论文部分内容阅读
风能作为无污染的可再生资源,已经开始大规模开发利用,主要形式是风力发电。为实现风电并网,电能合理调度,必须对风速进行预测。本文首先对传统的风速预测方法进行了分析验证,传统的风速时间序列预测精度在25%-40%,难以满足要求。
经过对风速时间序列的动力学特性进行分析,其往往存在混沌特性。针对具有混沌特性的风速时间序列,本文提出了一种基于混沌不稳定周期方法的风速时间序列预测。该方法以时间序列的混沌动力学特性为基础,结合相空间重构,利用寻找最佳不稳定周期轨道的方法确定相空间参数,最终实现预测分析。
根据混沌理论,混沌运动具有无穷多个不稳定的周期轨道,当混沌系统运行至某一不稳定周期轨道附近时,通过反馈控制可将混沌系统控制在该不稳定周期轨道上。利用相空间重构理论可对具有混沌特性的风速时间序列进行相空间重构,在重构参数选取合适的情况下,重构后的风速相空间可具有与原系统相似的动力学行为。当风速序列持续一段时间后,风速序列会运动至某个不稳定周期轨道附近,即此时的风速值与前一不稳定周期附件的值十分接近。因此可将前一不稳定周期附近的风速值预测为此时的风速值。
将所提混沌不稳定周期方法与神经网络预测方法相融合,构造出一种混合预测方法,通过混沌优化方法确定融合参数。仿真结果表明,混沌不稳定周期方法可在一定程度上改善风速时间序列的预测性能,而混合预测方法的性能优于单一预测方法。