实时风功率预测算法研究
发布时间:2021-03-21 22:46
近些年,我国经济飞速发展,对化石能源的大量消耗使得生态环境受到了非常严重的污染。风能的开发利用在优化产能结构、坚持落实可持续发展战略中起着不可替代的作用。然而,风力发电具有间隙性、随机性和波动性的特点,这给整个电力系统的安全、稳定运行带来严峻挑战,直接影响了风电在整个电力行业的竞争力。目前风机的偏航控制系统、变桨控制系统都具有滞后特性。本文以7秒为步长对风机未来7分钟的实时出力情况进行了预测。这为实时风功率预测技术在缩小时间尺度、提高训练精度等方面的进一步研究奠定了基础,对优化控制策略、提高输出功率稳定性、提升风电在电力行业中的竞争力有着极其重要的意义。主要研究内容如下:(1)详细介绍了风电场功率预测研究的背景、意义和国内外研究现状,阐述了风功率预测的研究范围与分类。并介绍了论文的主要研究内容。(2)主要分析了风电实时出力的特性,并且定性、定量分析了影响风机实时出力的因素,为实时风功率预测模型输入变量的选择提供了科学的依据。同时,介绍了风场风能数据的特性。(3)主要介绍了历史数据的预处理过程,包括异常数据剔除、缺失数据填补、软阈值小波降噪处理、数据归一化处理四个方面。为后续搭建实时风功...
【文章来源】:内蒙古科技大学内蒙古自治区
【文章页数】:55 页
【学位级别】:硕士
【部分图文】:
尾流效应对风机输出功率的影响
内蒙古科技大学硕士学位论文-14-3.2无效数据的处理无效的历史数据主要包括两类,一类是数据缺失值,一类是数据异常值,如图3.1所示。为了保证实验数据的有效性,对这两种数据进行处理也是数据预处理工作中的重要部分。图3.1无效历史数据3.2.1数据异常值的处理风机的处力情况与风速、风向等因素密切相关,可以根据此特性判断历史数据的异常情况。风速、风向持续稳定功率出现突变或者风速低于3m/s而风功率依然不为零,这些情况出现时都标志着异常数据的出现。另外风机的最大输出功率、切出风速等固有特性也是判断异常值出现的依据。为了提高实时风功率预测模型的精度,历史数据中的异常数据必须被剔除。主要的剔除步骤如下:(1)若功率值连续为零,而风速较大则整体剔除;(2)所有负功率置零;(3)风速低于3m/s情况下的输出功率置0;(4)风机出力超过1.5MW的数据统一置为1.5MW;
内蒙古科技大学硕士学位论文-17-度、风向、风速作为输入参数进行训练,来提高风功率预测的准确性。基于MATLAB软件我们将风速、风向、温度、功率四项历史数据进行了将噪处理,为了便于直观比较,将风速、功率样本均截取1500个采样点进行图像显示。(1)风速数据去噪前后对比对风速历史数据进行去噪,将去噪后的信号截取1500个采样点进行显示,其中横坐标为时间,纵坐标为风速。由图3.2可以看出该去噪方法对风速数据具有良好的去噪效果,保障了实时风功率预测的精度。(a)原始数据(b)去噪数据图3.2风速数据去噪前后对比图(2)风功率去噪前后对比对风功率历史数据进行去噪,将去噪后的信号截取1500个采样点进行显示,其中横坐标为时间,纵坐标为风功率。由图3.3可以看出该去噪方法对风功率数据具有良好的去噪效果,保障了实时风功率预测的精度。
【参考文献】:
期刊论文
[1]可再生能源应成我国能源发展战略重点[J]. 李俊锋. 能源研究与利用. 2020(01)
[2]分布式光伏发电的应用研究[J]. 李根. 科技经济导刊. 2019(35)
[3]5G技术在电力系统中的研究与应用[J]. 王宏延,顾舒娴,完颜绍澎,于佳. 广东电力. 2019(11)
[4]云计算技术下的移动通信网络优化[J]. 蒋正涛. 通讯世界. 2019(09)
[5]绿色建筑视角下的建筑节能技术运用[J]. 王建新. 科技经济导刊. 2019(03)
[6]5G时代物联网技术在电力系统中的应用[J]. 王坤. 通信电源技术. 2018(05)
[7]陆上风电项目环境影响与措施分析[J]. 赵茜. 节能. 2018(04)
[8]“十三五”及中长期广西风电发展形势分析[J]. 李镕耀. 红水河. 2017(04)
[9]基于修正后ARIMA-GARCH模型的超短期风速预测[J]. 丁藤,冯冬涵,林晓凡,陈靖文,陈丽霞. 电网技术. 2017(06)
[10]新型间联式太阳能空气源热泵用于供热的效果分析[J]. 冉思源,李先庭,徐伟. 暖通空调. 2016(12)
硕士论文
[1]基于GA-BP模型的北京市二手房成交价格预测[D]. 王志海.河北工程大学 2019
[2]基于改进PSO-LS-SVM的风电功率预测[D]. 邹乐乐.新疆大学 2019
[3]基于高渗透率配电网的分布式能源出力预测研究[D]. 张志伟.内蒙古科技大学 2019
[4]永磁直驱风力发电机组变桨控制研究[D]. 金鹏飞.上海电机学院 2018
[5]风力发电机功率组合预测模型研究[D]. 李东升.燕山大学 2017
