本文關(guān)鍵詞：風(fēng)電功率預(yù)測(cè)不確定性分析及應(yīng)用研究

  更多相關(guān)文章： 風(fēng)電功率預(yù)測(cè) 誤差分布 非參數(shù)估計(jì) 不確定性分析 核極限學(xué)習(xí)機(jī) 預(yù)測(cè)區(qū)間

【摘要】：風(fēng)能是一種很有發(fā)展前景的清潔能源,近年來(lái)得到跨越式發(fā)展。大規(guī)模風(fēng)電并網(wǎng)在一定程度上緩解了我國(guó)能源緊張壓力,帶來(lái)經(jīng)濟(jì)和環(huán)境效益。但風(fēng)電自身具有隨機(jī)性和波動(dòng)性,大規(guī)模并網(wǎng)時(shí)會(huì)影響電網(wǎng)穩(wěn)定。因此需要對(duì)風(fēng)電場(chǎng)輸出功率進(jìn)行預(yù)測(cè),但現(xiàn)有的大部分預(yù)測(cè)方法為點(diǎn)預(yù)測(cè),結(jié)果為單一功率估計(jì)值,含有較大的不確定性,給決策引入風(fēng)險(xiǎn)。不確定性分析可以得到未來(lái)功率實(shí)際值以某置信水平落入的由上下限構(gòu)成的預(yù)測(cè)區(qū)間,為電力系統(tǒng)規(guī)劃和運(yùn)行決策重要依據(jù),大大提高電力系統(tǒng)的抗風(fēng)險(xiǎn)能力。本文首先分析了風(fēng)電場(chǎng)功率預(yù)測(cè)不確定性影響因素來(lái)源,介紹了誤差的存在形式及評(píng)價(jià)指標(biāo),預(yù)測(cè)誤差的分布特性分析及時(shí)間特性,影響預(yù)測(cè)精度的因素主要包括：模型的輸入數(shù)據(jù)精度；風(fēng)電機(jī)組輸出功率的分散性,即功率曲線(xiàn)擬合誤差；預(yù)測(cè)模型的誤差；風(fēng)電場(chǎng)內(nèi)風(fēng)電機(jī)組故障停機(jī)的不確定性。然后,研究分析已有風(fēng)電場(chǎng)功率點(diǎn)預(yù)測(cè)系統(tǒng)的不確定性,得到基于誤差統(tǒng)計(jì)的風(fēng)電功率概率區(qū)間估計(jì)。對(duì)預(yù)測(cè)誤差序列分布特性進(jìn)行統(tǒng)計(jì)分析后,采用非參數(shù)Bootstrap方法對(duì)風(fēng)電功率概率性預(yù)測(cè)。給定置信水平下風(fēng)電功率可能的波動(dòng)區(qū)間,即風(fēng)電功率的不確定性,避免了傳統(tǒng)參數(shù)模型需要對(duì)分布進(jìn)行先驗(yàn)假設(shè)的過(guò)程。仿真結(jié)果表明在功率劇烈波動(dòng)情況下也能較好預(yù)測(cè)未來(lái)功率的不確定性,適合工程應(yīng)用。最后,本文提出基于粒子群優(yōu)化核極限學(xué)習(xí)機(jī)模型(PSO-KELM)的風(fēng)電功率區(qū)間預(yù)測(cè)方法。方案采用核極限學(xué)習(xí)機(jī)建立單層前向型神經(jīng)網(wǎng)絡(luò),直接預(yù)測(cè)出風(fēng)電功率在某置信水平下的上下限；再用粒子群算法優(yōu)化核極限學(xué)習(xí)機(jī)的輸出權(quán)重,得到符合要求的區(qū)間。在傳統(tǒng)預(yù)測(cè)區(qū)間評(píng)價(jià)指標(biāo)區(qū)間覆蓋率、預(yù)測(cè)區(qū)間平均帶寬這兩個(gè)指標(biāo)基礎(chǔ)上,增加累計(jì)帶寬偏差指標(biāo)滿(mǎn)足不確定性要求。并且提出了一種新的預(yù)測(cè)區(qū)間性能評(píng)價(jià)指標(biāo),綜合考慮預(yù)測(cè)區(qū)間的可靠性和清晰度,作為粒子群優(yōu)化算法的優(yōu)化目標(biāo)函數(shù)。Matlab仿真結(jié)果表明,所提方法能夠得到較好的預(yù)測(cè)區(qū)間,避免傳統(tǒng)計(jì)算方式的復(fù)雜計(jì)算,具備一定的可行性。
【關(guān)鍵詞】：風(fēng)電功率預(yù)測(cè) 誤差分布 非參數(shù)估計(jì) 不確定性分析 核極限學(xué)習(xí)機(jī) 預(yù)測(cè)區(qū)間
【學(xué)位授予單位】：華北電力大學(xué)(北京)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TM614
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 緒論9-19
• 1.1 選題背景及研究的意義9-12
• 1.1.1 風(fēng)力發(fā)電現(xiàn)狀9-11
• 1.1.2 風(fēng)力發(fā)電不確定性分析的研究意義11-12
