收藏本站
《兰州大学》 2014年
收藏 | 手机打开
二维码
手机客户端打开本文

短期风速统计预报方法的开发研究

王聚杰  
【摘要】:面对煤炭、石油等传统能源资源的日益枯竭,以及日益严峻的环境问题,风能、太阳能等可再生能源已在世界范围内受到重视。其中风能作为重要的可再生能源资源,具有蕴藏量丰富、可再生、分布广、无污染等特性,经过近些年的发展,风力发电在电力发展中占据着不可忽视的地位。风电具有波动性和间歇性特点,大规模风电的接入对电力系统的安全稳定运行带来了挑战。风电功率预测对于电力调度部门根据风电功率变化及时调整调度计划、保证电能质量、减少系统的备用容量、降低系统运行成本都是至关重要的。而风电场风速预测是风电功率预测的基础,因此,提高风电场风速预测的精度,对于风力发电的发展起着十分关键的作用。根据预测周期的不同,风速预测通常可以分为长期风速预测、中期风速预测和短期风速预测。长期风速预测主要用于风电场规划设计;中期风速预测主要用于电力系统的功率平衡和调度、交易、暂态稳定评估;短期风速预测主要用于发电系统的控制,其对于及时纠正电网并网计划中的偏差,完善电网并网计划,充分利用风能,减少因中长期预测中的偏差而限发的电量,并保证电网安全,有着重要的意义。但目前短期风速预测精度依然不足,提高短期风速预测精度成为目前亟待解决的问题。本文的重点集中在短期风速统计预测方法的开发研究上。本文以河西地区的风速为研究对象,系统分析了该地区不同站点的风速和风向的统计规律,并探讨了其变化特征。根据其变化特征,开发了三类较高精度的短期风速统计预报方法,分别为基于周期矫正(SAM)的短期风速预测模型、基于经验模式分解(EMD)的风速预测模型和模型重组的新预测方法。这就为风力发电系统的控制和风电场的短期风功率预测系统的开发提供指导。其主要结果如下:1)开发的第一类研究方法,针对实际风速的复杂周期变化,将SAM应用于风速预测模型中。这类方法提出了两种基于SAM的短期风速预测模型,一种是将SAM和指数平滑法(ESM)相结合,我们称之为SAM-ESM模型,另一种是将SAM和小波神经网络(WNN)相结合,并用遗传算法(GA)对WNN进行了学习训练,我们称之为SAM-GA-WNN模型,利用这两种模型对河西地区的风速进行了短期预测,并将预测结果与传统的持续法(PM)预测结果进行了对比分析,结果表明,基于SAM的短期风速预测方法是一类较优的预测方法,能够提高预测精度。2)开发的第二类研究方法,针对风速数据序列的非平稳性,将处理非平稳信号的EMD方法应用于风速预测模型中。这类方法提出了两种基于EMD分解的风速预测模型,一种是将EMD分解和自回归移动平均(ARMA)模型相结合,我们称之为EMD-ARMA模型,另一种是将EMD分解和BP神经网络(BPNN)相结合,并用粒子群优化算法(PSO)对BPNN进行了学习训练,我们称之为EMD-PSO-BPNN模型,利用这两种模型对河西地区的风速进行了短期预测,并将预测结果与PM模型的预测结果进行了对比分析,结果表明,本研究所开发的第二类短期风速预测方法是一类较优的预测方法,能够提高预测精度。3)开发的第三类研究方法,针对风速变化的不同模式,将模型重组的思想应用到风速预测模型中。这类方法提出了两种模型重组的新预测模型,一种是将ESM模型和WNN模型相结合,ESM模型主要是用来捕获风速变化的线性模式,WNN模型是来捕获非线性模式,并考虑到WNN建模预测的复杂性,采用GA对WNN进行学习训练,我们称之为ESM-GA-WNN模型,另一种是ARMA和BPNN模型相结合,并用PSO对BPNN进行学习训练,我们称之为ARMA-PSO-BPNN模型,利用这两种组合模型对河西地区的风速进行了短期预测,并将预测结果与PM模型的预测结果进行了对比分析,结果表明,本研究所开发的第三类短期风速预测方法是一类较优的预测方法,能够提高预测精度。4)基于上述开发的三类短期风速统计预测方法,对比分析了它们的预测结果,并对它们的适用性进行了研究,整体上来说,SAM-GA-WNN模型和EMD-PSO-BPNN模型是两种较优的模型。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 马丽萍,褚立国;试论平均预测模型假设[J];内蒙古科技与经济;2004年14期
2 张成;王兴春;;空中机动目标航路预测模型[J];火力与指挥控制;2007年09期
3 李楷;;论汽车整车库存预测模型的构建[J];现代商贸工业;2008年05期
4 赵国清;张少勇;;关于成长曲线预测模型参数识别的一点看法[J];哈尔滨科学技术大学科学报告会论文摘要汇编;1985年S1期
5 左常勇;;随机疲劳寿命分布预测模型[J];机械强度;1988年02期
