風(fēng)電、光伏受天氣條件的影響,其輸出功率具有較大的隨機(jī)性和波動(dòng)性,隨著大量分布式電源接入配電網(wǎng),對(duì)配電網(wǎng)安全穩(wěn)定運(yùn)行產(chǎn)生影響。因此,本文對(duì)風(fēng)電光伏預(yù)測(cè)方法、預(yù)測(cè)誤差不確定性分析及考慮預(yù)測(cè)不確定性的配電網(wǎng)優(yōu)化調(diào)度展開研究。首先通過分析風(fēng)光機(jī)組工作原理,構(gòu)建風(fēng)電、光伏發(fā)電模型,描述風(fēng)光運(yùn)行規(guī)律。對(duì)同區(qū)域風(fēng)電場(chǎng)、光伏電站互補(bǔ)性展開研究,結(jié)合互補(bǔ)性評(píng)價(jià)指標(biāo)Kendall相關(guān)系數(shù)對(duì)分布式風(fēng)電、光伏不同季節(jié)日均互補(bǔ)性、單月份互補(bǔ)性及全年互補(bǔ)性展開分析,得到風(fēng)光互補(bǔ)的最優(yōu)時(shí)間尺度。其次構(gòu)建基于WOA-LSSVM的風(fēng)光功率預(yù)測(cè)模型,該方法利用鯨魚算法優(yōu)化最小二乘支持向量機(jī)的懲罰因子與核函數(shù)寬度,并對(duì)風(fēng)電場(chǎng)進(jìn)行4小時(shí)、24小時(shí)、72小時(shí)下不同模型的預(yù)測(cè)試驗(yàn),對(duì)光伏電站進(jìn)行晴天、陰天、雨天不同模型的預(yù)測(cè)試驗(yàn),并結(jié)合功率預(yù)測(cè)評(píng)價(jià)指標(biāo)RMSE、MAE的值,比較風(fēng)電光伏不同天氣條件、不同模型的預(yù)測(cè)精度,結(jié)果顯示W(wǎng)OA-LSSVM預(yù)測(cè)模型優(yōu)于PSO-LSSVM和LSSVM模型。然后建立基于WOA-LSSVM預(yù)測(cè)模型的風(fēng)光功率預(yù)測(cè)誤差不確定性分析方法。應(yīng)用云模型知識(shí)定性分析風(fēng)電、光伏預(yù)測(cè)誤差的不確定性,得到風(fēng)電4小時(shí)... 

【文章來源】：華北水利水電大學(xué)河南省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

風(fēng)光電站四季容量系數(shù)Figure1-1FourSeasonsCapacityFactorofWindpowerandphotovoltaicPowerStation

