基于时空属性的短期风速预测

发布时间：2020-08-17 21:01

【摘要】：风能作为一种清洁的可再生能源,可以缓解能源危机,减少化石燃料的利用以保护环境,因此越来越受到世界各国的重视。风具有不稳定的内在特性,导致其发电呈间歇状态,在风电并网时,对电网造成严重损害和困难。提前若干小时的风电功率预测可以为电网调度提供必要的依据,进而进行提前调控是解决这一问题的有效途径,具有重要的意义。针对这一问题,本文采用机器学习的方法,对风电场的风速进行短期预测,具体的研究内容如下:1)首先对风速序列的性质进行了分析,其随机性较强,与2阶历史数据高度相关,平稳性不定,周期性较弱,此外采用单一模型预测后残差不是白噪声,仍然有信息残留,针对这一问题,提出了两层模型,第一层模型对风速预测之后,求得残差,使用第二层模型对残差序列进行预测,将两层预测结果合并既得到了最终预测结果。使用两层模型对3个地理位置的风速进行预测,并与单一模型进行了对比,实验结果显示,当单一模型预测效果不好时,两层模型预测性能较单一模型有所提升。2)针对风速时间序列进行预测使用的数据单一,信息有限导致的其预测性能差的问题,研究结合温度、气压、风向等多种物理特征,同时综合时间趋势性和周期性,空间相关的多个风场的角度,提出三种方法对其他站点进行选择,以得到对此站点预测帮助最大的少量站点来实现对一个站点的风速的融合预测。解决使用单一模型存在特征维度过高的问题,样本不足,难以训练出有效模型的问题。3)针对使用单一模型处理高维特征存在欠拟合着问题,同时也难以对天气的突发状况做出良好的预测,提出了用于风速预测的组合模型,包含四个部分:时间预测器、全局预测器、集成器和突变预测器,其能更好的预测风速突变情况。实验结果表明,本文方法与常见的风速时间序列预测方法相比具有更高的预测精度。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TK81
【图文】：

可再生能源,不可再生能源

1.1.1 课题研究背景近年来，随着我国工业化与城市化的推进，经济迅猛发展的同时，不可再生能源与环境污染问题越加突出。工业发展势必消耗大量能源，因此导致我国不可再生能源的缺口越来越大。而同时也进入了环境高风险时期，各类环境污染问题屡见不鲜。不可再生能源一直是经济发展的主力，然而不可再生能源是大自然经亿万年形成，消耗后短期内不可能再次生成的紧缺能源。从近几年各方面的反馈来看，不可再生能源的日益枯竭以及其对环境带来的诸多问题，使得人们越来越关注可再生能源的开发与运用。可再生能源包括太阳能、水能、地热、核能和潮汐能等。其主要特点就是清洁、环保、取之不尽。近年来太阳能，核能，潮汐能等可再生能源都得到大力发展。与此同时，同属可再生能源而技术又相对成熟许多的风能也受到广泛的认可我国极大的提高了对风力发电的重视，可以预见，风能在我国发展前景十分可观“十三五”规划（即中共中央关于制定国民经济和社会发展第十三个五年规划的建议）显示，我国可再生能源发展现状及趋势预测[1]，如图 1-1 所示。可见，风能是我国对可再生能源开发的主要着力点。

论文结构

图 1-2 论文结构图第 2 章对风速序列性质进行了分析，介绍了基于残差分析的两层模型，同时对常见的预测模型做了简单的介绍，并对其性能进行了对比实验。第 3 章介绍基于时空属性的特征提取方法，包括三种度量空间可参考性的方法，并使用它们对空间中的站点进行了选择，用实验验证了三种方法的实用性；构造了时间特征，通过实验对不同层级的时间特征进行了选择；引入了其它物理量对风速进行预测，并对其效果进行了实验验证。第 4 章介绍了提出的组合模型，其包括四个部分，分别对每个部分进行了介绍，并对每个部分分别进行了实验评估其性能。最后组合模型整体与其它模型进行了对比实验。

预测原理,残差分析,风速

第2章基于残差分析的风速预测速，首先要明确风速有哪些特征，风速预测的难点等用各种方法进行分析，以对风速有直观的了解，对其果表明单纯的使用某种机器学习方法对风速进行预测模型成为了重要的研究方向。组合模型的构造方式多组合，机器学习与数值天气预报的结合；将信号分解测后再将结果组合在一起等等。使用单一模型对风速值与预测值之间存在差异，即为残差，当单一模型的残差里。残差是一个未知的序列，对其分析并预测可预测性能。因此提出了一个两层的模型，其原理图如

【相似文献】