基于模型优选的风电功率融合预测模型

《基于模型优选的风电功率融合预测模型》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、声明本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：——兰虹日期：yt弓、()．Co，关于学位论文使用权的说明本人完全了解太原理工大学有关保管、使用学位论文的规定，其中包括：①学校有权保管、并向有关部门送交学位论文的原件与复印件；②学校可以采用影印、缩印或其它复制手段复制并保存学位论文；③学校可允许学位论文被查阅或借阅；④学校可以学术交流为目的，复制赠送

2、和交换学位论文；⑤学校可以公布学位论文的全部或部分内容(保密学位论文在解密后遵守此规定)。签名：鱼垫．日期：2呈墨：鱼：f望：导师签名：竖幽匕日期：幽l‘．易、／o太原理工大学硕士研究生学位论文基于模型优选的风电功率融合预测模型摘要当前人类社会发展所消耗的能源主要是化石燃料，化石燃料是不可再生能源，而且化石燃料的燃烧会带来严重的环境污染。风能作为一种清洁的、可再生的且蕴含量无限的能源已成为许多国家改变能源消耗结构和降低环境污染的重点利用能源。风能利用的主要形式是风力发电，但是风能具有间歇性、随机性和不稳定性等特点，使得风电也具有间歇性、不稳定性等特点。风电大规模接入电网会影

3、响整个电网的运行调度，而且会严重影响电力系统的电能质量和运行的可靠性，而风电功率的准确预测可以使电力调度部门及时调整大电网的调度计划，保证大电网的安全稳定运行，且能够有效的提高风能利用率。风电功率的单一预测模型有许多种，但在仿真研究中发现单一预测模型利用数据信息不够全面，在某些预测点可能会出现较大的误差，降低了预测精度。为进一步提高预测精度，本文在国家自然科学基金项目(编号：51277127)的资助下建立了风电功率的融合预测模型。本文主要研究内容包括以下几个部分：(1)阐述风电功率预测的研究背景及意义，总结当前风电功率预测模型的研究现状及常用的方法，并深入了解风力发电技术。

4、(2)根据风电功率预测的常用方法建立风电功率单一预测模型库，其中包括时间序列法、回归预测分析法、BP神经网络、Elman神经网络、RBF神经网络、广义回归神经网络以及支持向量机等预测模型。太原理工大学硕士研究生学位论文(3)在单一预测模型库的基础上，根据组合优化理论建立了基于算术平均法、误差平方和倒数法、简单加权平均法、二项式系数法和熵值法的风电功率组合预测模型。仿真结果表明，组合预测模型的精度总体上要优于各单一预测模型。(4)为进一步提高预测精度，本文建立了风电功率融合预测模型。仿真研究中发现，并不是所有的单一预测模型都能够有效的提高组合模型的预测精度，应该在组合前对单一

5、预测模型进行优选。为此，本文首先采用灰色关联分析法初步优选预测精度较高的模型，再用误差信息矩阵对这些精度较高的模型进行冗余性判断，剔除冗余模型，简化融合模型的计算，然后建立了基于模型优选的风电功率融合预测模型。MATLAB仿真结果表明，组合预测模型的预测效果总体上要优于每一种单一预测模型，特别是降低了较大误差点的出现，提高了预测精度。基于模型优选的融合预测模型简化了整个模型的计算量，节省了预测时间，预测效果比其相对应的组合模型略有提高，而且解决了Shapley值计算融合度时出现融合度为负的情况，体现了融合模型的的准确性和适用性。关键字：风电功率预测，融合模型，模型优选，融合

6、度，Shapley值II太原理工大学硕士研究生学位论文THEFUSIONMODELFORWINDPOWERPREDICTIONBASEDONMODELOPTIMIZATIONABSTRACTFossilfuelsasnon．renewableenergyaretheprimaryenergyconsumedbythehuman，andthebumingoffossilfuelswillbringtheenvironmentalpollution．Windenergyasakindofclean，renewableandinfiniteenergyhasbecomemaine

7、nergysourceforchangingthestructureofenergyconsumptionandreducingtheenvironmentalpollution．Generateelectricityisthemainformofuseofwindenergy．Asthewindenergyisintermittent，randomnessandinstability,SOthewindpowerisalsointermittentandinstability．Windpowerconnected