基于时间序列分析的风电功率预测研究

发布时间：2017-08-01 21:13

  本文关键词：基于时间序列分析的风电功率预测研究

  更多相关文章： 风电功率值预测 时间序列分析 ARMA模型 短期预测 中长期预测 预测系统

【摘要】：近年来,在国家能源科技高速发展的推动下,作为可再生性的风能因具有的清洁环保受到人们的高度重视。其资源丰富,而且开采与运输成本低,于是迅速成为一种被大规模开发与利用的能源。在现今发展较快和技术较为成熟的发电领域内,风力发电和常规能源相比较,不仅其无污染性深受人们青睐,其成本较低也为大规模地开发与利用提供了可能。但是,风力发电也具有自身的缺陷,在风电场输出功率时,由于其具有的波动性与反调峰的特征,这使得风电场难以输出稳定的风电功率,这就给电力系统的相关调度部门制定风力发电计划带来诸多困难。当大规模风电接入之后,国家电网调度部门的工作就受到了巨大挑战。所以加大力度去开展风电功率的精确预测工作,对于调度安排风电系统的发电计划、降低风电机组备用容量和运行成本、保证电力系统的安全稳定运行等方面有着重要意义。首先,本文在国家风电大规模开发的背景下,展开了对山西电网的调查与研究,认识到精确的风电功率值预测对山西电网乃至全国电网的安全稳定性具有重要意义。其次,站在国内外针对风电功率值预测现有研究成果的角度,对风电功率值预测研究情况进行了文献梳理,并分析了对风电功率值预测方法、数值天气预报对风电功率值预测的影响。再次,基于风电功率历史数据具有的时间序列特性,应用时间序列分析方法建立模型,对风电场的发电功率值进行短期和中长期预测,同时分析单一机组和汇聚机组对预测效果的影响。然后,通过实证研究结果表明,利用时间序列分析方法,能比较精确地预测风电场发电功率,且短期内预测平均绝对百分比误差不超过15%,预测的合格率已超过85%,并且集中开发的方式可以减少预测误差。同时,通过对模型预测结果与实际真实值存在的偏差进行了分析,探究了预测偏差存在的原因。最后,完成了基于GUI交互式风电功率值预测系统的设计与实现,给出了智能化的图形用户界面,为风电系统预测管理的工作人员提供了技术支持与人性化的服务。
【关键词】：风电功率值预测 时间序列分析 ARMA模型 短期预测 中长期预测 预测系统
【学位授予单位】：山西大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F426.61
【目录】：

• 中文摘要8-9
• ABSTRACT9-11
• 第一章 绪论11-17
• 1.1 研究背景及现状11-13
• 1.1.1 研究背景11-12
• 1.1.2 研究现状12-13
• 1.2 研究内容、方法及框架13-15
• 1.2.1 研究内容与方法13-14
• 1.2.2 论文框架14-15
• 1.3 创新点15-17
• 第二章 时间序列建模理论17-29
• 2.1 随机过程的基本概念17-19
• 2.1.1 随机过程的定义17
• 2.1.2 随机过程的数字特征17-18
• 2.1.3 严平稳随机序列18
• 2.1.4 宽平稳随机序列18
• 2.1.5 两种平稳随机序列的关系18-19
• 2.2 四类重要的平稳随机过程19-24
• 2.2.1 白噪声过程19-20
• 2.2.2 滑动平均过程20-21
• 2.2.3 自回归过程21-24
• 2.2.4 自回归滑动平均过程24
• 2.3 线性ARMA模型的建立24-27
• 2.3.1 平稳性检验与平稳化处理24-25
• 2.3.2 模型识别25-27
• 2.3.3 模型检验27
• 2.4 预测及预测效果评估27-28
• 2.5 小结28-29
• 第三章 基于时间序列分析风电功率值预测的实证研究29-39
• 3.1 样本选取与数据来源29
• 3.2 数据平稳化处理29-34
• 3.3 模型识别与建立34-35
• 3.4 预测与预测效果评估35-38
• 3.5 小结38-39
• 第四章 基于GUI交互式风电功率值预测系统的设计与实现39-47
• 4.1 GUI简介39
• 4.2 GUI界面设计39-46
• 4.2.1 设计原则40
• 4.2.2 设计步骤40-41
• 4.2.3 设计过程41-45
• 4.2.4 界面效果45-46
• 4.3 小结46-47
• 第五章 结论与展望47-49
• 5.1 结论47
• 5.2 不足之处47-48
• 5.3 展望48-49
• 参考文献49-52
• 攻读学位期间取得的研究成果52-53
• 致谢53-54
• 个人简况及联系方式54-55
• 承诺书55-56

【参考文献】

中国期刊全文数据库 前4条

1 王彩霞;鲁宗相;乔颖;闵勇;周双喜;;基于非参数回归模型的短期风电功率预测[J];电力系统自动化;2010年16期

2 李文良;卫志农;孙国强;完整;缪伟;;基于改进空间相关法和径向基神经网络的风电场短期风速分时预测模型[J];电力自动化设备;2009年06期

3 潘迪夫;刘辉;李燕飞;;基于时间序列分析和卡尔曼滤波算法的风电场风速预测优化模型[J];电网技术;2008年07期

4 许国辉,余春林;时间序列分析方法的研究[J];广州大学学报(自然科学版);2003年06期

，

本文编号：606218