大型風(fēng)電場(chǎng)發(fā)電功率的建模與預(yù)測(cè)研究

針對(duì)大型風(fēng)電場(chǎng)發(fā)電功率不確定性對(duì)電網(wǎng)造成的影響，本項(xiàng)目開展大型風(fēng)電場(chǎng)發(fā)電功率預(yù)測(cè)模型和預(yù)測(cè)方法的研究。通過對(duì)風(fēng)力發(fā)電功率時(shí)間序列分析和研究，確定風(fēng)電場(chǎng)發(fā)電功率時(shí)間序列具有混沌屬性的基礎(chǔ)上對(duì)風(fēng)力發(fā)電系統(tǒng)的混沌特性進(jìn)行分析，提出了風(fēng)力發(fā)電功率預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)方法。該方法針對(duì)混沌動(dòng)力學(xué)系統(tǒng)時(shí)間序列進(jìn)行相空間重構(gòu)，并以此理論為基礎(chǔ)建立基于神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電功率預(yù)測(cè)模型，從而作為神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)的設(shè)計(jì)和調(diào)整的理論依據(jù)。為了克服混沌時(shí)間序列只適合短期預(yù)測(cè)的缺陷，提出了神經(jīng)網(wǎng)絡(luò)模型與中尺度氣象預(yù)報(bào)模型相結(jié)合的模型參考自適應(yīng)預(yù)測(cè)模型，以提高中期風(fēng)電場(chǎng)發(fā)電功率的預(yù)測(cè)準(zhǔn)確度。通過大型風(fēng)電場(chǎng)風(fēng)力發(fā)電功率時(shí)間序列預(yù)測(cè)機(jī)理的研究，可以提高風(fēng)電場(chǎng)發(fā)電功率預(yù)測(cè)精度，利用電力調(diào)度保證電網(wǎng)的供電安全并降低旋轉(zhuǎn)備用電廠的備用容量。該研究對(duì)保證電網(wǎng)穩(wěn)定性和可靠性，降低大型風(fēng)電場(chǎng)運(yùn)營(yíng)成本具有重要得理論價(jià)值和現(xiàn)實(shí)意義。

《大型風(fēng)電場(chǎng)發(fā)電功率建模與預(yù)測(cè)》可供研究院所和高等院校從事新能源研究領(lǐng)域的人員閱讀，也可供高等院校電氣工程專業(yè)的研究生參考。

本書系統(tǒng)地介紹了風(fēng)力發(fā)電的特點(diǎn)、數(shù)值天氣預(yù)報(bào)模型及預(yù)報(bào)模式，以及風(fēng)力發(fā)電功率預(yù)測(cè)的重要性、誤差評(píng)價(jià)指標(biāo)、理論基礎(chǔ)、方法、誤差分析及應(yīng)用，從超短期預(yù)測(cè)、短期預(yù)測(cè)、中期預(yù)測(cè)、預(yù)測(cè)誤差分布不同角度應(yīng)用不同的預(yù)測(cè)模型進(jìn)行了仿真實(shí)例分析，同時(shí)給出了一套集成化風(fēng)力發(fā)電功率預(yù)測(cè)系統(tǒng)。

