方法对风电功率概率性预测。给定置信水平下风电功率可能的波动区间,即风电功率的不确定性,避免了传统参数模型需要对分布进行先验假设的过程。仿真结果表明在功率剧烈波动情况下也能较好预测未来功率的不确定性,适合工程应用。最后,本文提出基于粒子群优化核极限学习机模型(PSO-KELM)的风电功率区间预测方法。方案采用核极限学习机建立单层前向型神经网络,直接预测出风电功率在某置信水平下的上下限；再用粒子群算法优化核极限学习机的输出权重,得到符合要求的区间。在传统预测区间评价指标区间覆盖率、预测区间平均带宽这两个指标基础上,增加累计带宽偏差指标满足不确定性要求。并且提出了一种新的预测区间性能评价指标,综合考虑预测区间的可靠性和清晰度,作为粒子群优化算法的优化目标函数。Matlab仿真结果表明,所提方法能够得到较好的预测区间,避免传统计算方式的复杂计算,具备一定的可行性。
【关键词】：风电功率预测 误差分布 非参数估计 不确定性分析 核极限学习机 预测区间
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM614
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 绪论9-19
• 1.1 选题背景及研究的意义9-12
• 1.1.1 风力发电现状9-11
• 1.1.2 风力发电不确定性分析的研究意义11-12
• 1.2 风电功率预测及不确定性分析研究现状12-16
• 1.2.1 国内外研究现状12-15
• 1.2.2 风电预测研究的不足15-16
• 1.3 风电功率预测的不确定性分析方法分类16-17
• 1.3.1 按预测时间分类16-17
• 1.3.2 按预测空间范围分类17
• 1.3.3 按预测对象分类17
• 1.4 本课题研究内容17-19
• 第2章 影响风电功率预测的不确定性因素来源19-30
• 2.1 预测误差存在形式及评价指标19-22
• 2.1.1 预测误差的存在形式19-20
• 2.1.2 纵向误差指标20-21
• 2.1.3 横向误差指标21-22
• 2.2 预测误差的频率分布特性22-23
• 2.3 预测误差的时间特性23-24
• 2.4 风功率预测误差的影响因素24-29
• 2.4.1 输入数据精度24-26
• 2.4.2 风电机组功率曲线的分散性(拟合误差)26-27
• 2.4.3 风电场内风电机组故障停机的不确定性27-28
• 2.4.4 预测模型误差28-29
• 2.5 本章小结29-30
• 第3章 基于误差统计的风电功率概率区间估计30-42
• 3.1 风电功率日变化分析30-31
• 3.2 风电功率预测误差统计分析31-34
• 3.2.1 自相关分析31-32
• 3.2.2 互相关性分析32-33
• 3.2.3 预测误差分布特性33-34
• 3.3 基于非参数BOOTSTARP方法的风电功率概率性区间预测34-38
• 3.3.1 Bootstrap理论及特点35-36
• 3.3.2 非参数Bootstrap区间估计模型36-37
• 3.3.3 预测计算步骤37-38
• 3.4 案例分析38-41
• 3.5 本章小结41-42
• 第4章 基于粒子群优化的核极限学习机的风电功率区间预测42-54
• 4.1 极限学习机方法42-45
• 4.1.1 极限学习机模型43-44
• 4.1.2 核函数的极限学习机(KELM)44-45
• 4.1.3 自适应粒子群算法45
• 4.2 预测区间评价指标45-48
• 4.2.1 区间覆盖率46
• 4.2.2 预测区间平均带宽46
• 4.2.3 累积带宽偏差46-47
• 4.2.4 预测区间综合评价指标47-48
• 4.3 PSO-KELM风电功率区间预测模型48-49
• 4.3.1 风电功率区间预测模型具体步骤48-49
• 4.4 算例分析49-53
• 4.4.1 数据预处理49-50
• 4.4.2 模型参数50-51
• 4.4.3 仿真结果与分析51-53
• 4.5 本章小结53-54
• 第5章 结论与展望54-56
• 5.1 结论54
• 5.2 展望54-56
• 参考文献56-59
• 攻读硕士学位期间发表的论文及其他成果59-60
• 致谢60

【相似文献】

中国期刊全文数据库 前10条

1 黄建文;羊豪;庹中友;;对数广义误差分布极值的收敛速度[J];重庆工商大学学报(自然科学版);2014年08期

2 周惠成;李丽琴;王本德;;洪水预报误差分布的极大熵法[J];大连理工大学学报;2007年03期

3 翟劭q，

本文编号：652183