风电功率预测模型的优选准则与融合策略研究

发布时间：2017-12-07 19:30

  本文关键词：风电功率预测模型的优选准则与融合策略研究

  更多相关文章： 风电功率预测 参数优化 结构优化 多指标评价 模型优选 模型融合

【摘要】：随着环境污染和能源危机的加剧,世界各国开始寻求清洁、可再生的绿色能源来代替传统的不可再生能源。风能由于分布广、无污染、开发潜力大得到了各国的重视。风能的主要利用方式是风力发电,随着风电的快速发展,风电在电网中所占的比例也越来越大。然而风能的间歇性和随机性会对电网安全运行造成影响,从而制约风电的进一步发展,因此对风电输出功率进行准确预测,对风电的发展和电网稳定运行意义重大。为了实现对风电功率预测精度的进一步提高,本文针对功率预测建模中的关键问题,研究了预测模型的改进;在课题组建立的多种预测模型基础上,着重研究了单一预测模型的评价和优选准则,并对预测模型的融合策略进行了研究。本文主要研究内容如下:(1)总结了风电功率预测的背景和研究现状,介绍了预测模型的分类、典型的单一预测模型和组合预测模型;总结了功率预测中的问题和模型评价的意义与现状。(2)以小波神经网络为例,研究了风电功率预测建模中的关键问题。针对小波网络中各参数和结构难以确定的问题,采用粒子群算法(PSO)优化小波网络的参数;采用灰关联删减法确定小波网络的隐含层节点数;详细分析了影响风电功率预测精度的因素及其数据特性,采用灰关联度确定小波网络的输入变量。仿真结果表明,本文提出的基于PSO参数优化和灰关联删减法结构优化的小波网络的预测精度得到了明显的提高。(3)提出了基于多指标的风电功率预测模型综合评价方法,从指标体系的建立和指标权重的确定方法两个方面进行了深入研究。建立了预测模型的评价指标体系,采用熵值法确定评价指标的客观权重,采用层次分析法确定主观权重,从而得到指标的综合权重以及模型的综合评价值,最终实现了对模型预测效果的综合评价和排序。(4)为了进一步提高功率预测模型的预测精度,提出了基于多指标优选的预测模型融合方法。首先在模型多指标评价的基础上对单一模型进行筛选和冗余判断,优选出参与融合的单一模型,然后采用5种组合方法分别进行融合建模。通过大量的数据进行仿真实验,结果表明,模型优选有助于提高融合模型的预测精度。5种组合方法中熵值法、Shapley值法、IOWA法能有效提高模型的预测精度,其中基于IOWA的融合模型预测效果较好。
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP18;TM614

【参考文献】

中国期刊全文数据库 前10条

1 杨子成;;考虑地形影响及尾流效应的风电场可靠性分析[J];电气技术;2017年01期

2 彭小圣;熊磊;文劲宇;程时杰;邓迪元;冯双磊;王勃;;风电集群短期及超短期功率预测精度改进方法综述[J];中国电机工程学报;2016年23期

3 林国光;宋海洲;;一种基于主客观权重信息集成的多属性群决策[J];统计与决策;2016年12期

4 贾逸伦;龚庆武;占劲松;李俊雄;;基于有效度和相对熵的短期电力负荷组合预测方法[J];电力科学与技术学报;2016年02期

5 李芬;宋启军;钱加林;陈正洪;闫全全;杨兴武;;基于IOWA算子的短期光伏发电量组合预测[J];电网与清洁能源;2016年05期

6 陈道君;李磊;杨楠;林燕贞;;基于最优权系数的风电功率组合预测方法[J];电网与清洁能源;2016年04期

7 李大中;许炳坤;常城;;基于熵值法的大型风电机组运行状态综合评价[J];热能动力工程;2016年04期

8 钱政;裴岩;曹利宵;王婧怡;荆博;;风电功率预测方法综述[J];高电压技术;2016年04期

9 路涛;赵靓;;2015年中国风电开发主要数据汇总[J];风能;2016年04期

10 ;2015年全球风电装机统计[J];风能;2016年02期

中国硕士学位论文全文数据库 前8条

1 刘晓洋;风速预测中数椐和样本的有效处理及其模型优化研究[D];太原理工大学;2016年

2 白杨;基于模型优选和组合策略的风速融合预测方法研究[D];太原理工大学;2016年

3 高淑杰;基于误差修正和模糊评价的风速预测研究[D];太原理工大学;2016年

4 李晓曦;风电功率组合预测方法及其应用研究[D];华北电力大学(北京);2016年

5 金玉雪;基于相似度模糊推理和IOWA算子的风电功率融合预测[D];太原理工大学;2014年

6 李进;基于模型优选的风电功率融合预测模型[D];太原理工大学;2013年

7 李洪涛;基于径向基函数和模糊技术的风能预测模型研究[D];华北电力大学;2012年

8 李文婷;基于改进型粒子群算法的热轧带钢宽度神经网络预报模型的研究[D];太原理工大学;2011年

，

本文编号：1263532