• 1.2 風(fēng)電功率預(yù)測(cè)及不確定性分析研究現(xiàn)狀12-16
• 1.2.1 國(guó)內(nèi)外研究現(xiàn)狀12-15
• 1.2.2 風(fēng)電預(yù)測(cè)研究的不足15-16
• 1.3 風(fēng)電功率預(yù)測(cè)的不確定性分析方法分類(lèi)16-17
• 1.3.1 按預(yù)測(cè)時(shí)間分類(lèi)16-17
• 1.3.2 按預(yù)測(cè)空間范圍分類(lèi)17
• 1.3.3 按預(yù)測(cè)對(duì)象分類(lèi)17
• 1.4 本課題研究?jī)?nèi)容17-19
• 第2章 影響風(fēng)電功率預(yù)測(cè)的不確定性因素來(lái)源19-30
• 2.1 預(yù)測(cè)誤差存在形式及評(píng)價(jià)指標(biāo)19-22
• 2.1.1 預(yù)測(cè)誤差的存在形式19-20
• 2.1.2 縱向誤差指標(biāo)20-21
• 2.1.3 橫向誤差指標(biāo)21-22
• 2.2 預(yù)測(cè)誤差的頻率分布特性22-23
• 2.3 預(yù)測(cè)誤差的時(shí)間特性23-24
• 2.4 風(fēng)功率預(yù)測(cè)誤差的影響因素24-29
• 2.4.1 輸入數(shù)據(jù)精度24-26
• 2.4.2 風(fēng)電機(jī)組功率曲線(xiàn)的分散性(擬合誤差)26-27
• 2.4.3 風(fēng)電場(chǎng)內(nèi)風(fēng)電機(jī)組故障停機(jī)的不確定性27-28
• 2.4.4 預(yù)測(cè)模型誤差28-29
• 2.5 本章小結(jié)29-30
• 第3章 基于誤差統(tǒng)計(jì)的風(fēng)電功率概率區(qū)間估計(jì)30-42
• 3.1 風(fēng)電功率日變化分析30-31
• 3.2 風(fēng)電功率預(yù)測(cè)誤差統(tǒng)計(jì)分析31-34
• 3.2.1 自相關(guān)分析31-32
• 3.2.2 互相關(guān)性分析32-33
• 3.2.3 預(yù)測(cè)誤差分布特性33-34
• 3.3 基于非參數(shù)BOOTSTARP方法的風(fēng)電功率概率性區(qū)間預(yù)測(cè)34-38
• 3.3.1 Bootstrap理論及特點(diǎn)35-36
• 3.3.2 非參數(shù)Bootstrap區(qū)間估計(jì)模型36-37
• 3.3.3 預(yù)測(cè)計(jì)算步驟37-38
• 3.4 案例分析38-41
• 3.5 本章小結(jié)41-42
• 第4章 基于粒子群優(yōu)化的核極限學(xué)習(xí)機(jī)的風(fēng)電功率區(qū)間預(yù)測(cè)42-54
• 4.1 極限學(xué)習(xí)機(jī)方法42-45
• 4.1.1 極限學(xué)習(xí)機(jī)模型43-44
• 4.1.2 核函數(shù)的極限學(xué)習(xí)機(jī)(KELM)44-45
• 4.1.3 自適應(yīng)粒子群算法45
• 4.2 預(yù)測(cè)區(qū)間評(píng)價(jià)指標(biāo)45-48
• 4.2.1 區(qū)間覆蓋率46
• 4.2.2 預(yù)測(cè)區(qū)間平均帶寬46
• 4.2.3 累積帶寬偏差46-47
• 4.2.4 預(yù)測(cè)區(qū)間綜合評(píng)價(jià)指標(biāo)47-48
• 4.3 PSO-KELM風(fēng)電功率區(qū)間預(yù)測(cè)模型48-49
• 4.3.1 風(fēng)電功率區(qū)間預(yù)測(cè)模型具體步驟48-49
• 4.4 算例分析49-53
• 4.4.1 數(shù)據(jù)預(yù)處理49-50
• 4.4.2 模型參數(shù)50-51
• 4.4.3 仿真結(jié)果與分析51-53
• 4.5 本章小結(jié)53-54
• 第5章 結(jié)論與展望54-56
• 5.1 結(jié)論54
• 5.2 展望54-56
• 參考文獻(xiàn)56-59
• 攻讀碩士學(xué)位期間發(fā)表的論文及其他成果59-60
• 致謝60

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 黃建文;羊豪;庹中友;;對(duì)數(shù)廣義誤差分布極值的收斂速度[J];重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年08期

2 周惠成;李麗琴;王本德;;洪水預(yù)報(bào)誤差分布的極大熵法[J];大連理工大學(xué)學(xué)報(bào);2007年03期

3 翟劭q，

本文編號(hào)：652183