基于支持向量机理论的风电预测算法研究

发布时间：2020-04-28 18:13

【摘要】：随着风电渗透率和清洁能源经济高效环保体系需求的不断提高,减少风电的弃风量,提升风电利用率成为风电研究的重要问题。因此,提高风电场的功率稳定性和改善风电场电能质量尤为重要。本文根据辽宁某风电场特性,对支持向量机方法的风电预测进行了研究。首先研究了机器学习理论的原理和统计学习理论中的相关概念,包括VC维和经验风险最小化。在大样本数据的情况下,通过学习输入和输出之间的映射关系,从样本的分类和回归问题两个方面对支持向量机进行了全面的阐述和研究。其次,研究了布谷鸟算法的搜索过程,通过加入自适应调整动态步长和模拟退火过程对布谷鸟算法进行了改进,提出利用改进布谷鸟算法对惩罚因子参数和核函数参数寻优的方法,在Matlab中分别利用网格法、布谷鸟算法和改进的布谷鸟算法三种算法对风电功率进行预测,并对预测结果进行分析。引入经验模态分解,对风电信号进行平稳化。阐述了经验模态分解的几个重要概念,包括瞬时频率、本征模态函数以及特征时间尺度。重点说明了经验模态分解的基本原理、流程、主要性质和存在的问题,然后根据存在的问题提出改进的方法,并将经验模态分解与改进布谷鸟算法的支持向量机相结合,建立了基于经验模态分解的改进布谷鸟算法支持向量机算法模型,并用风电场实际数据证明了该模型预测的准确性。
【图文】：

能开发的队伍中来，相关研究领域也取得了长足的网在风电方面的投入都比较大，掌握了一定的市场管理技术、发电技术和研发技术等日益完善，风电阔。院发布的《预见 2019》以及《2019 年中国风电产装机规模稳步扩大，逐渐成为风电发展最具潜力的界前列[5]。2018年，我国风电新增并网容量 2033 万，全年上网电量达 3570 亿千瓦时，全年风电利用小 153 小时[6]。2013 年至 2018 年风电新增并网容量到上述成绩，能够持续的稳步发展，得益于中国的网的区域来说，新增较多的省份主要为内蒙古、江电并网容量分别为 193 万千瓦、156 万千瓦、117 万 万千瓦，这六个增长较快的省份累计占比能达到全

图 1-2 2011—2018 年中国弃风率变化情况Fig 1-2 Change of China's abandoned wind rate in 2011-2018以看出，在 2015 和 2016 两年由于我国弃风限电的大趋势，—2018 年中国对于弃风率的管理和控制，整个社会对于风电风率不断下降[9]。的资源利用情况的研究发现，目前我国的弃风限电的现象逐步稳定，风电消纳问题也逐渐好转[10]。另外，我国的电网也纳，增加风电的外送从而提高风电消纳能力，使弃风问题得义温度、海拔等地理环境因素影响的风电功率呈现出较强的间调峰性，较难实现人为出力大小可控性，这往往给电力系统验。传统的调度计划直接使用风电的预测结果进行规划，，具当中，电网运行负荷的峰谷期间，如果对于风电出力不加以
【学位授予单位】：华北水利水电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM614;TP18

【参考文献】

相关期刊论文 前10条

1 刘新宇;白珂;;双馈异步风力发电机网侧换流器复合控制策略的研究[J];华北水利水电大学学报(自然科学版);2015年06期

2 江全元;龚裕仲;;储能技术辅助风电并网控制的应用综述[J];电网技术;2015年12期

3 肖白;聂鹏;穆钢;王吉;田莉;;基于多级聚类分析和支持向量机的空间负荷预测方法[J];电力系统自动化;2015年12期

4 刘爱国;薛云涛;胡江鹭;刘路平;;基于GA优化SVM的风电功率的超短期预测[J];电力系统保护与控制;2015年02期

5 薛禹胜;雷兴;薛峰;郁琛;董朝阳;文福拴;鞠平;;关于风电不确定性对电力系统影响的评述[J];中国电机工程学报;2014年29期

6 崔杨;李莉;陈德荣;;基于最小二乘支持向量机的超短期风电负荷预测[J];电气自动化;2014年05期

7 张凯锋;杨国强;陈汉一;王颖;丁恰;;基于数据特征提取的风电功率预测误差估计方法[J];电力系统自动化;2014年16期

8 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

9 王贺;胡志坚;张翌晖;李晨;杨楠;王战胜;;基于聚类经验模态分解和最小二乘支持向量机的短期风速组合预测[J];电工技术学报;2014年04期

10 王贺;胡志坚;陈珍;仉梦林;贺建波;李晨;;基于集合经验模态分解和小波神经网络的短期风功率组合预测[J];电工技术学报;2013年09期

本文编号：2643729