论文部分内容阅读
随着化石能源的枯竭、人类生存环境的恶化,开发可再生能源成为当今世界广泛关注的热点。其中风能由于其清洁、分布广泛的特点受到更多的关注。我国的风能资源比较丰富,近年来大规模风电基地蓬勃发展。然而由于这些大规模的风电建设以及风电入网,风电固有的随机性、波动性给电网带来的问题越来越突出,严重制约着风电的健康发展。为降低风电波动性给电网带来的不良影响,保障电网的稳定运行以及安排合理调度,风电功率预测的研究就显得尤为重要。本文重点研究利用机器学习、统计分析等技术,建立风速预测模型以及风电功率预测模型,对风电场的风速和风电功率进行预测。主要进行了以下几个方面的研究:应用随机森林算法对风速进行预测。仅仅利用历史风速作为训练样本,建立随机森林预测模型,单步预测未来1小时的风速。预测结果表明,随机森林算法用于风速预测是可行的。研究了单步预测未来1小时风电功率的2种方法。历史风电功率数据作为训练样本,首先应用MATLAB的TreeBagger函数建立预测模型,应用predict函数预测未来的风电功率。然后给出了应用随机森林算法预测风电功率的方法,建立了随机森林预测模型,分析比较了随机森林算法中参数的影响,获得了满意的预测结果。采用ARIMA、EEMD-TreeBagger、EEMD-RF3种方法对未来4小时风电功率进行预测,并且比较了预测结果。首先用时间序列预测算法ARIMA预测未来4小时风电功率,选择了 ARIMA算法的最优参数,给出了预测结果。然后用集合经验模态分解(EEMD)和MATLAB的TreeBagger函数进行风电功率短期多步滚动预测,显示了风电功率不同变化阶段未来4小时的预测曲线。最后描述了利用EEMD和随机森林算法进行风电功率短期多步滚动预测的方法。比较3种方法的预测结果可见,随机森林算法能够比较准确预测短期风电功率。风电功率预测是一个重要课题。由于风电功率变化的随机性和间歇性,风电功率预测也是一个难题。随机森林算法是一种比较新的机器学习算法,具有一些独特的优点,用随机森林预测风电功率的研究刚刚起步,本文对这个课题进行了一些探索,以此来对风电功率预测工作提供一些帮助。