基于隐马尔可夫链的风电功率短期预测研究
发布时间：2022-01-03 01:54
如今化石燃料依然是全球能源的主要来源,但化石燃料的不可再生性,加之巨大的消费量,使能源危机形势严峻。同时化石燃料的使用,导致了环境的恶化。为了化解能源危机改善生态环境,世界各国均对能源结构进行了调整。作为可再生能源,风能大多被用于发电产业,而由于风力发电机出力的不稳定,致使风电的并网和消纳困难,进而制约了风电产业的发展。风电功率预测有助于电网实现经济调度,减小系统的备用容量,降低系统的运行成本。同时可为风电场检修和维护计划的制定提供依据,进而有效利用风能。本文应用隐马尔可夫链找出NWP风速与风电功率之间的关系,进而实现风电功率短期预测。首先应用模糊C均值聚类法对历史的风电功率数据进行状态分级,得到风电功率的各初始状态。根据状态分级结果应用极大似然估计法计算出模型的初始概率分布和状态转移概率矩阵,由风电功率各状态对应的NWP数据,计算出高斯概率密度函数的均值和方差。依据计算好的模型参数并结合未来72小时的NWP风速数据,利用Viterbi算法对未来72小时的风电功率状态进行预测。由预测得到的功率状态,利用插值法计算得到最终的功率预测值。将风电场得到的单机功率数据和NWP数据中的异常数据和...
【文章来源】：内蒙古大学内蒙古自治区 211工程院校
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
风力发电系统的组成
Fig.2.6 Transverse and longitudinal error descri动特性的影响速影响最大，风速的随机波动性和间歇性动性。这种波动性是预测误差的根本来源风电功率曲线转换风电功率时，误差会进一影响按时间尺度对风电功率预测进行分类的方低。模型的性能和精度影响很大，中国风电起的数据并不完整，错记漏记的现象时有发原因，造成中国风电场提供的数据质量不预测模型精度的重要影响因素，当样本数
风速预测的精度较高。风力发电功率受风速的影响最大，在进行不以数值天气预报（Numerical Weather Prediction，NWP）数据为因此，在进行风电功率短期预测时，要想得到较高的预测精度，近的气象观测站的数值天气预报风速数据，通过建模找到风电场间的关系，再利用预测日的 NWP 风速数据对风电功率进行预测。电功率短期预测时，涉及到两个时间序列，即风电功率时间序列马尔可夫链（Hidden Markov Model，简称 HMM）则可将这两个起来，同时 HMM 的数学推理过程严谨且计算性能稳定，故本文机的输出功率进行预测。整个过程分为两个部分，前半部分为 H为风电功率的预测过程。由隐马尔可夫链建立起 NWP 风速与风日的 NWP 风速作为观测值，应用 Viterbi 预测算法实现风电功率链的风电功率短期预测结构框图如图 3.1 所示。
【参考文献】：
期刊论文
[1]弃风限电条件下复杂地形风电场短期风功率预测对比分析[J]. 崔杨,陈正洪,刘丽珺. 太阳能学报. 2017(12)
[2]提高风电功率预测精度的方法[J]. 乔颖,鲁宗相,闵勇. 电网技术. 2017(10)
[3]基于改进粒子群优化算法风力发电功率预测研究[J]. 刘武周,刘友波. 可再生能源. 2017(09)
[4]基于隐马尔科夫模型的风电齿轮箱故障程度评估[J]. 李莹,刘三明,王致杰,朱晓伟,潘志刚. 太阳能学报. 2017(06)
[5]基于IAFSA-BPNN的短期风电功率预测[J]. 张颖超,王雅晨,邓华,熊雄,陈浩. 电力系统保护与控制. 2017(07)
[6]考虑测风数据缺失的短期风电功率预测算法[J]. 曾杰,陈晓科. 可再生能源. 2017(02)
[7]风电功率预测技术研究综述[J]. 黎静华,桑川川,甘一夫,潘毅. 现代电力. 2017(03)
