收藏本站
《东南大学》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

风电场短期风速预测若干问题研究

张驰  
【摘要】:随着传统化石能源的不断减少以及生态环境的持续恶化,发展可再生能源已成为应对能源危机,改善环境问题,实现人类社会可持续发展的关键所在。在众多可再生能源中,风能由于其所具有的不可替代的特点与优势,正处于高速发展阶段。开发和利用风资源可以有效改善能源危机、减少环境污染,因而有着极其重要的意义。当前,风能的开发和利用主要是通过大规模风力发电并网。然而,由于风的间歇性、波动性和随机性等特点,风电的出力情况会随着风的变化而变得不稳定,从而给电力系统的安全稳定运行带来严峻的挑战。为了解决这一问题,一个有效的途径是对风电场风速、风功率进行预测。本文根据当前风电场短期风速预测领域的研究现状,结合江苏、宁夏以及云南三个地区的风电场实际风速数据,针对点预测误差减小和预测结果不确定性量化问题进行研究,提出了多种方法用于提高点预测精度,量化预测结果的不确定性。具体来说,本文的研究工作主要包括:(1)基于风电场短期风速预测领域的主流预测模型,即时间序列模型、神经网络模型以及支持向量机模型对三个风电场实际风速数据进行建模预测研究。比较分析了各单一模型的一步提前点预测效果以及基于直接预测和迭代预测的多步提前点预测效果。实验结果表明了单一预测模型的局限性以及研究组合预测模型的必要性。(2)提出了一种基于集成学习的加权组合预测方法用于降低模型选择风险,提高点预测精度。所提出的方法组合了时间序列模型、神经网络模型以及支持向量机模型。这些模型的权重采用一种新的方法进行设置,该方法既考虑了各模型的历史预测精度又考虑了组合以后整体模型的泛化能力。将所提出的方法用于实际风速数据,验证了该方法的有效性。(3)结合信号分解算法和机器学习模型,提出了一种新的分解组合模型用于提高风速点预测精度。所提出的方法首先采用经验模态分解算法对原始风速序列进行分解,然后根据分解得到的子序列构建特征并通过特征选择算法选取最相关的输入用于建模。在实际风速数据上的实验结果表明,相比于单一预测模型,分解组合模型可以显著提高点预测精度。(4)针对预测结果不确定性量化问题,提出了一种基于径向基函数神经网络和非劣排序遗传算法的方法用于直接构建风速预测区间。采用多目标优化框架处理区间构建问题,即训练径向基函数神经网络使其产生的预测区间既要最大化覆盖率又要最小化区间宽度。为了降低参数空间的维度以及简化搜索复杂度,提出一个两步法用于训练神经网络。所提出的方法在实际风速集上进行了验证,表明了方法的有效性。(5 )提出了一种基于高斯过程回归的混合模型用于风电场短期风速概率预测。所提出的混合模型使用线性自回归模型提取风速序列的整体结构,并利用非线性高斯过程回归模型进一步对残差进行建模。为了提取数据中的不同特性,考虑了不同类型的协方差函数并进行组合。此外,采用了自动关联决定技术处理不同输入的相对重要性。在实际风速数据上的实验结果表明,所提出的方法既可以产生误差较小的点预测值,又可以产生质量较高的预测区间。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前15条
1 郭顺生;王磊;黄琨;;基于时间序列模型预测汽车销量研究[J];机械工程师;2013年05期
2 杨忠;;负荷(曲线)预测的一种时间序列模型[J];黑龙江电力技术;1982年04期
3 罗杰D·汉森;兰杰桑·纳拉园安;冯文华;;城市需水量日变化时间序列模型[J];海河水利;1983年S1期
4 徐南荣;焦小澄;;平稳时间序列模型的结构判定[J];南京工学院学报;1984年01期
5 强锡富,周卫东;表面粗糙度的时间序列模型[J];仪器仪表学报;1990年02期
6 涂雄苓;;发电量的时间序列模型构建及实证分析[J];经济研究导刊;2011年21期