[6]风电场超短期功率组合预测方法研究[D]. 何亚.电子科技大学 2017
[7]风电场短期功率组合预测方法和评价研究[D]. 王帅.华北电力大学 2017
[8]基于深度学习网络的风电场功率预测研究及应用[D]. 潘志刚.上海电机学院 2016
[9]风力发电机组仿生偏航控制系统研究[D]. 齐大卫.合肥工业大学 2015
[10]基于混合神经网络技术的风功率预测研究[D]. 张鹏飞.沈阳工业大学 2015
本文编号:3093650
【文章来源】:内蒙古科技大学内蒙古自治区
【文章页数】:55 页
【学位级别】:硕士
【部分图文】:
尾流效应对风机输出功率的影响
内蒙古科技大学硕士学位论文-14-3.2无效数据的处理无效的历史数据主要包括两类,一类是数据缺失值,一类是数据异常值,如图3.1所示。为了保证实验数据的有效性,对这两种数据进行处理也是数据预处理工作中的重要部分。图3.1无效历史数据3.2.1数据异常值的处理风机的处力情况与风速、风向等因素密切相关,可以根据此特性判断历史数据的异常情况。风速、风向持续稳定功率出现突变或者风速低于3m/s而风功率依然不为零,这些情况出现时都标志着异常数据的出现。另外风机的最大输出功率、切出风速等固有特性也是判断异常值出现的依据。为了提高实时风功率预测模型的精度,历史数据中的异常数据必须被剔除。主要的剔除步骤如下:(1)若功率值连续为零,而风速较大则整体剔除;(2)所有负功率置零;(3)风速低于3m/s情况下的输出功率置0;(4)风机出力超过1.5MW的数据统一置为1.5MW;
内蒙古科技大学硕士学位论文-17-度、风向、风速作为输入参数进行训练,来提高风功率预测的准确性。基于MATLAB软件我们将风速、风向、温度、功率四项历史数据进行了将噪处理,为了便于直观比较,将风速、功率样本均截取1500个采样点进行图像显示。(1)风速数据去噪前后对比对风速历史数据进行去噪,将去噪后的信号截取1500个采样点进行显示,其中横坐标为时间,纵坐标为风速。由图3.2可以看出该去噪方法对风速数据具有良好的去噪效果,保障了实时风功率预测的精度。(a)原始数据(b)去噪数据图3.2风速数据去噪前后对比图(2)风功率去噪前后对比对风功率历史数据进行去噪,将去噪后的信号截取1500个采样点进行显示,其中横坐标为时间,纵坐标为风功率。由图3.3可以看出该去噪方法对风功率数据具有良好的去噪效果,保障了实时风功率预测的精度。
【参考文献】:
期刊论文
[1]可再生能源应成我国能源发展战略重点[J]. 李俊锋. 能源研究与利用. 2020(01)
[2]分布式光伏发电的应用研究[J]. 李根. 科技经济导刊. 2019(35)
[3]5G技术在电力系统中的研究与应用[J]. 王宏延,顾舒娴,完颜绍澎,于佳. 广东电力. 2019(11)
[4]云计算技术下的移动通信网络优化[J]. 蒋正涛. 通讯世界. 2019(09)
[5]绿色建筑视角下的建筑节能技术运用[J]. 王建新. 科技经济导刊. 2019(03)
[6]5G时代物联网技术在电力系统中的应用[J]. 王坤. 通信电源技术. 2018(05)
[7]陆上风电项目环境影响与措施分析[J]. 赵茜. 节能. 2018(04)
[8]“十三五”及中长期广西风电发展形势分析[J]. 李镕耀. 红水河. 2017(04)
[9]基于修正后ARIMA-GARCH模型的超短期风速预测[J]. 丁藤,冯冬涵,林晓凡,陈靖文,陈丽霞. 电网技术. 2017(06)
[10]新型间联式太阳能空气源热泵用于供热的效果分析[J]. 冉思源,李先庭,徐伟. 暖通空调. 2016(12)
硕士论文
[1]基于GA-BP模型的北京市二手房成交价格预测[D]. 王志海.河北工程大学 2019
[2]基于改进PSO-LS-SVM的风电功率预测[D]. 邹乐乐.新疆大学 2019
[3]基于高渗透率配电网的分布式能源出力预测研究[D]. 张志伟.内蒙古科技大学 2019
[4]永磁直驱风力发电机组变桨控制研究[D]. 金鹏飞.上海电机学院 2018
[5]风力发电机功率组合预测模型研究[D]. 李东升.燕山大学 2017
[6]风电场超短期功率组合预测方法研究[D]. 何亚.电子科技大学 2017
[7]风电场短期功率组合预测方法和评价研究[D]. 王帅.华北电力大学 2017
[8]基于深度学习网络的风电场功率预测研究及应用[D]. 潘志刚.上海电机学院 2016
[9]风力发电机组仿生偏航控制系统研究[D]. 齐大卫.合肥工业大学 2015
[10]基于混合神经网络技术的风功率预测研究[D]. 张鹏飞.沈阳工业大学 2015
本文编号:3093650
本文链接:https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3093650.html