[8]风电集群短期及超短期功率预测精度改进方法综述[J]. 彭小圣,熊磊,文劲宇,程时杰,邓迪元,冯双磊,王勃. 中国电机工程学报. 2016(23)
[9]基于风速升降特征的短期风电功率预测[J]. 叶小岭,陈浩,郭晓杰,邓华,王雅晨. 电力系统保护与控制. 2016(19)
[10]含核函数切换的风电功率短期预测新方法[J]. 欧阳庭辉,查晓明,秦亮,熊一,夏添,黄鹤鸣. 电力自动化设备. 2016(09)
本文编号：3565326
【文章来源】：内蒙古大学内蒙古自治区 211工程院校
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
风力发电系统的组成
Fig.2.6 Transverse and longitudinal error descri动特性的影响速影响最大，风速的随机波动性和间歇性动性。这种波动性是预测误差的根本来源风电功率曲线转换风电功率时，误差会进一影响按时间尺度对风电功率预测进行分类的方低。模型的性能和精度影响很大，中国风电起的数据并不完整，错记漏记的现象时有发原因，造成中国风电场提供的数据质量不预测模型精度的重要影响因素，当样本数
风速预测的精度较高。风力发电功率受风速的影响最大，在进行不以数值天气预报（Numerical Weather Prediction，NWP）数据为因此，在进行风电功率短期预测时，要想得到较高的预测精度，近的气象观测站的数值天气预报风速数据，通过建模找到风电场间的关系，再利用预测日的 NWP 风速数据对风电功率进行预测。电功率短期预测时，涉及到两个时间序列，即风电功率时间序列马尔可夫链（Hidden Markov Model，简称 HMM）则可将这两个起来，同时 HMM 的数学推理过程严谨且计算性能稳定，故本文机的输出功率进行预测。整个过程分为两个部分，前半部分为 H为风电功率的预测过程。由隐马尔可夫链建立起 NWP 风速与风日的 NWP 风速作为观测值，应用 Viterbi 预测算法实现风电功率链的风电功率短期预测结构框图如图 3.1 所示。
【参考文献】：
期刊论文
[1]弃风限电条件下复杂地形风电场短期风功率预测对比分析[J]. 崔杨,陈正洪,刘丽珺. 太阳能学报. 2017(12)
[2]提高风电功率预测精度的方法[J]. 乔颖,鲁宗相,闵勇. 电网技术. 2017(10)
[3]基于改进粒子群优化算法风力发电功率预测研究[J]. 刘武周,刘友波. 可再生能源. 2017(09)
[4]基于隐马尔科夫模型的风电齿轮箱故障程度评估[J]. 李莹,刘三明,王致杰,朱晓伟,潘志刚. 太阳能学报. 2017(06)
[5]基于IAFSA-BPNN的短期风电功率预测[J]. 张颖超,王雅晨,邓华,熊雄,陈浩. 电力系统保护与控制. 2017(07)
[6]考虑测风数据缺失的短期风电功率预测算法[J]. 曾杰,陈晓科. 可再生能源. 2017(02)
[7]风电功率预测技术研究综述[J]. 黎静华,桑川川,甘一夫,潘毅. 现代电力. 2017(03)
[8]风电集群短期及超短期功率预测精度改进方法综述[J]. 彭小圣,熊磊,文劲宇,程时杰,邓迪元,冯双磊,王勃. 中国电机工程学报. 2016(23)
[9]基于风速升降特征的短期风电功率预测[J]. 叶小岭,陈浩,郭晓杰,邓华,王雅晨. 电力系统保护与控制. 2016(19)
[10]含核函数切换的风电功率短期预测新方法[J]. 欧阳庭辉,查晓明,秦亮,熊一,夏添,黄鹤鸣. 电力自动化设备. 2016(09)
本文编号：3565326
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3565326.html