7 邱望仁;刘晓东;贺建军;;广义模糊时间序列模型模糊区间划分研究[J];大连理工大学学报;2013年03期
8 王百益;;时间序列模型在汽车随机振动分析中的应用研究[J];武汉工学院学报;1988年04期
9 张娟;王慧锋;;股票时间序列模型的关联规则挖掘[J];天津理工大学学报;2006年02期
10 王剑英;马戈;许洪范;;基于修正的时间序列模型对冲击负荷的预测[J];数学的实践与认识;2009年18期
11 胡泽文;肖明清;;基于时间序列模型的故障预测研究[J];计算机测量与控制;2013年06期
12 王斌;吴剑刚;胡伍生;;地铁结构变形预测的时间序列模型方法研究[J];现代测绘;2014年02期
13 陈茹雯;黄仁;史金飞;张志胜;;线性/非线性时间序列模型一般表达式及其工程应用[J];东南大学学报(自然科学版);2008年06期
14 吴宝华;叶家玮;;时间序列模型在珠海游艇旅游收入预测中的应用[J];船海工程;2009年06期
15 徐叶冉子;沈瑾;;基于圆分布法和时间序列模型的公共自行车需求量分析[J];工业工程;2014年02期
中国重要会议论文全文数据库 前3条
1 汪宏晶;林曦晨;汤洪秀;尹平;;多元时间序列模型及其应用[A];2011年中国卫生统计学年会会议论文集[C];2011年
2 史青;练晓华;;时间序列模型在地铁结构变形预测中的应用[A];第十五届华东六省一市测绘学会学术交流会论文集(江苏上海论文分册)[C];2012年
3 黄荣坦;;厦门港集装箱吞吐量的时间序列模型[A];2002年中国管理科学学术会议论文集[C];2002年
中国博士学位论文全文数据库 前10条
1 张驰;风电场短期风速预测若干问题研究[D];东南大学;2017年
2 朱乾龙;适用于机电暂态稳定性分析的风电场等值建模研究[D];合肥工业大学;2017年
3 赵彪;两类时间序列模型的统计推断[D];中国科学技术大学;2015年
4 尚华;两类时间序列模型的异常值检测研究[D];首都经济贸易大学;2016年
5 王立柱;基于计算智能的时间序列模型及预测研究[D];大连理工大学;2015年
6 杨凯;几类门限时间序列模型的推断研究[D];吉林大学;2016年
7 郭丹;高比例风电并网提高消纳能力的研究[D];沈阳农业大学;2017年
8 邱望仁;模糊时间序列模型及其在股指趋势分析中的应用研究[D];大连理工大学;2012年
9 罗梅;多铁材料的动态磁特性调控机制研究[D];电子科技大学;2017年
10 王聚杰;短期风速统计预报方法的开发研究[D];兰州大学;2014年
中国硕士学位论文全文数据库 前10条
1 王欣;风电场送出线路故障暂态分析及保护方案研究[D];天津大学;2016年
2 周伟;螺丝壳风电场电气系统设计与分析[D];华北电力大学(北京);2017年
3 李明浩;风电场接入的高压输电线路保护及重合闸方式研究[D];天津大学;2016年
4 杜彬;高低风速下大规模风电场功率爬坡有限度控制策略研究[D];上海电机学院;2017年
5 叶飞;风电场的动态无功补偿技术研究[D];安徽工业大学;2017年
6 程彧;基于ATP-EMTP的风电场过电压分析与防护研究[D];上海电力学院;2017年
7 肖峰;基于功率预测的含风电场电力系统经济调度[D];上海电机学院;2017年
8 周勃;含双馈型风电场的电力系统无功优化策略研究[D];兰州理工大学;2017年
9 周杰;MgTiO_3和Y_3Al_5O_(12)纳米陶瓷粉体的制备及电场辅助烧结行为的研究[D];长安大学;2017年
10 湛堂啟;电场组合作用下煤体瓦斯吸附与渗透规律研究[D];中国矿业大学;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978