前言

第1章 風(fēng)力發(fā)電及風(fēng)力發(fā)電功率預(yù)測(cè) 1

1.1 風(fēng)力發(fā)電概述 1

1.2 風(fēng)力發(fā)電特性 3

1.2.1 風(fēng)力發(fā)電的特點(diǎn) 3

1.2.2 風(fēng)機(jī)的風(fēng)速—功率曲線 4

1.2.3 影響風(fēng)電場(chǎng)輸出功率的地理因素 6

1.3 NWP介紹 7

1.3.1 NWP模型 7

1.3.2 中尺度氣象預(yù)報(bào)模式 9

1.3.3 常用的NWP模式 10

1.4 風(fēng)力發(fā)電功率預(yù)測(cè)方法 11

1.4.1 按預(yù)測(cè)時(shí)間尺度劃分 11

1.4.2 按預(yù)測(cè)的物理量劃分 12

1.4.3 按預(yù)測(cè)范圍劃分 12

1.4.4 按預(yù)測(cè)模型劃分 12

1.5 風(fēng)力發(fā)電功率預(yù)測(cè)的發(fā)展 15

1.5.1 國(guó)外對(duì)風(fēng)力發(fā)電功率預(yù)測(cè)的研究 15

1.5.2 國(guó)內(nèi)對(duì)風(fēng)力發(fā)電功率預(yù)測(cè)的研究 17

1.6 風(fēng)力發(fā)電功率預(yù)測(cè)誤差及評(píng)價(jià)指標(biāo) 19

1.6.1 預(yù)測(cè)誤差來(lái)源 19

1.6.2 預(yù)測(cè)誤差分析意義 20

1.6.3 常用誤差評(píng)價(jià)指標(biāo) 20

1.7 本章小結(jié) 20

參考文獻(xiàn) 21

第2章 風(fēng)力發(fā)電功率預(yù)測(cè)理論基礎(chǔ) 26

2.1 時(shí)間序列法 26

2.1.1 時(shí)間序列簡(jiǎn)介 26

2.1.2 時(shí)間序列分析相關(guān)概念 27

2.1.3 時(shí)間序列模型定階 28

2.1.4 時(shí)間序列模型參數(shù)估計(jì) 29

2.1.5 ARMA模型的建立 30

2.2 神經(jīng)網(wǎng)絡(luò) 31

2.1.1 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 31

2.2.2 人工神經(jīng)元模型 31

2.2.3 神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu) 34

2.2.4 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí) 35

2.2.5 神經(jīng)網(wǎng)絡(luò)建模過程 36

2.2.6 BP網(wǎng)絡(luò)模型 36

2.2.7 RBF網(wǎng)絡(luò)模型 38

2.3 支持向量機(jī) 39

2.3.1 機(jī)器學(xué)習(xí)的基本問題 39

2.3.2 統(tǒng)計(jì)學(xué)習(xí)理論 41

2.3.3 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則 42

2.3.4 支持向量機(jī)理論 43

2.4 信號(hào)分解 59

2.4.1 小波變換及其理論 59

2.4.2 經(jīng)驗(yàn)?zāi)Ｊ椒纸饧捌淅碚?62

2.5 混沌理論與相空間重構(gòu) 63

2.5.1 混沌時(shí)間序列 63

2.5.2 混沌基本概念 63

2.5.3 混沌系統(tǒng)的判定 64

2.5.4 相空間重構(gòu)與Takens嵌入定理 66

2.5.5 時(shí)間延遲和嵌入維數(shù)的選取 67

2.6 本章小結(jié) 70

參考文獻(xiàn) 70

第3章 風(fēng)力發(fā)電功率的超短期預(yù)測(cè) 73

3.1 本章仿真數(shù)據(jù)描述 73

3.2 風(fēng)力發(fā)電功率預(yù)測(cè)的時(shí)間序列法 74

3.2.1 基于ARMA的風(fēng)力發(fā)電功率預(yù)測(cè)模型及仿真實(shí)例 74

3.2.2 基于多種定階方法的ARMA組合優(yōu)化預(yù)測(cè)模型及仿真實(shí)例 78

3.2.3 風(fēng)力發(fā)電功率預(yù)測(cè)的噪聲場(chǎng)合下的ARMA模型 79

