基于非参数方法的短期风电功率预测研究

《基于非参数方法的短期风电功率预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、专业学位硕士学位论文基于非参数方法的短期风电功率预测研究Short．termWindPowerPredictionBasedonNonparametricMethod学31213017大连理工大学DalianUIliVers时ofTecllIlology大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外，本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请学位或其他用途使用过的成果

2、。与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。学位论文题目：挫超查遮丛趟丛监塑趔圣歪壑作者签名：嵫日期：塑!兰年—』月上日大连理工大学专业学位硕士学位论文摘要准确的风电功率预测有助于减小风电出力波动对电网的影响，但到目前对于风电功率预测的研究还未达到令人满意的程度。现有的风电功率预测方法一般也只给出了确定性预测结果，难以满足电力交易与电网调度中不确定性风险分析决策的要求，因此还应该对预测值所包含的风险给出合理的评估，有必要对

3、风电功率做出概率性预测。本文基于非参数理论，对于短期风电功率确定性及概率性预测进行了研究。一方面，建立了基于非参数自回归方法的短期风电功率确定性预测模型。将风电功率样本按对应于采样时刻进行划分，即每天同一时刻采集的风电功率历史数据构成一组时间序列，如每日为96点采集则可划分为96组时间序列，基于此时间序列建立非参数自回归模型，预测每个时间序列下一点对应的功率值，从而得到未来一天的风电功率预测结果。该方法直接从历史数据出发，能够避免主观因素的影响，保证预测精度的客观性。以我国某省全部风电场作为一个

4、整体为例，预测其总的风电功率值，算例结果验证了非参数自回归方法应用于风电功率短期预测的有效性。另一方面，基于非参数统计方法对风电功率的概率性预测进行了研究。首先论述并分析了基于核估计方法的预测模型，鉴于其存在的对样本数量要求多、而实际可利用的历史数据较少而不满足要求的问题，本文将非参数方法中的Bootsn．ap法与核估计方法相结合，建立了相应的风电功率概率预测模型。该模型依据Boots仃ap方法对预测误差历史数据进行重抽样，形成大量可用于统计分析的预测误差样本，再基于核估计法对预测误差概率密度建

5、模，从而在风电功率确定性预测结果的基础上得到概率性的预测结果。本文仍以某省风电场全年的日风电功率进行算例分析，算例结果表明概率性预测相较于确定性预测可以给出未来时段风电功率的波动范围，可有效帮助调度与交易人员做出决策。关键词：风电功率；短期预测；非参数方法；确定性预测；概率性预测基于非参数方法的短期风电功率预测研究Short—temWindPowerPredictionBasedonNo印arametricMethodAbstractTheaccllr-atewiIldpowerpredicti

6、onhelpsreducetheiIlfluenceofwindpoweroumutonpower鲥d．Butt11estudyofwindpowerpredictionhasnotreaChedasatisfact0DrleVel．ThemetllodsofwiIldpowerpredictioninexistencemostly酉Vedete锄inisticresultsonly．nishardt0meettllerequirementsof廿leunc咖intyriskanalysisaI

7、lddecision-makinginpower鲥ddispatCh锄delectric时仃ades．Thereforeitisnecessa巧to酉Vemeprobabilisticforec懿tofwindpower．111ispaper咖diestlledeten：IliniStic孤dprobabiliSticpredi“onSofshort-tennwindpowerbasedontllenonp扰吼etrictheo巧．On0neh觚d，tllep印ersetsuptllemodel

8、ofmeshort-temwindpowerdctenninatepredictionbasedontllenonparametricre铲essionmetllod．Firstly，diVidetllewindpowers锄plescon．espondingtos锄plingtimes，andtllencollectmewindpoweroftlles锄etimeeve巧dayofmehistoricaldatatoconstituteasetofwindpowertimeseries，suc