我國的社會(huì)經(jīng)濟(jì)發(fā)展過程中面臨著能源需求不斷增長、環(huán)境壓力越來越大、能源對(duì)外依存度增加等挑戰(zhàn)。風(fēng)力發(fā)電在應(yīng)對(duì)這些挑戰(zhàn)的過程中發(fā)揮著重要作用。風(fēng)力發(fā)電有著較強(qiáng)的波動(dòng)性、隨機(jī)性、間歇性,將風(fēng)力發(fā)電接入現(xiàn)有的電力系統(tǒng),會(huì)帶來一系列問題。風(fēng)電功率預(yù)測(cè)是解決這些問題最經(jīng)濟(jì)高效的手段之一。本文根據(jù)“預(yù)測(cè)的最終目的是為決策服務(wù)”這一準(zhǔn)則,首次提出面向電力系統(tǒng)決策的風(fēng)電功率預(yù)測(cè)方法——根據(jù)最終決策的不同而采取不同的預(yù)測(cè)算法和模型,并對(duì)其相關(guān)的理論、算法和在電力系統(tǒng)中的應(yīng)用做了研究,主要內(nèi)容包括:1)從統(tǒng)計(jì)學(xué)的角度對(duì)損失函數(shù)在預(yù)測(cè)模型中的作用進(jìn)行了分析,闡述了最優(yōu)預(yù)測(cè)的概念,指出傳統(tǒng)預(yù)測(cè)是二次損失函數(shù)下的最優(yōu)預(yù)測(cè)。提出了在風(fēng)電功率預(yù)測(cè)過程中采用面向成本的損失函數(shù),從而將預(yù)測(cè)誤差造成的成本直接融合到預(yù)測(cè)模型的建立過程中,并分析了面向成本的損失函數(shù)下最優(yōu)預(yù)測(cè)的特點(diǎn)。2)提出了面向成本的提升回歸樹算法,該算法可以快速有效的處理面向成本的損失函數(shù),從而使該損失函數(shù)具有實(shí)際應(yīng)用價(jià)值。將該算法應(yīng)用于電力市場(chǎng)中的風(fēng)電交易問題中,以風(fēng)電商在電力市場(chǎng)中的風(fēng)電交易收益最大化為目標(biāo),結(jié)果表明,相比傳統(tǒng)二次損失函數(shù)下的預(yù)測(cè)結(jié)果,...

【文章頁數(shù)】：116 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖4-6采用LSBRT-B方法的預(yù)測(cè)結(jié)果的殘差圖

圖5-5所有高維數(shù)據(jù)集上的AR指標(biāo)箱線圖

圖5-9含噪聲高維數(shù)據(jù)集上的AR指標(biāo)箱線圖

圖6-5風(fēng)電功率預(yù)測(cè)值處于低區(qū)間時(shí)的誤差分布直方圖

本文編號(hào)：3909022