风速风功率短期预测研究.ppt

《风速风功率短期预测研究.ppt》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、风速风功率短期预测研究答辩人：导师：指导老师：时间：2019.05.17主要内容课题研究内容课题总结与展望课题研究背景及意义主要工作和成果312334课题研究背景及意义研究背景风能是一种可再生新能源风电成为目前最有前景的发电方式大规模风电接入电网研究意义合理优化调度，降低成本为风力发电提高市场竞争力对风电场的运行和维护提供合理参考课题研究内容WRF模式功率曲线BP神经网络遗传算法风速短期预测软件框架，控制方程，坐标方案，时间积分，物理过程方案二进制格式输出文件，GrADS分析显示WRF模式风速预测流程图WRF模式天气研究与预报模式(WeatherResear

2、chandForecastingModel,WRF)是为业务预报和大气研究的需要所设计的新一代的中尺度数值天气预测系统。完成模拟区域的选取、初始参数设置不同物理过程方案均方根误差(RootMeanSquareError,RMSE)和平均绝对误差(MeanAbsoluteError,MAE)是各种误差指标中比较常用的两种不同物理过程方案采用山东省安城风电场SCADA观测数据作为依据，与WRF模式预测出来的风速数据进行对比分析。使用WRF模式对该风场2019年3月15日的风速分别进行提前12h和24h不同时间尺度的预测，输出时间间隔为分别取为15min和30mi

3、n。微物理过程方案15min时间间隔输出30min时间间隔输出不同微物理过程方案均方根误差(m/s)不同微物理过程方案平均绝对误差(m/s)陆面过程方案15min时间间隔输出30min时间间隔输出不同陆面过程方案均方根误差(m/s)不同陆面过程方案平均绝对误差(m/s)边界层方案15min时间间隔输出30min时间间隔输出不同边界层方案均方根误差(m/s)不同边界层方案平均绝对误差(m/s)积云对流方案15min时间间隔输出30min时间间隔输出不同积云对流方案均方根误差(m/s)不同积云对流方案平均绝对误差(m/s)结果分析不同时间尺度下可以组合不同的物理

4、过程方案对风速进行预测，选取不同的输出时间间隔也会得到不同的预测结果。15min的输出时间间隔已能满足模式预测风速的需要。由于地形和环境等因素，模式的预测精度与所选取的初始条件和边界条件有更为直接的依赖关系。不同嵌套方案嵌套——分辨率分别进行单层模式和3层嵌套模式不同方案的预测，水平网格分辨率单层模式设置为8km，嵌套模式设置为45km，15km和5km。单层模式区域风向杆图三层嵌套模式最内层区域风向杆图不同嵌套方案不同嵌套方案预测数据与实测数据的误差(m/s)符合欧洲风能预报计划结果是否需要增加嵌套层数以提高预测精度需视具体情况而定风功率短期预测在对风速预

5、测的基础上，采用两种方法对输出功率进行预测。功率曲线：风力发电机组功率曲线是反映风速与输出功率之间关系的曲线。风力发电机组输出特性风功率短期预测BP算法的预测流程确定网络层数准备样本数据，并进行归一化处理。确定隐含层神经元数目(4)通过设置训练参数，网络进行训练学习，达到设定误差值为目标。训练函数：trainlm学习率：0.07期望误差：0.02隐含层和输出层传递函数为logsig和purelin(5)用测试样本进行预测。3层试凑法BP神经网络风功率短期预测曲线建立方法平均绝对误差平均相对误差均方根误差相关系数直接法0.11370.197315.83%0.8

6、437比恩法0.11650.208015.74%0.8392最大值法0.11520.250314.79%0.8516幂函数法0.11510.236413.94%0.8682神经网络法0.09330.169713.37%0.9007不同方法预测功率误差计算目前，电力系统要求短期风电功率预测的均方根误差应在15%左右，一般不能超过20%，而国外短期功率预测所采用的平均绝对误差标准也已达到10%~15%。本文准备的训练输入、输出数据分别是安城风场3月15日的实测风速和输出功率数据，该数据均为间隔15min的24小时数据，共97组。风功率短期预测遗传算法误差进化曲线

7、遗传算法运算流程图2.70092.5013遗传算法工作总结与展望总结1.运用中尺度数值模式WRF分别采用不同的方案对风电场的风速进行预测2.分别采用功率曲线和BP神经网络两种不同的方法进行风功率预测，并引入了遗传算法对BP神经网络进行优化展望1.WRF模式适用性及误差校正2.神经网络构建方法3.风功率直接预测ThankYou!21请各位老师批评指正！