文档介绍：关于实时预测风电机组功率的研究摘要能源、环境是当今人类生存和发展所要解决的紧迫问题。风力发电由于清洁无污染,施工周期短,投资灵活,占地少,具有较好的经济效益和社会效益, 己受到世界各国政府的高度重视,成为当今世界增长最快的可再生能源,许多国家已把发展风力发电作为改善能源结构、减少环境污染和保护生态环境的一种措施。电力系统调度部门必要时及时调整调度计划,这样便可有效的减轻风电对整个电网的影响。所以,风速和风力发电功率的准确预测对于负荷管理和系统运行便显得十分重要,而且还可以减少电力系统运行成本和旋转备用,提高风电穿透功率极限,并且有利于在电力市场环境下正确制定电能交换计划,以充分利用风力资源,获得更多的经济效益和社会效益。本文针对风电功率的预测问题进行了一系列的研究建模。对于风电功率的预测建立了三种不同的模型,然后将其进行误差分析,得出误差最小的人工神经网络模型,并对模型进行进一步的探讨,得出更高精度的模型。同时,也将单台风电机的输出功率的预测数据与多台风电机的输出功率预测数据进行比较。得出了相关规律。对于问题一,我们利用 ARIMA 模型、灰色模型和人工神经网络模型对风电功率进行了实时预测,并将预测数据与事先准备好的实际数据进行比较,然后分析误差,得出了人工神经网络模型为最优模型的结论。对于 ARIMA 模型我们主要采用 SPSS 软件对数据进行预处理,然后建立。而灰色模型主要利用 EXCEL 软件。至于人工神经网络模型主要利用的 MATLAB 软件进行模型的建立。最后利用最小二乘法原理,预测数据并将数据进行拟合修正。分析误差,得出结论及相应的预测数据。对于问题二,我们将但台风电机的预测数据与多台风电机的预测数据进行比较,得出多台风电机输出功率并不是单台风电机的输出功率单纯的叠加,而需要利用加权算法进行运算得出总功率,并进行修正,才能得出精度较高的结果。对于问题三,我们在问题一的得出人工神经网络模型的精度最高,根据此启示,我们再次利用 MATLAB 建立了小波神经网络模型,然后对数据进行预测,拟合修正,得出最优解。关键词:风电功率最小二乘法数据拟合 Matlab 人工神经网络模型§1 问题的重述一、背景知识 1 、风力发电的概况目前,可再生能源(尤其是风能)的开发利用已得到世界各国的高度重视。随着科学技术的发展,风力发电技术也得到快速发展,大中型风电厂相继建成并投入运行。风力发电已逐渐具备大规模商业开发的技术和经济条件,在电网中所占比例呈不断升高之势。 2 、风力发电原理风力发电的原理,是利用风力带动风车叶片旋转,再透过增速机将旋转的速度提升,来促使发电机发电。是将风能转换为机械功的动力机械,广义地说, 是一种以太阳为热源,以大气为工作介质的热能利用发动机。 3 、风力发电功率现今风力发电主要利用的是近地风能。近地风具有波动性、间歇性、低能量密度等特点,因而风电功率也是波动的。大规模风电场接入电网运行时,大幅度地风电功率波动会对电网的功率平衡和频率调节带来不利影响。如果可以对风电场的发电功率进行预测,电力调度部门就能够根据风电功率变化预先安排调度计划,保证电网的功率平衡和运行安全。因此,如何对风电场的发电功率进行尽可能准确地预测,是急需解决的问题。二、具体试验数据现得到了某个由 58 台额定功率为 850 kW 的风电机组成的风电场中指定 4 台风电机的实际输出功率数据和 58 台风电机的实际总输出功率。 1 、指定的 4 台风电机输出功率数据指定的 4 台风电机分别记为 A B C D 、、、,其对应的数据为 2006 年5 月10 日到 2006 6 6 年月日的实际每个时点的输出功率,分为记为 A B C D P P P P 、、、。 2、 58 台风电机实际总输出功率数据数据 58 台风电机在 2006 年5 月10 日到 2006 6 6 年月日的每个时点的实际输出功率,记为。三、要解决的问题 1 、问题一: 利用所提供的数据,对 5月31日0时0分至 5月31日23时 45分和5月31日0时0分至6月6日23时45 分风电功率 4 58 A B C D P P P P P P 、、、、、进行实时预测,并根据附件 1中关于实时预测考核要求分析你所采用方法的准确性,然后推荐出一种最好的方法。 2、问题二:在问题 1的预测结果中, 试比较单台风电机组功率的相对预测误差和多台风电机组功率的预测的相对误差,分析风电机组的汇聚对于预测结果误差的影响。 3、问题三:在问题 1的基础上, 构建有更高预测精度的实时预测方法(方法类型不限) ,并用预测结果说明其有效性,来实现对进一步提高风电功率实时预测精度的探索。 58P §2 问题的分析风电功率预测问题是一类大样本多数据的统计分析与预测类问题。对本问题