畔⒂敕緄緋∈導(dǎo)適涑齬β式?⒁灰揮成淶墓叵凳迪侄暈蠢茨呈笨痰墓β試げ�。�?減小功率預(yù)測(cè)誤差，統(tǒng)計(jì)預(yù)測(cè)方法有時(shí)會(huì)結(jié)合預(yù)測(cè)曲線和實(shí)際輸出功率對(duì)比糾正功率預(yù)測(cè)誤差。統(tǒng)計(jì)方法不僅能進(jìn)行實(shí)時(shí)的功率預(yù)測(cè)，而且模型簡(jiǎn)單精確度較高被人們廣泛應(yīng)用。常用的統(tǒng)計(jì)方法有人工神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法、時(shí)間序列法、灰色預(yù)測(cè)法等。2.1.2風(fēng)電運(yùn)行特性分析在大氣邊界層中，不同時(shí)刻風(fēng)速變化不盡相同，不同地理環(huán)境對(duì)風(fēng)速變化也產(chǎn)生巨大影響，但風(fēng)速在一段時(shí)間內(nèi)的變化具有規(guī)律性。風(fēng)速頻率玫瑰圖可清晰表明某區(qū)域風(fēng)速風(fēng)向分布特性。如圖2-1其中圓弧刻度表示風(fēng)向大小，用不同顏色代表不同的風(fēng)速區(qū)間，風(fēng)向頻率表示可由一段時(shí)間內(nèi)各風(fēng)向出現(xiàn)的次數(shù)與監(jiān)測(cè)總次數(shù)的比計(jì)算得到，從圖2-1可知該地區(qū)風(fēng)向變化范圍為NW281.5。-NE56。、SE124。-SW213.5。，最大風(fēng)速可達(dá)13m/s以上。因此通過風(fēng)速風(fēng)向玫瑰圖可知道某區(qū)域的風(fēng)速風(fēng)向變化規(guī)律，預(yù)測(cè)未來時(shí)間段的整體變化趨勢(shì)，通過統(tǒng)計(jì)分析準(zhǔn)確描述風(fēng)速風(fēng)向分布特性，量化風(fēng)速變化的不確定性。圖2-1某風(fēng)電場(chǎng)風(fēng)向玫瑰圖Figure2-1Windroseinawindfarm風(fēng)電功率輸出受實(shí)際風(fēng)速和機(jī)組設(shè)備發(fā)電參數(shù)決定，準(zhǔn)確描述風(fēng)速變化規(guī)律愈發(fā)重要。雖然風(fēng)速具有強(qiáng)烈的波動(dòng)性和隨機(jī)性，但結(jié)合上述內(nèi)容通過長(zhǎng)時(shí)間對(duì)風(fēng)速歷史數(shù)據(jù)研究發(fā)現(xiàn)，風(fēng)速波動(dòng)具有一定規(guī)律性，除了風(fēng)速風(fēng)向玫瑰圖外一般也可采用概率分布描述風(fēng)速變化。針對(duì)目前風(fēng)速分布研究表明，威布爾分布為風(fēng)速概率分布中最常用的模型之一，該模型能準(zhǔn)確擬合風(fēng)速分布并且模型構(gòu)造簡(jiǎn)單，只需要確定概率分布的三個(gè)基本

2基于WOA-LSSVM的風(fēng)光功率預(yù)測(cè)模型9參數(shù)即形狀參數(shù)、尺度參數(shù)、位置參數(shù)就可模擬某地區(qū)實(shí)際風(fēng)速變化，因此在風(fēng)速計(jì)算中被廣泛應(yīng)用，具體概率分布模型如下：()1()kvkkcfvckve=（2.1）式中c為威布爾分布的尺度參數(shù)，k為威布爾分布的形狀參數(shù)。參數(shù)k的大小可通過風(fēng)速序列的均值和標(biāo)準(zhǔn)差求解，具體公式如下：22(12/)1(11/)vnkvkσΓ+Γ+（）=（2.2）式中vn為風(fēng)速序列的均值，σv為風(fēng)速序列的標(biāo)準(zhǔn)差。而c可由形狀參數(shù)k計(jì)算得到，具體公式如下：(11/)mvck=Γ+（2.3）風(fēng)電機(jī)組的輸出功率隨風(fēng)速的波動(dòng)而變化，根據(jù)風(fēng)速概率分布描述風(fēng)速大小后，風(fēng)功率出力可由風(fēng)速表示為：3212PPCAvARρπ==（2.4）式中P為風(fēng)電機(jī)組某時(shí)刻輸出功率，Cp為風(fēng)能利用系數(shù)，A為發(fā)電機(jī)組風(fēng)機(jī)葉片掃過的面積，其中R代表機(jī)組風(fēng)葉半徑，ρ為空氣密度，v為風(fēng)速。由公式2.4可知機(jī)組輸出功率大約和風(fēng)速成三次方的關(guān)系，受環(huán)境等多種不確定因素影響，某風(fēng)電場(chǎng)機(jī)組實(shí)際功率輸出如下圖所示：圖2-2河北某風(fēng)電場(chǎng)風(fēng)機(jī)實(shí)際輸出功率Figure2-2ActualoutputpowerofawindfarmfaninHebei根據(jù)圖2-2顯示切入風(fēng)速為3m/s，切出風(fēng)速為18m/s，則在3m/s-18m/s為有效風(fēng)速區(qū)。因此實(shí)際風(fēng)功率表達(dá)式為：320031.1230.08108.6382.4318160018vPvvvvv≤<=++≤<≤（2.5）風(fēng)能受氣象條件的影響具有較大的隨機(jī)性和波動(dòng)性，致使風(fēng)電機(jī)組功率輸出不確定


本文編號(hào)：3105128