3.3 風(fēng)力發(fā)電功率預(yù)測(cè)的相空間重構(gòu)法 83

3.3.1 風(fēng)力發(fā)電功率時(shí)間序列的混沌屬性 83

3.3.2 基于相空間重構(gòu)的神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu) 87

3.3.3 基于相空間重構(gòu)的神經(jīng)網(wǎng)絡(luò)模型的建立 89

3.3.4 仿真實(shí)例分析 90

3.3.5 基于相空間重構(gòu)的支持向量機(jī)模型結(jié)構(gòu) 92

3.3.6 仿真實(shí)例分析 94

3.4 風(fēng)力發(fā)電功率預(yù)測(cè)的信號(hào)分解法 95

3.4.1 小波—神經(jīng)網(wǎng)絡(luò)模型及仿真實(shí)例 96

3.4.2 經(jīng)驗(yàn)?zāi)Ｊ健窠?jīng)網(wǎng)絡(luò)模型及仿真實(shí)例 102

3.4.3 各種模型的對(duì)比分析 106

3.5 多模型組合預(yù)測(cè) 107

3.5.1 問題提出 107

3.5.2 多個(gè)模型組合方式 108

3.5.3 基于多嵌入維數(shù)的神經(jīng)網(wǎng)絡(luò)集成模型結(jié)構(gòu) 110

3.5.4 仿真實(shí)例及分析 110

3.6 本章小結(jié) 114

參考文獻(xiàn) 115

第4章 風(fēng)力發(fā)電功率的短期預(yù)測(cè) 117

4.1 本章仿真數(shù)據(jù)描述 117

4.2 基于單位置NWP的神經(jīng)網(wǎng)絡(luò)風(fēng)力發(fā)電功率預(yù)測(cè) 117

4.2.1 NWP信息與風(fēng)力發(fā)電功率的關(guān)系 117

4.2.2 預(yù)測(cè)模型結(jié)構(gòu) 119

4.2.3 仿真實(shí)例 120

4.3 基于聚類分析的風(fēng)力發(fā)電功率預(yù)測(cè) 120

4.3.1 風(fēng)力發(fā)電功率的日相似性分析 121

4.3.2 聚類分析的基本原理 124

4.3.3 預(yù)測(cè)模型結(jié)構(gòu) 128

4.3.4 仿真實(shí)例 128

4.4 基于多位置NWP粗糙集約簡(jiǎn)的風(fēng)力發(fā)電功率預(yù)測(cè) 133

4.4.1 粗糙集理論 133

4.4.2 基于多位置NWP粗糙集約簡(jiǎn)的預(yù)測(cè)模型 136

4.4.3 仿真實(shí)例 137

4.5 基于多位置NWP主成分分析的風(fēng)力發(fā)電功率預(yù)測(cè) 143

4.5.1 主成分分析的原理 143

4.5.2 預(yù)測(cè)模型結(jié)構(gòu) 148

4.5.3 仿真實(shí)例 148

4.6 本章小結(jié) 154

參考文獻(xiàn) 154

第5章 風(fēng)力發(fā)電功率的中期預(yù)測(cè) 156

5.1 本章仿真數(shù)據(jù)描述 156

5.2 基于氣象信息約簡(jiǎn)的粗糙集神經(jīng)網(wǎng)絡(luò)中期預(yù)測(cè) 157

5.2.1 基于粗糙集約簡(jiǎn)的中期風(fēng)速預(yù)測(cè)模型 157

5.2.2 基于粗糙集方法的風(fēng)力發(fā)電功率預(yù)測(cè)影響因素約簡(jiǎn) 157

5.2.3 粗糙集神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型建模 159

5.2.4 風(fēng)速預(yù)測(cè)仿真結(jié)果分析 161

5.2.5 月平均風(fēng)速和風(fēng)力發(fā)電量的關(guān)系 162

5.3 基于灰色理論的月發(fā)電量預(yù)測(cè) 164

5.4 多模型組合預(yù)測(cè) 166

5.5 本章小結(jié) 167

參考文獻(xiàn) 167

第6章 集成化風(fēng)力發(fā)電功率預(yù)測(cè)系統(tǒng) 168

6.1 系統(tǒng)設(shè)計(jì)需求 168

6.1.1 電網(wǎng)需求 168

6.1.2 風(fēng)電場(chǎng)需求 169

6.1.3 技術(shù)開發(fā)需求 170