6 ;《节能管理和预测模型》[J];中国能源;1991年08期
7 刘沐宇,郑泽岱;灰色预测模型及在巷道收敛位移中的应用[J];非金属矿;1992年05期
8 张步涵;郑琢非;;灰色预测模型在农电规划中的应用[J];水电能源科学;1993年02期
9 陈淑敏;王秀英;;指数预测模型及参数识别[J];哈尔滨科学技术大学学报;1993年03期
10 陈传波,刘广宇;实时参量预测模型及其分析[J];湖北工学院学报;2001年04期
11 梅国建;张向波;徐宗昌;温再华;;基于支持向量分类的装备完好性预测模型[J];装甲兵工程学院学报;2009年01期
12 田忠志;;应用“多元线性回归分析法”建立洪泽湖水质预测模型的尝试[J];治淮;1985年03期
13 杨晓光,熊昌炳;结构陶瓷材料断裂强度统计预测模型[J];航空动力学报;1989年03期
14 罗吉庭;熊志昂;张全虎;;不可修武器贮存成败型数据可靠性预测模型的探讨[J];强度与环境;1993年01期
15 傅文峰;;电力系统月负荷的季节性周期预测模型[J];中国电力;1993年03期
16 陈业华,邱菀华;灰色灾变预测模型及其应用[J];北京航空航天大学学报;1998年01期
17 李天民,ИвахненкоА.Г.;复杂系统稀异事件预测模型的自组织方法[J];华中科技大学学报(自然科学版);1999年S1期
18 高攀;铁路客运量前景预测模型[J];铁道运输与经济;2001年03期
19 袁昌明,崔晓君;事故预测模型的建立与应用[J];中国计量学院学报;2004年04期
20 刘稳殿;王丰效;刘佑润;;基于多变量灰色预测模型的多元线性回归模型[J];科学技术与工程;2007年24期
中国重要会议论文全文数据库 前2条
1 鄢小彬;肖新平;;基于灰色马尔可夫模型的煤矿安全预测[A];第九届中国青年信息与管理学者大会论文集[C];2007年
2 罗荣桂;黄敏镁;;基于自适应神经模糊推理系统的服务业发展预测模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年
中国重要报纸全文数据库 前3条
1 刘庆;“预测模型”要缓行[N];网络世界;2006年
2 特约记者 刘京涛;华东化工销售员工设计价格预测模型见成效[N];中国石油报;2010年
3 记者 刘庆忠 通讯员 江腾;湖北完成山区风速变化研究[N];中国气象报;2013年
中国博士学位论文全文数据库 前10条
1 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
2 师懿;城市交通规划环评中空气污染预测模型研究[D];中国地质大学;2015年
3 张丽;牦牛肉用品质特性及近红外预测模型和产量等级系统的研究[D];中国农业科学院;2015年
4 王菲;肉牛饲料有效能值预测模型的建立与评价[D];中国农业大学;2016年
5 文江平;农村地区成人2型糖尿病发生风险相关生物标志物的筛选及预测模型的建立[D];中国人民解放军医学院;2016年
6 白云鹏;华法林稳态剂量预测模型在瓣膜置换术后抗凝治疗中的应用[D];天津医科大学;2016年
7 孙鹏;风电机组状态异常辨识广义模型与运行风险评估方法研究[D];重庆大学;2016年
8 马新;基于灰色系统与核方法的油藏动态预测方法研究[D];西南石油大学;2016年
9 付中涛;基于切削力预测模型的复杂曲面铣削进给速度优化研究[D];华中科技大学;2015年
10 王慧;胸外科患者术后慢性疼痛预测模型的建立[D];北京协和医学院;2014年
中国硕士学位论文全文数据库 前10条
1 刘冰;基于神经网络的纤维热磨过程能耗预测模型的研究[D];东北林业大学;2015年
2 张念;铁路轨道几何不平顺趋势预测的关键算法研究[D];西南交通大学;2015年
3 田振伟;城市能源预测模型的研究与应用[D];昆明理工大学;2015年
4 吴迪;基于模糊决策树算法的安全库存量预测模型[D];中国地质大学(北京);2015年
5 齐雯;采用灰色预测模型改进的HHT算法在故障诊断中的应用[D];华南理工大学;2015年
6 王萍;膀胱癌遗传分数的计算及发病风险预测模型的构建[D];复旦大学;2013年
7 石大宏;基于序列的蛋白质—核苷酸绑定位点预测研究[D];南京理工大学;2015年
8 熊盛华;基于BP神经网络的混合预测模型的实例研究[D];兰州大学;2015年
9 赵嫚;多种土壤对双酚A的吸附行为及吸附预测模型的构建[D];华中农业大学;2015年
10 李希熙;基于近红外光谱技术的菜籽油品质快速评价方法的研究[D];华中农业大学;2015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