基于谱分析的大规模风电场功率超短期概率区间预测研究

【摘要】：化石燃料逐年减少,环境污染日益严重,风能作为具有大规模开发和商业利用价值的可再生能源,已经广泛应用于发电领域,但其波动性、间歇性与随机性给大规模风电功率并网运行带来了巨大的困难。风电功率预测有利于制定调度计划安排,为风力发电机的运行与维护提供参考,是解决风电并网对电网安全稳定运行造成隐患的重要途径。风电功率由于风能本身具有波动特性,风电并网规模的加大,会对电能质量产生不利影响,随着风力发电的发展,电力系统势必会面临风电功率波动特性带来的挑战。本文通过对风电功率实测数据分析其在频域内的分布特性,从频域角度验证了风电功率的汇聚效应,可以利用风电装机容量的大小抑制风电功率的波动。风电功率实测数据是进行风电预测的基础,通过风电场数据采集与监视控制系统能够获得风电场实际运行相关数据,由于设备故障、人为因素、自然因素等原因,存在异常数据点。本文从实测数据的缺失数据入手,采用多种数据补齐方法,对缺失数据补齐结果评价指标进行介绍,对补齐后的数据采用同一预测方法进行预测,得出数据补齐效果与预测精度体现出非一致性的关系。准确地把握风电功率的变化规律是风电功率预测的本质,本文提出一种基于奇异谱分析和动态加权修正的风电功率超短期实时组合预测方法。利用奇异谱分析对风电功率时间序列进行分解,滤去噪声序列,对消噪序列利用自回归滑动平均、持续法和最小二乘支持向量机的加权系数动态修正组合模型进行预测,该方法能够有效提高预测精度,并显示出良好的普适性。对风电功率实时预测结果进行误差分析,本文提出一种基于非参数及半参数核密度估计的功率区间预测方法。统计原始风电功率数据概率密度分布,对风电功率划分高中低出力水平分段,将非参数与半参数相结合,对不同出力水平的风电功率进行超短期区间预测,通过对比不同置信水平下的三个区间预测评价指标,验证所提算法效果均为最优,体现了其优越性。