6.2 集成化風(fēng)力發(fā)電功率預(yù)測(cè)系統(tǒng)設(shè)計(jì)方案 170

6.2.1 系統(tǒng)軟件組成 170

6.2.2 系統(tǒng)硬件設(shè)計(jì) 171

6.2.3 系統(tǒng)軟件設(shè)計(jì) 176

6.2.4 系統(tǒng)軟件開發(fā)環(huán)境介紹 176

6.3 集成化風(fēng)力發(fā)電功率預(yù)測(cè)系統(tǒng)功能 177

6.3.1 數(shù)據(jù)采集功能 177

6.3.2 數(shù)據(jù)處理功能 177

6.3.3 數(shù)據(jù)統(tǒng)計(jì)功能 177

6.3.4 預(yù)測(cè)功能 179

6.3.5 界面顯示功能 179

6.3.6 輸出功能 180

6.4 集成化風(fēng)力發(fā)電功率預(yù)測(cè)系統(tǒng)交互界面 180

6.4.1 系統(tǒng)登錄界面 180

6.4.2 預(yù)測(cè)系統(tǒng)界面 181

6.4.3 實(shí)時(shí)數(shù)據(jù)監(jiān)測(cè)界面 183

6.4.4 氣象數(shù)據(jù)查詢 184

6.4.5 功率數(shù)據(jù)查詢 185

6.4.6 系統(tǒng)運(yùn)行監(jiān)控 188

6.5 本章小結(jié) 189

參考文獻(xiàn) 189

第7章 風(fēng)力發(fā)電功率預(yù)測(cè)的應(yīng)用 190

7.1 風(fēng)力發(fā)電功率預(yù)測(cè)誤差分析 190

7.1.1 風(fēng)力發(fā)電功率預(yù)測(cè)誤差的存在形式 190

7.1.2 風(fēng)力發(fā)電功率預(yù)測(cè)誤差產(chǎn)生的原因 191

7.1.3 風(fēng)力發(fā)電預(yù)測(cè)誤差分布 193

7.2 風(fēng)力發(fā)電預(yù)測(cè)對(duì)系統(tǒng)備用容量的影響 194

7.2.1 電力系統(tǒng)可靠性指標(biāo) 194

7.2.2 系統(tǒng)備用容量的計(jì)算 195

7.3 考慮預(yù)測(cè)誤差分布的系統(tǒng)儲(chǔ)能容量配置實(shí)例 198

7.3.1 風(fēng)力發(fā)電功率預(yù)測(cè)誤差分布分析 198

7.3.2 系統(tǒng)儲(chǔ)能配置 200

7.4 本章小結(jié) 202

參考文獻(xiàn) 202

由于風(fēng)電場(chǎng)發(fā)電功率受風(fēng)速、風(fēng)向、地理、氣象等多方面因素的影響，既具有時(shí)間相關(guān)性，也具有空間相關(guān)性，單一的預(yù)測(cè)模型達(dá)不到預(yù)期效果。本項(xiàng)目以非平穩(wěn)變化的時(shí)間、空間的風(fēng)速序列數(shù)據(jù)為研究對(duì)象，建立一個(gè)具有泛化能力的最優(yōu)加權(quán)組合模型，給出預(yù)測(cè)結(jié)果誤差評(píng)價(jià)指標(biāo)；利用空間相關(guān)法，建立基于擴(kuò)展空間分布的區(qū)域性電網(wǎng)風(fēng)電場(chǎng)的輸出功率等效模型和算法。研究提出一種根據(jù)奇異點(diǎn)局部奇異性信息對(duì)來(lái)自于風(fēng)電數(shù)據(jù)采集控制系統(tǒng)的錯(cuò)誤數(shù)據(jù)進(jìn)行辨識(shí)糾錯(cuò)的方法。針對(duì)非平穩(wěn)風(fēng)速信號(hào)中產(chǎn)生的幅值突變和頻率突變，給出小波變換系數(shù)模極大值檢測(cè)算法。深入的研究區(qū)域性電網(wǎng)中風(fēng)電場(chǎng)輸出功率預(yù)測(cè)值隨時(shí)間漸變和突變的基本規(guī)律，探索將風(fēng)力發(fā)電功率預(yù)測(cè)和負(fù)荷預(yù)測(cè)相結(jié)合的基本規(guī)律，設(shè)計(jì)開短期風(fēng)電功率預(yù)測(cè)軟件，以確定風(fēng)電在滿足系統(tǒng)一定可靠性水平下的備用容量，以制定科學(xué)的發(fā)電計(jì)劃，優(yōu)化發(fā)電機(jī)組的開機(jī)組合，為風(fēng)電場(chǎng)并網(wǎng)安全經(jīng)濟(jì)運(yùn)行提供科學(xué)決策依據(jù)。