论文部分内容阅读
近年来,在国家可再生能源法和节能减排政策的引导和激励下,新能源发电得到迅猛发展,尤其是风力发电得到快速的发展,风电占低谷负荷容量的比例日趋增大。当风电功率占电网负荷的比例超过一定数值之后,可能会严重影响电网的电能质量和电力系统的运行,风电功率随着风速变化而随机波动的特性也给电力系统造成难以承受的冲击。在这种背景下,风电功率短期预测对含大型风电场的电力系统的运行有着极其重要意义:电力部门需要在风电功率的精确预测之下对风电场进行实时调度。目前该领域的研究越来越广泛和深入,国外已经多套成熟的预测系统投入实际运行,但国内在此领域的研究还达不到令人满意的程度,也没有高精度的使用系统投入使用。本文基于对常见预测方法的研究和对原始风速数据的分析,对风电功率的短期预测方法进行了研究。论文的主要工作包括:1、提出了基于支持向量机(SVM)的风电功率短期预测方法,其预测结果与国内使用自回归滑动平均(ARMA)模型和人工神经网络(ANN)模型得到的最好结果持平。2、将风速的惯性和日周期性信息加入支持向量机的特征向量中,建立了风电功率短期预测模型。在此基础上,对某一实际运行的风电场风电功率进行预测,算例表明,该预测模型获得了较高的预测精度。3、对常规的天气预报数据进行处理后抽取相关的特征信息,将天气预报特征信息加入支持向量机的特征向量,再次建立了风电功率短期预测模型,并利用该模型对某一实际运行的风电场风电功率进行预测,对于提前24~72小时的功率预测,该预测模型的预测精度有了进一步的提高。4、本文还对不同日的风速序列进行了聚类分析,结果表明聚类结果与天气预报有一定的关系。聚类分析的结果与一些经典算法结合之后,可用于风速和风电功率预测。最后,基于以上风电功率预测模型的研究结果,本文研制了一套风电功率预测系统,该系统将在我国北方某风电场进行试运行。