文档介绍：基于灰色模型的风电场风速预测
(兰州大学数学与统计学院)
摘要
风能具有洁净、可再生、利用方便等优点,而且风资源的开发对人类生活环境的影响很小。风电场的选址、电能储存输送和电网稳定运行等都与风速预测有重要关系,因此风速预测对风电场的规划设计、电力运功行、提高电网的稳定性及降低运行成本有重要意义,但是风速具有较大的波动性,导致预测精度不高。针对这种急需风速预测的情况,利用灰色理论建立数学模型,依据风电场实际风速观测的数据,对电场的风速进行了提前1小时的预测,预测数据的精度为~~~~~%,这表明该模型的预测结果可以给风电部门在调配电量运输和控制发电机组数量决策提供了较好的参考价值。
关键词:风力发电灰色理论风速预测
1前言
目前,我国风力发电产业正处于快速发展阶段,但是风能具有不稳定的特点,在特殊天气中,风速样本数据往往出现极端值,电场并网发电后会给影响电网的稳定性。这是电力调度部门面对的首要问题,如果对发电机运行的数量和转速不能很好的预测会带来巨大的问题,若风速过小,则会导致发电量不够,容易引起电网崩溃;若风速过大,则会损坏风机叶片。因此,极端风速的预测在风力发电中是一
个非常重要的内容,但是风速极端值数据容量小,进行预测是一个非常困难的工作。
基于以上情况,本文主要采取灰色预测的方法来完成对风速的预测,得到几分钟、十几分钟、几小时或几台年之后的预测值。根据风电场定期记录的风速数据进行预测,预测结果将为风电部门的电力配送提供重要的参考价值,可以提高电网运行的安全性,降低发电的成本,从而增加每年的风电量,提高风电产业的经济效益。
2问题重述
目前,对风力发电的研究越来越深入和广泛,但关于风电场风速预测的研究还不能达到令人满意的程度。现在关于风速预测的研究还在继续,预测方法也有很多,比如最简单的方法是持续法,即把最近一点的风速观测值作为下一点的预测值;其他预测方法还有卡尔曼滤波法、时间序列法、人工神经网络法、模糊逻辑法、空间相关法等。
本文主要采取灰色模型预测法,此方法即简单又可以在较短的时间内完成预测,利用多种改进方法和检验方法使预测的精度提高,与模型检验分类表比较,达到了精准预测的效果。
3灰色预测模型原理
灰色理论认为一切随机都是在一定范围内、一定时间段上变化的灰色量及灰色过程。数据处理不去起统计规律和概率分布,而是对原始数据作一定处理后,使其成为有规律的时间序列数据,在此基础上建立数学模型。
数学模型原理如下:
(1)对数据进行一次累加或多次累加(无论累加的次数多少,预测完之后还要进行累减操作,其操作次数与累加次数形同,多次累加只是使数据的规律性很强)。
(2)建立GM(1,1)模型,通过最小二乘法拟合待处理数据,求出模型中的未知量。
(3)对数据进行累减还原操作。
(4)还原得到的数据即为预测数据。
(5)对所得数据进行检验分析包括残差检验、后验差检验、相对误差,最后得到预测精度。
(6)根据表1模型检验分类表进行对比,得出预测评价。
4模型的建立
(1)假设风电场所记录的风速数据都是在一般的天气状况下,没有特殊天气的影响。
(2)假设预测前后的天气状况(包括温度,湿度,气压等)是相同的。
(3)假设风电场的数据记录没有人为的干扰因素。
(4)假设风速观测设备记录的数据精度正常。
(5)假设精度的检验结果就是预测模型的评价。
表1 符号列表
符号意义
原始数据
经过一次累加后的数据
微分方程中的未知数
都为矩阵
的级比
点的残差
点的拟合值
点相对误差
平均绝对误差
精度
后验差比值
小误差频率
在点的级比偏差
GM(1,1)预测模型建立
(1)对原始数据进行一次累加
设原始数据为记为
对其做一次累加,得
其中
累加数列克服了原始数据的波动性和随机性,转化为规律性较强的递增数列,为建立微分方程形式的预测模型做好准备。
(2)建立GM(1,1)模型
模型:
(1)
微分方程(1)就是灰色预测模型的GM(1,1),其中为常数。可通过最小二乘法拟合得到
其中
微分方程(1)的解(称为时间响应函数)为
(2)
式(2)就数列的预测公式,由于式(2)是对一次累加生成数列的预测值,可以通过下式求得原是数列的还原预测值:
(3)
(3)级比检验、模型可行性分析
对给定序列,能否建立精度较高的GM(1,1)预测模型,一般可用的级比的大小与所属区间,即其覆盖来判断。
设且级比为
则当
时,序列可作为GM(1,1)建模。
实际上,上述比级的覆盖称为序列可容覆盖,当时,的可容覆盖分别为