基于动态神经网络的风电场输出功率预测及其应用的研究

论文摘要

风电具有间歇性、随机性以及不可控性等特点,随着风电并网容量的增加,风功率预测在电力系统运行、风电场运行以及电力市场交易中的地位越来越重要。风功率短期预测有助于电力系统一二次备用控制和机组组合计划的制订,并且有助于风电场风机控制、机组组合计划、交易策略以及部分风机检修计划的制订。因此,进行风功率短期预测及其应用的研究十分必要。考虑结合气象预报数据进行风功率预测,确定了应用神经网络建立预测模型。为提高神经网络学习的效果,在进行神经网络训练前,对影响风功率预测值的变量进行了详细的分析和选择,并提出结合空间相关性法和神经网络建立预测模型。鉴于神经元存在饱和的问题,对用于预测的风速、风向等原始数据进行归一化分析和处理,得到了几组含有不同变量的数据,用于风功率预测。为了更好地模拟风功率的非线性时间序列特性,在建立风功率预测模型时,提出了利用动态神经网络建立提前24小时的风功率预测模型。分别提出了风功率局部反馈时延神经网络和全局反馈时延神经网络,两者均采用先确定模型阶数后进行网络训练的方法建立预测模型。然后采用RMSE和MAE两个误差指标以及和持续法比较,对比分析了动态神经网络和静态神经网络模型的预测效果,结果表明所建立的动态神经网络预测模型进行风功率预测效果优于静态神经网络模型。将预测得到的短期风功率应用于含风电场的日前调度计划研究。采用发电成本和备用成本为目标函数建立日前调度计划模型,应用动态规划优先顺序法求解所建模型。考虑风功率预测精度的不同选择不同的旋转备用容量,分析风功率预测精度对调度经济性的影响。经过仿真计算,结果表明当风电穿透功率较大时,风功率预测准确性的提高,可以减少机组的备用容量,提高运行的经济性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及研究的目的和意义
• 1.2 风功率预测的必要性
• 1.3 风功率预测研究现状
• 1.3.1 风功率预测方法分类
• 1.3.2 风功率预测的物理模型法
• 1.3.3 风功率预测的时间序列法
• 1.3.4 风功率预测的人工智能模型和其他模型法
• 1.3.5 风功率预测的空间相关性模型法
• 1.4 本文的主要研究内容
• 第2章 风功率预测的原始数据处理方法研究
• 2.1 引言
• 2.2 风特性分析
• 2.2.1 风的数学表达
• 2.2.2 风速切变特性
• 2.3 风功率影响因素的分析
• 2.3.1 风功率影响因素的定性分析
• 2.3.2 风功率影响因素的定量分析
• 2.4 空间相关性法在风功率预测中的应用
• 2.4.1 不同地点数据的空间相关性分析
• 2.4.2 数据的修正方法
• 2.5 原始数据处理及预测输入变量选择
• 2.5.1 原始数据的处理方法
• 2.5.2 风速预测模型的输入变量选择
• 2.6 本章小结
• 第3章 基于动态神经网络法的风功率预测
• 3.1 引言
• 3.2 人工神经网络基本原理
• 3.2.1 神经元模型
• 3.2.3 传递函数
• 3.2.4 神经网络结构
• 3.2.5 神经网络的训练
• 3.3 BP 神经网络风功率预测模型的建立
• 3.3.1 BP 神经网络结构
• 3.3.2 提前24 小时BP 神经网络风功率预测模型的建立
• 3.3.3 风电场输出功率的预测结果分析
• 3.4 RBF 神经网络风功率预测模型的建立
• 3.4.1 RBF 神经网络的网络结构
• 3.4.2 提前24 小时RBF 神经网络预测模型的建立
• 3.4.3 风电场输出功率的预测结果分析
• 3.5 动态神经网络风功率预测模型的建立
• 3.5.1 全局反馈时延神经网络风功率预测模型的建立
• 3.5.3 局部反馈时延神经网络风功率预测模型的建立
• 3.6 风电场输出功率预测模型的评价
• 3.7 本章小结
• 第4章 风功率预测在日前发电调度计划中的应用
• 4.1 引言
• 4.2 含风电的日前发电计划模型的建立
• 4.3 基于动态规划法的含风电的日前发电计划模型求解
• 4.3.1 动态规划法的基本概念
• 4.3.2 动态规划法在机组组合中的应用
• 4.4 基于风功率预测的日前调度模型的算例分析
• 4.6 本章小结
• 结论
• 参考文献
• 致谢