风功率预测的场风速指标应用及其数值预报的修订

发布时间：2017-08-30 18:26

  本文关键词：风功率预测的场风速指标应用及其数值预报的修订

  更多相关文章： 风电功率预测 数值预报 神经网络 谐波分析

【摘要】：风电资源是可再生清洁能源,但由于风电输出的波动性和不确定性对风电上网运营存在制约,而解决这种问题的关键手段则是对风电场的风功率输出提前做出预测,但风功率预测涉及的因素较为复杂,因此风速指标的制定和预测是风功率预测的关键技术手段。本文依据北方某大型风电场实测风速与输出功率资料,根据《风电功率预测系统功能规范》的技术要求,从不同方面探讨了利用数值预报产品进行风功率预测并进行统计修订的有关技术方法。1、在分析风功率影响因子的基础上,针对大型风电场的特点,提出了三种风速指标：a.场平均风速b.场风速立方和c.场有效风速立方和其中Vi为风电场各风机风速,k为风电场的实际开机数。利用三种指标分别拟合了其与风电场风功率输出的统计关系式,结果表明结合风机特征的χ指标拟合效果最好。并且对于实测的场风速指标估算风电场输出功率拟合误差的研究发现三种指标对风功率预测的拟合精度差异显著,其中场有效风速立方和χ拟合精度最高,场平均风速V的拟合精度次之。在此基础上,将BJ-RUC数值产品模拟的风速带入三种指标公式分析其数值预报误差,结果表明各指标的数值预报值与真实值差距均较大。因此,结合计算的简便以及对指标数值预报订正的可行性,文章中讨论将风速指标场平均风速V及场有效风速立方和χ作为因子进行风功率的预报。2、风速指标数值预报统计修订方法的探索及风功率预测精度的改进。1)风功率的超短期(0-4h)预报方法。利用神经网络对风速指标V的数值预报误差进行后延预测,从而对预报值进行动态修订,最后以订正后的风速指标V预测风功率,订正后较未订正前风速的绝对误差下降了约48.7%,风功率下降了约58.2%。2)风功率的短期(0-24h)数值预报误差修订方法。由于预报时效的延长,数值预报误差间的自相关减弱,超短期(0-4h)的风功率预报方法不再适用,所以对于风功率的短期(0-24h)预测试验了下列方法。a.利用数值预报产品本身的系统订正。研究发现根据风机的风功率曲线定义的场有效风速立方和χ能够更精确的拟合风电场总输出功率；并且针对BJ-RUC模式的场有效风速立方和指标χ的0-24h时效的预报值探索了其统计修订方法,采用回归分析的统计方法对指标的误差进行订正,对Xm的误差进行统计修订后风速的绝对误差较订正前下降约33.9%,均方根误差下降约25.5%,修订后的风速与实测风速的相关性也有所提高,而修订后相应的总功率的各误差指标也有所改进。b.利用数值预报误差的日变化特征进行订正。分析了BJ—RUC气象模式的0-24h数值预报风速Vm与实测场平均风速V的误差;针对误差存在日变化的特点,对逐日的误差值进行谐波分析,获得谐波参数C0、C1、C2、φ1、φ2;建立了以每日08-19h的实际误差值来预测当日谐波参数的神经网络(BP)模型,进而得到24个小时的误差值的估计值,并依此对24小时的风速数值预报进行修订；通过16天的独立样本检验,修订前后(0-24h)场平均风速预测的绝对误差由2.77 m/s下降到1.84m/s,风功率预测的绝对误差由0.134下降到0.073,修订后的平均风速与风功率预测的绝对误差均下降30%以上。3、数值预报产品的直接释用。1)用风速的数值预报值直接与风功率输出建立神经网络模型的释用方法。根据该风电场的实测风功率资料和BJ-RUC模式输出资料,对0-4h的风功率预报进行了试验,结果表明该方法预测风电场功率的各误差指标较订正前也有明显改进,风功率的平均绝对误差下降了60.4%。2)收集了BJ-RUC数值预报模式输出的风速等气象要素,分别建立利用不同实测风速指标的数值预报值与总输出功率的对应关系式,使用数值预报值直接拟合风电场总输出功率关系式时,不同风速指标拟合公式的误差相差不大,虽然经过释用以后拟合效果有所提高,均方根误差、平均绝对误差改进在10%左右,但释用后的相关性系数与释用前无显著差异,可见这种数值预报风速直接释用拟合方程预测0-24h风功率的方法效果不明显。
【关键词】：风电功率预测 数值预报 神经网络 谐波分析
【学位授予单位】：南京信息工程大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM614
【目录】：

• 摘要5-7
• ABSTRACT7-10
• 第一章 绪论10-22
• 1.1 研究背景与意义10-17
• 1.1.1 我国风电开发的现状及发展趋势10-13
• 1.1.2 风电功率预测对风电开发的意义13-14
• 1.1.3 风速与风功率的预报方法14-17
• 1.2 国内外风功率预测的研究现状17-20
• 1.2.1 国外的研究现状17-18
• 1.2.2 国内的研究现状18-20
• 1.3 风功率预测的国家规范中衡量误差指标的定义及其与常用误差指标的不同20-21
• 1.4 本文的主要研究内容与创新意义21-22
• 第二章 资料说明22-25
• 2.1 风电场特征及资料概况22
• 2.2 数值预报模式简介22-23
• 2.3 风场数据预处理23-25
• 2.3.1 模式资料的处理23-24
• 2.3.2 实测风速与风功率资料的质量控制24-25
• 第三章 风电场风速指标的讨论及其数值预报误差分析25-37
• 3.1 风电场风功率输出的影响囚素分析25-29
• 3.2 风电场风速指标的探讨29-33
• 3.2.1 单机风速与输出功率29-30
• 3.2.2 风电场输出功率与场风速指标30-33
• 3.3 风速指标的数值预报误差的统计特征33-36
• 3.4 小结36-37
• 第四章 风速数值预报误差的动态修订方法及对风功率预测精度的改进37-51
• 4.1 基于BP神经网络的超短期(0-4h)风速预报修订与风功率预测37-42
• 4.2 短期(0-24h)风速的数值预报误差回归修正方法与风功率预测42-44
• 4.3 利用调和分析的短期(0-24h)风速数值预报修订与风功率预测44-49
• 4.3.1 风速预报误差的日变化与谐波分析44-45
• 4.3.2 谐波参数的预测45-49
• 4.4 小结49-51
• 第五章 风功率预测的数值预报产品释用技术51-57
• 5.1 直接利用风速数值预报产品进行风功率超短期预测的释用方法51-52
• 5.2 基于数值模式释用的短期(0-24h)风电功率预测52-55
• 5.3 小结55-57
• 第六章 结论和展望57-60
• 6.1 结论57-58
• 6.2 存在问题及展望58-60
• 参考文献60-66
• 致谢66-67
• 作者简介67

【参考文献】

中国期刊全文数据库 前10条

1 王启光;封国林;郑志海;支蓉;;长江中下游汛期降水优化多因子组合客观定量化预测研究[J];大气科学;2011年02期

2 谷兴凯;范高锋;王晓蓉;赵海翔;戴慧珠;;风电功率预测技术综述[J];电网技术;2007年S2期

3 万仕全;何文平;封国林;李进;;数值模式误差订正方法初探[J];高原气象;2014年02期

4 时t熇，

本文编号：760894