收藏本站
《长沙理工大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

风功率预测与多种市场下虚拟电厂电—热—气协调优化调度

曹俊波  
【摘要】:开发新能源和提高能源利用效率是解决当前能源危机与环境问题的有效途径。新能源主要指风电等可再生无污染的清洁能源,但风电具有随机不确定性,提高风电功率的预测精度是实现风电经济安全并网的重要措施。提高能源利用效率主要指通过实现系统中电、热、气等不同能源之间的有机协调及不同能源之间联供来提高一次能源利用效率,通过先进的协调控制、智能量测及信息通信技术聚合分布式能源组成的虚拟电厂是一种提升系统能源利用效率的重要形式。首先,在现有预测技术的基础上,提出了改进ARIMA模型的风功率预测方法,该方法应用ADF检验判断风功率时间序列的平稳性,从而确定出不同出力特性的风电场风功率时间序列转化为平稳序列所需的差分次数。以AIC准则、Yule-Walker方程以及自协方差方程等工具确定出模型参数,加入限幅环节对预测结果修正。以某风电场实际出力为例进行预测分析,验证了风功率预测序列与原序列具有相同的统计特性。以误差、均方差、平均绝对误差为预测评价指标验证了改进的ARIMA模型比原ARIMA模型有更好的预测效果。应用改进的ARIMA模型对虚拟电厂中的风电出力、光伏出力、电价及负荷进行预测。为更好实现综合能源网络中能源间互补协调,提升能源利用效率,在聚合风电、光伏、微型燃气轮机、燃气锅炉、储能、负荷等组成虚拟电厂.的基础上,增加了电转气单元,加强了电、热、气间的联络;电负荷中考虑了可中断负荷,可中断负荷和微型燃气轮机提供旋转备用服务。将虚拟电厂从参与主电力市场扩展到同时参与热市场、旋转备用市场及天然气市场的多种市场,以虚拟电厂获得利润最大为目标,提出了多种市场下虚拟电厂电-热-气协调优化调度模型。仿真表明相比于参与单一市场虚拟电厂同时参与多种市场具有更优的经济性、调度灵活性。改进的ARIMA模型有效提高了风功率预测精度,将有效降低系统备用容量,提升系统运行经济性,该方法也可对光伏出力、电价及负荷进行预测。聚合分布式能源组成虚拟电厂实现热电联产同时参与多种市场可有效提升能源利用效率及系统运行经济性,随着我国电力市场化不断推进,虚拟电厂将有广阔的应用前景。
【学位授予单位】:长沙理工大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TM73

