基于多指标融合评价和案例推理的风电功率预测模型的优选决策

《基于多指标融合评价和案例推理的风电功率预测模型的优选决策》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、II太原理工大学硕士研究生学位论文基于多指标融合评价和案例推理的风电功率预测模型的优选决策摘要随着生态环境的污染和传统资源的枯竭，风能以可再生、清洁环保等特点，在全球范围内得到广泛青睐，风力发电在电网中所占的比重也在逐年增加。然而，风能的波动和间歇特性，将导致风电功率的输出具有不稳定性，随着大规模风电并入电网系统，必然给电网系统带来一定的冲击。因此，对风电输出功率进行准确预测是合理安排调度计划，确保电网系统安全、稳定和经济运行的有效途径。目前风电功率预测模型的种类有很多，不同模型的预测性能表现具有差异性，各有优缺点。为了提高风电功率的预测精度，有必要对多种预测模型的精度进行评价，从而优

2、选出精度较高的预测模型对风电功率进行预测。本文提出了一种基于多指标融合评价和案例推理的风电功率预测模型的优选决策方法，对课题组建立的基本风电功率预测模型进行评价优选，并在MATLAB平台上进行了大量仿真研究。本文主要研究内容如下：(1)阐述了风电功率预测的研究背景及意义，综述了国内外在风电功率预测领域的研究现状及发展趋势，总结了常见预测方法的分类及各类预测方法的性能评价等。(2)分析了风机功率模型及风电功率输出的主要影响因素，并在风电场历史数据的基础上，研究了主要影响因素的规律特性，为基于数据特性分类的优选建模研究奠定基础。I太原理工大学硕士研究生学位论文(3)模型评价是进行模型优选的

3、重要依据。针对模型的单一指标评价结果较为片面，且不同指标下模型的评价结果往往不同的问题，本文提出了一种基于离差最大化和主观修正系数的多指标融合评价方法，并将其应用于短期风电功率预测模型的优选中。首先建立了较为全面的风电功率预测模型的评价指标体系；其次在确定各指标所占权重时，考虑到传统离差最大化法过于客观，忽略了指标在指标体系中的重要程度，本文在传统离差最大化思想上加入主观修正系数，结合客观信息和主观经验，计算各指标的综合权重，最终计算出各模型的融合评价值，从而得到模型的评价排序，并实现对模型的优选。(4)为了提高模型优选的工作效率，提出一种基于案例推理的风电功率预测模型的优选决策方法。

4、以风速、风向和温度序列作为案例的描述特征，在风电场历史数据的基础上，建立以月为单位的优选案例库。案例检索过程中，采用基于关键点和分段线性的相似性匹配算法，在案例库中检索出相似案例，并将匹配案例的优选模型种类作为新案例的解，从而提高模型优选的工作效率。关键字：模型优选，融合评价，案例推理，相似性匹配，风电功率预测II太原理工大学硕士研究生学位论文THEOPTIMIZATIONDECISIONOFWINDPOWERPREDICTIONMODELSBASEDONMULTI-INDEXFUSIONEVALUATIONANDCASE-BASEDREASONINGABSTRACTAsthepoll

5、utionofenvironmentanddepletionoftraditionalresources,theresearchofcleanandrenewableenergyisgotmoreandmoreattention.Withitscharacteristicsofnorenewableandnopollution,windpoweriswidelyfavoredintheglobalcountryandtheratioofwindpowerinpowergridisincreasingyearbyyear.While,thewindhasthecharacteristic

6、sofvolatilityandintermittentsothatitmaycausethecertainimpacttothegrid,whenthelarge-scalewindpowerintegratedtogridsystem.It’saneffectivemethodtoforecastwindpoweraccuratelyforarrangementofdispatchingplanreasonablyandthesafe,stableandeconomicoperationofpowergrid.Therearevarietiesofwindpowerpredicti

7、onmodels.Ingenerally,themodelshavedifferentforecastingperformance,eachhaveadvantagesanddisadvantages.Forselectinghighaccuracypredictionmodeltoforecastingwindpower,theoptimizationdecisionofwindpowerpredictionmodelsbasedonmult