A题广州大学史建莫艺华汪锦亮 (1)

《A题广州大学史建莫艺华汪锦亮 (1)》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、答卷编号：4705论文题目：风电功率波动特性的分析姓名专业、班级有效联系电话参赛队员1史建数学与应用数学13826075379参赛队员2莫艺华信息与计算科学15802027662参赛队员3汪锦亮数学与应用数学15918721567指导教师：杨洁霞参赛学校：广州大学证书邮寄地址及收件人：广东省广州市广州大学城外环西路230号广州大学数学学院钟育彬收答卷编号：4705阅卷专家1阅卷专家2阅卷专家3专家签字风电功率波动特性的分析——从一个风电场入手摘要本文的目标是利用多种方法和MATLAB，SPSS等工具对不同时间间隔波动的概率分布、不同等量级的风电机输出功率、以及对未来输出功率的预

2、测，进行进行分析、估算、建模。针对数据处理，用SPSS进行对连续的数据相关性的分析，发现连续的5个数据具有很强的相关性，因而可以建立合理的ＢＰ神经网络对缺失数据的进行填补。针对问题一，我们选取了数据缺损值最少的7、9、11、13、14号风电机，对数据补全后选取合适的时间窗宽使用滑动平均法提取波动值，建立关于风电功率波动的模型。利用对MATLAB工具箱的dfittool分别对5组数据进行分析，画出概率直方图，使用normal、logistc、tlocation-scale三种典型的对称分布分别拟合图像并得到每组数据的平均值、标准差、极差、变异系数、偏度、峰度等统计量数据，并定义拟

3、合指标，通过对比每组图像和指标得出风电功率波动最符合t分布，并利用t分布对以每日为时间窗宽的5组数据进行检验，得出不同机组的输出功率随时间波动均明显更符合t分布，总体波动是随时间各个叠加而成。针对问题二，我们定义时间间隔为：始点和终点的时间长度，利用VC++6.0进行编程提取数据，运用问题一的方法，重新进行分析，得到在分钟级间隔情况下问题一中使用的三种分布对于功率波动拟合情况更好，且同样都更符合t分布。针对问题三，由于在计算时按分钟间隔取样，只能反映在分钟尺度上的功率波动情况。不妨定义为波动信息损失率。可以认为，当波动信息未损失时，波动将呈现更多的随机性，此时典型分布拟合度越差

4、，反之波动信息越少，拟合越平滑。在问题一和问题二中的反应为问题二中的数据相同分布拟合程度都比问题一的要好。有理由适当外推相信，当时间尺度很大的时候，所取的点很可能稳定在均值附近，波动度为0。针对问题四，将数据求和，同样做出频率分布直方图拟合。最后得出由于整体在运算中相互影响，故每个风电机发电波动情况的信息被忽略了。同样可以使用问题三中类似的方法定义信息损失率。针对问题五，建立BP神经网络，共采用实际观察的60组数据样本进行训练，以风电功率作为目标值，6组作为检验，具体训练指标选取是：学习函数选用LEARNGDM，动量因子取0.1，迭代数3000，精确值1e-010.为了提高网络

5、精度，中间层的神经元个数设定为50个，一个隐含层，一个输出层。25针对问题六，通过对比基于相同的时间序列的单台电机风电功率波动概率分布图和总功率波动概率分布图并比较相应的统计量得出单台电机功率的波动较大，峰值明显。针对问题七，根据处理的图像以及相关的统计量、查阅相关的文献得出相关的看法。最后，本文对模型进行了评价、相关改进建议。关键字：功率波动、t分布、BP神经网络、时间序列、SPSS、概率密度函数一、问题重述随着资源环境约束的日趋严苛，以化石能源为主的能源发展模式必须根本转变。近年来，可再生能源开发的热潮遍及全球。我国已经规划了8个千万kW级的大型风电基地。截至2012年底，

6、我国风电装机容量已超过7000万kW，居世界第1位。预计2020年全国风电装机容量将超过2.0亿kW。风力发电不消耗任何燃料，可谓清洁能源；风力来源于大气运动，不会因为开发风电而枯竭，是一种可再生能源。风电机组发出的功率主要与风速有关。由于风的不确定性、间歇性以及风电场内各机组间尾流的影响，使得风力发电机不能像常规发电机组那样根据对电能的需求来确定发电。大规模风电基地通常需接入电网来实现风电功率的传输与消纳。风电功率的随机波动被认为是对电网带来不利影响的主要因素。研究风电功率的波动特性，不论对改善风电预测精度还是克服风电接入对电网的不利影响都有重要意义。风电场通常有几十台、上百

7、台风电机组。大型风电基地由数十甚至上百个风电场组成。因此，风电功率的波动有很强的时空差异性。附件给出了某风电场中20台1.5MW风电机组30天的风电功率数据（单位为kW，间隔为5s），请做如下分析。问题一：任选5个风电机组：a）在30天的范围内，分析机组i的风电功率波动符合哪几种概率分布？分别计算数值特征并进行检验，推荐最好的分布并说明理由。比较5个机组分布的异同。b）用以上确定的最好的概率分布，以每日为时间窗宽，对5个风电功率分别计算30个时段的概率分布参数并做出检验；试比较不同机组（空间