论文部分内容阅读
随着风力发电技术的不断发展,风电单机容量和并网型风电场的规模不断增加,在电力供应中所占比例也越来越大。而风力发电的输出具有较大的波动性和不确定性,使得大容量的风电接入电网后对电力系统的安全、稳定运行以及保证电能质量带来严峻挑战。准确的风电功率预测有利于电力系统调度部门及时调整调度计划,还可以减少电力系统的备用容量、降低电力系统运行成本,从而有效地减轻风电对整个电网的影响,提高风电穿透功率极限。
本文介绍了风电功率预测的方法及其应用特点。利用时间序列分析法、卡尔曼滤波预测算法和BP神经网络算法,对风电功率进行了短期预测。并对预测方法进行了结合和改进。本文的主要工作如下:
(1)分析了国内外风电发展的现状,讨论了国内外风电功率短期预测的各种算法。
(2)对博克斯-詹金斯(Box-Jenkins)方法论作了较为详细的论述,给出具体步骤的程序框图。
(3)选取某实验型风电机和海上风电场的两组输出功率数据,采用ARMA和基于ARMA的卡尔曼滤波算法对两组数据样本的风电功率进行了预测。
(4)建立基于移动数据窗的时变线性系统,并采用自适应的卡尔曼滤波预测算法,对风电功率进行短期预测,并在预测模型中加入了风速因素。
(5)讨论了风电功率多步预测的方法,并设计了滚动时间序列预测算法,改善了多步预测效果。
(6)建立了时序神经网络预测法模型,采用改进的BP训练算法,并考虑风速的影响,对风电功率进行了短期预测。