论文部分内容阅读
随着化石燃料的过度开采和无节制使用,人类逐渐面临着资源枯竭的压力,为解决能源危机,大力开发可再生能源迫在眉睫。风能是一种重要的清洁可再生能源,但风机的输出功率有很强的随机性,为了确保电力系统稳定,需要准确的预测风功率。 本文首先对风功率预测的现状进行研究,发现现有的风功率预测方法中通常直接建立风电场上空风速和风电场功率之间的关系,利用神经网络训练来进行功率预测。这种方法忽视了风电场上空风速到风机轮毂处风速的非线性过程,也没有考虑风机自身的功率曲线影响。 为了解决上述问题,首先使用小波分解与神经网络结合的方法进行风电场上空风速预测,小波分解在处理非平稳信号如风速数据具有很好的分解作用。本文采用db3进行风速数据的分解,利用BP神经网络模型分别进行风速的预测,使用小波分解逆变换合成预测风速数据,可以得到风电场上空的预测风速数据,之后再使用WT软件建立风电场的CFD模型,通过实际风电场的经纬度和地形地貌数据,搭建整个风电场的模型。这样就可以得到风加速因数,从而计算得到风机轮毂处的风速数据。最后,利用风功率曲线得到风机的输出功率,实现风功率的预测。 与传统的预测方式对比,验证基于CFD-小波分解神经网络方法的预测精度,本文使用风机轮毂处风速预测算例和风机输出功率预测算例来进行验证,结果显示,使用CFD-小波分解神经网络方法能够提升预测的精度,降低预测的误差,验证了该方法的有效性。 最后,对全文的内容进行总结,展望了风功率预测的发展方向。