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 孙其法;闫秋艳;闫欣鸣;;基于多样化top-k shapelets转换的时间序列分类方法[J];计算机应用;2017年02期
2 王金策;杨宁;;时间序列趋势预测[J];现代计算机(专业版);2017年02期
3 彭佳星;肖基毅;;基于分型转折点的证券时间序列分段表示法[J];商;2016年31期
4 刘伟龙;;基于ARMA模型的股价预测及实证研究[J];智富时代;2017年02期
5 周仰;;《漫长的告别》(年度资助摄影图书)[J];中国摄影;2017年04期
6 王嵬;;王嵬作品[J];当代油画;2017年07期
7 刘明华;张晋昕;;时间序列的异常点诊断方法[J];中国卫生统计;2011年04期
8 郭崇慧;苏木亚;;基于独立成分分析的时间序列谱聚类方法[J];系统工程理论与实践;2011年10期
9 王佳林;王斌;杨晓春;;面向不确定时间序列的分类方法[J];计算机研究与发展;2011年S3期
10 万里;廖建新;朱晓民;倪萍;;一种基于频繁模式的时间序列分类框架[J];电子与信息学报;2010年02期
中国重要会议论文全文数据库 前10条
1 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年
2 张可;李媛;柴毅;黄磊;;基于分段趋势的符号化时间序列聚类表示[A];第37届中国控制会议论文集(D)[C];2018年
3 徐光晶;;统计学在大地电磁测深时间序列处理中的应用[A];2017中国地球科学联合学术年会论文集(二十九)——专题57:电磁地球物理学研究及其应用[C];2017年
4 毛宇清;王咏青;王革丽;;支持向量机方法应用于理想时间序列的预测研究[A];中国气象学会2008年年会气候预测研究与预测方法分会场论文集[C];2008年
5 吴丽娜;黄领梅;沈冰;吕继强;;黄河上游降水时间序列混沌特性识别与预测年限分析[A];水系统与水资源可持续管理——第七届中国水论坛论文集[C];2009年
6 吴坚忠;路子愚;郑应平;;时间序列社会悖论模型及分析[A];1989年控制理论及其应用年会论文集(上)[C];1989年
7 雷敏;孟光;谢洪波;Kerreie Mengersen;Peter Bartlett;;嵌入维数对复杂时间序列的熵分析的影响研究[A];中国力学大会-2015论文摘要集[C];2015年
8 王兆甲;王海良;;一种相似时间序列挖掘算法及其在汽车运动分析中的应用[A];2014中国汽车工程学会年会论文集[C];2014年
9 林忠辉;莫兴国;薛玲;;用NDVI时间序列确定作物物侯和作物类型判别[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
10 王冬;章家义;陈宗;;配电网时间序列数据的云计算集群快速压缩模型[A];2017年江西省电机工程学会年会论文集[C];2018年
中国重要报纸全文数据库 前10条
1 王晓宝 杨永恒 永安期货;浅析波动率的均值回复特征[N];期货日报;2017年
2 东证期货 王爱华 杨卫东;两年涨跌轮回 秋季普遍下跌[N];期货日报;2009年
3 国家统计局核算司 吕峰;不变价GDP时间序列数据的构造[N];中国信息报;2016年
4 ;《时间序列与金融数据分析》[N];中国信息报;2004年
5 何德旭 王朝阳;时间序列计量经济学:协整与有条件的异方差自回归[N];中国社会科学院院报;2003年
6 刘俏;让数据坦白真相[N];21世纪经济报道;2003年
7 卞纪;我国多时间序列湿地遥感制图完成[N];中国气象报;2011年
8 权证一级交易商 国信证券;正股走势及时间序列主导下半年权证市场运行结构[N];证券时报;2006年
9 广发期货股指研究小组 谢贞联;Hurst指数提示市场升势或将形成[N];上海证券报;2012年
10 丁睿 中粮期货研究院;试论指数HP滤波分析法的应用[N];期货日报;2014年
中国博士学位论文全文数据库 前10条
1 康峻;基于时间序列遥感数据的植被精细分类与覆盖度反演研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
2 林蕾;基于循环神经网络模型的遥感影像时间序列分类及变化检测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
3 丁红;柳江径流分析与预测研究[D];武汉理工大学;2016年
4 马俊;GPS坐标时间序列严密三维噪声模型建立方法[D];武汉大学;2018年
5 周超;集成时间序列InSAR技术的滑坡早期识别与预测研究[D];中国地质大学;2018年
6 丁超;MODIS时间序列重建方法与应用[D];中国地质大学(北京);2018年
7 魏永强;煤矿瓦斯监测数据插值与预测研究[D];中国矿业大学(北京);2015年
8 杨玉军;基于机器学习的时间序列模型研究及其应用[D];电子科技大学;2018年
9 鲁韵帆;随机交互金融模型的构建及金融时间序列的统计分析[D];北京交通大学;2018年
10 郭珩;复杂网络在非线性时间序列分析中的应用[D];华东师范大学;2018年
中国硕士学位论文全文数据库 前10条
1 曹俊波;风功率预测与多种市场下虚拟电厂电—热—气协调优化调度[D];长沙理工大学;2018年
2 韩如愿;两种基于数据驱动的库存预测方法研究[D];厦门大学;2017年
3 曹西娟;模糊时间序列在钻井风险概率中的预测及应用[D];西南石油大学;2018年
4 宫志晨;模型空间中的时间序列分类算法及其在不平衡数据上的应用[D];中国科学技术大学;2018年
5 卞松寒;时间序列的细化二元熵和递归性研究[D];北京交通大学;2018年
6 刘成功;时间序列的复杂性和递归性研究[D];北京交通大学;2018年
7 江粉桃;非线性方法的时间序列组合模型在农产品价格预测中的应用研究[D];兰州交通大学;2018年
8 郑毅;时间序列数据的胶囊式LSTM特征提取算法研究[D];华中师范大学;2018年
9 魏延杰;基于深度学习的复杂时间序列分析[D];哈尔滨工业大学;2018年
10 孟凡山;基于随机特征采样的时间序列分类算法的研究与实现[D];哈尔滨工业大学;2018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
  • 010-62791813
  • 010-62985026