[理学]风电功率预测问题

《[理学]风电功率预测问题》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、风电功率预测问题摘要本文针对风电功率预测问题，运用时间序列的相关知识，建立了灰色预测模型、ARMA时间序列预测模型、卡尔曼滤波预测模型、周期的动态贝叶斯网络预测模型和ARMA—GARCH预测模型，并依据所给条件，运用数理统计等相关知识和算法，得出与问题相关的结论，在对结论进行讨论分析之后，对模型作出了评价和推广。问题Ⅰ建立预测模型，首先依据时间序列原则建立了3个预测模型分别为灰色预测模型、ARMA(2,2)时间序列预测模型、卡尔曼滤波预测模型，然后运用MATLAB软件和SAS软件进行求解，最后，通过对比3种模型的相对误差，得出卡尔曼滤波预测模型的

2、预测精度最高，ARMA(2,2)时间序列预测模型的预测精度次之，灰色预测模型的预测精度最低，而且从这3种预测模型的准确率与合格率的比较中也发现，卡尔曼滤波预测模型的准确率与合格率都最高。问题Ⅱ通过比较单台风电机组功率（PA，PB，PC，PD）预测的相对误差与多机总功率（P4，P58）预测的相对误差，发现这一规律，当风电场的容量较小时，对电力系统的影响不是很显著，但随着风电场规模和容量的扩大，风电场对电力系统的影响也随之增大，功率的变化将会对电网产生一系列的大幅度的周期波动。为此建立了周期的动态贝叶斯网络预测模型。问题Ⅲ建立ARMA—GARCH预测

3、模型，在ARMA模型的基础上，检查出ARMA模型残差存在ARCH效应，建立GARCH(1,1)模型，利用EVIEWS软件，并利用极大似然估计法估计模型的参数，进行求解，得到的预测结果比上述模型的精度都高，所以，这种预测方法是有效的。问题IV分析了阻碍风电功率实时预测精度进一步改善的主要因素，主要是风力资源分布，风速，电网结构，控制方式，以及并网风力发电机组在持续运行过程中受到的塔影效应。只要知道这些因素的变化规律，就可以提高预测精度，但由于不可测因素的影响，不能使预测精度无限提高。最后，本文对模型进行了误差分析、优缺点评价与推广。关健词：实时预测

4、；时间序列；卡尔曼滤波法；SAS；MATLAB　§1问题的提出一、背景知识1．问题概况风能是一种可再生、清洁的能源，风力发电是最具大规模开发技术经济条件的可再生能源。风力发电的原理，是利用风力带动风车叶片旋转，再透过增速机将旋转的速度提升，来促使发电机发电。依据目前的风车技术，大约是每秒三米的微风速度，便可以开始发电。风力发电正在世界上形成一股热潮，因为风力发电不需要使用燃料，也不会产生辐射或空气污染。现今风力发电主要利用的是近地风能。近地风具有波动性、间歇性、低能量密度等特点，因而风电功率也是波动的。大规模风电场接入电网运行时，大幅度地风电功率

5、波动会对电网的功率平衡和频率调节带来不利影响。如果可以对风电场的发电功率进行预测，电力调度部门就能够根据风电功率变化预先安排调度计划，保证电网的功率平衡和运行安全。2．问题原因风力发电过程是：自然风吹转叶轮，带动轮毅转动，将风能转变为机械能，然后通过传动机构将机械能送至发电机转子，带动着转子旋转发电，实现由机械能向电能的转换，最后风电场将电能通过区域变电站注入电网。其能量转换过程是：风能——机械能——电能。风速的间歇性决定了风电场出力具有随机波动的特性，不具备传统火电厂输出稳定、可调度的能力，电网中常规电源不仅需要为负荷波动留出备用，还需要考虑为

6、风电场留出一定备用来平衡其出力变化。因此，一个系统在某种方式下的调节容量也是限制风电场出力的重要因素。3．现状与对策大规模风电场接入电网运行时，大幅度地风电功率波动会对电网的功率平衡和频率调节带来不利影响。因此，如何对风电场的发电功率进行尽可能准确地预测，是急需解决的问题。根据电力调度部门安排运行方式的不同需求，风电功率预测分为日前预测和实时预测。日前预测是预测明日24小时96个时点（每15分钟一个时点）的风电功率数值。实时预测是滚动地预测每个时点未来4小时内的16个时点（每15分钟一个时点）的风电功率数值。用实时预测法进行预测，并分析论证阻碍风

7、电功率实时预测精度进一步改善的主要因素，提高风电功率预测精度。二、相关试验数据现在得到了风电功率数据。1、风功率数据P58（见附件1表1）；2、风功率数据PA（见附件1表2）；3、风功率数据PB（见附件1表3）；4、风功率数据PC（见附件1表4）；5、风功率数据PD（见附件1表5）。三、要解决的问题1．问题一：风电功率实时预测及误差分析。对给定数据进行风电功率实时预测并检验预测结果是否满足附件1中的关于预测精度的相关要求。问题一的具体要求：1)采用不少于三种预测方法(至少选择一种时间序列分析类的预测方法)；2)预测量：a．PA,PB,PC,PD；

8、b．P4；c．P58。3)预测时间范围分别为（预测用的历史数据范围可自行选定）：a.5月31日0时0分至5月31日23时45分；b.5月