短期风速和风电功率预测模型的研究

《短期风速和风电功率预测模型的研究》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、中图分类号：TM715UDC：621．3学校代码：10004密级：公开北京交通大学硕士学位论文短期风速和风电功率预测模型的研究ResearchonShort-TermPredictionModelsofWindSpeedandWindPower作者姓名：方江晓导师姓名：周晖学位类别：工学学号：09122123职称：副教授学位级别：硕士学科专业：电气工程研究方向：电力系统分析、运行与控制北京交通大学2011年6月t●致谢值此论文完成之际，在这里向我的恩师周晖副教授，以及曾给予我支持和关心的老师、同学、亲人和朋友们表示由衷的感谢!本论文从选题、构

2、思、直到最后文章的审阅，都是在周晖老师的悉心指导下完成的。在我就读研究生的两年时间中，无论在学业、科研还是生活上，周老师始终给予了我极大的关心和帮助。她严谨的治学作风、坦荡大度的胸怀、平易亲和的为人，一直潜移默化地影响着我，也必将使我受益终身。我想，语言文字实难表达我对恩师的感激之情，惟有在今后的学习工作中兢兢业业，力争取得良好的成绩，方能不负恩师的谆谆教诲。同时还要感谢电气工程学院的各位老师以及中国电科院的王天华博士在研究生阶段对我的大力培养。他们对我的学习、论文和科研工作提出了许多宝贵的意见，我的每一步成长都凝聚着他们的功劳，在此对他们表

3、示衷心的感谢。在撰写论文期间，陈鹏、何晓颖、尚志娟以及电气楼506实验室的同学们对我的论文研究工作给予了热情的帮助，在此向他们表达我的感激之情。最后还要感谢在我慢慢求学生涯中默默支持我的家人，多年来，他们的支持和鼓励时时伴我左右，使我能够专心完成我的学业。●中文摘要随着全球风力发电的快速发展，风电在电网中所占的比例越来越大。但由于风的间歇性和随机性特点，使得大规模的风电接入对电网的安全、稳定以及电能质量带来严峻挑战，因而限制了风电的发展规模。对风电场的输出功率进行准确的预测是解决此问题的有效途径之一，借助预测结果，有利于电力调度部门及时调整调

4、度计划，优化系统运行，同时还可减少电力系统的备用容量和运行成本。因此，对风电功率进行预测具有十分重要的意义。在此背景下，本文选择风速和风电功率的短期预测作为研究内容，运用多种方法对短期风速和风电功率预测进行深入的研究。首先，将时间序列和神经网络理论引入到风速预测模型中，分别建立了差分自回归滑动平均(劁RJMA)预测模型和BP神经网络预测模型。并在ARIMA模型的基础上，提出了自回归条件异方差(GARCH)和聚类ARIMA两种改进模型；在BP神经网络的基础上，引入遗传算法(GA)和粒子群算法(PSO)对BP神经网络的初始权值和阈值进行优化，分别

5、建立了GA-BP预测模型和PSO．BP预测模型。然后，通过算例分析对每种模型的预测效果和特点进行总结。为了进一步提高风速预测的精度，引入组合的思想，对上述单一模型预测值进行组合得到风速的组合预测值。最后，运用风电功率曲线，将风速的组合预测值转换成风电功率的预测值。通过以上对风速和风功率预测问题的研究，运用时间序列和神经网络理论进行了较为深入的模型探讨，并进行了数据处理以及数值计算，可以发现模型的改进以及数据的处理，是有助于提高风速和风电功率预测精度的。关键词：风速和风电功率；时间序列；聚类分析；神经网络；遗传算法；粒子群算法；预测模型JABS

6、TRACTABSTRACTWiththerapiddevelopmentof谢ndpowerinthewodd，theproportionofwindpowerinpower鲥dislargerandlarger．However,thedevelopmentofwindpowerislimitedduetoitsintermittenceandrandomicitywhenlarge-scalewindenergyaccesstothegrid．Therefore，accuratepredictionoftheoutputofthewindp

7、owerisnecessarySOastoachievetheoptimaloperationanddispatchingofthepowersystem，aswellasreducingthepowersystemspinningreserveandoperatingcosts．Underthisbackground，theshort-term、析ndspeedandpowerpredictionWasresearchedinthisthesis．VariousmethodswereusedtostudyOilshort-termwinds

8、peedandpowerprediction．Firstly,timeseriesandneuralnetworkwereintroducedintowindspe