收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

监督学习方法在短期风电功率预测中的应用研究

郭晓杰  
【摘要】:风的随机性、间歇性和波动性决定了风力发电的随机性和波动性。大容量的风力发电接入电网,若调度不当,对电力系统的安全、稳定性有很大影响。准确的风电功率预测,是保证电网稳定运行的关键因素之一。短期风电功率预测是指对未来0~72 h风力发电量的预测,对电力系统的调度、生产和维护有十分重要的意义。基于此,本文主要从风速等气象数据的预处理、单一方法的功率预测、组合方法的功率预测以及对功率预测的不确定性的量化等方面,对短期风电功率预测方法进行了深入的研究。首先,用高斯拟合、傅里叶拟合以及最小二乘支持向量机(LSSVM),建立风速和功率的之间的转换关系。针对过拟合问题,通过增加训练数据的数量、去噪声以及正规化处理等手段,有效地规避了过拟合现象的发生;针对基函数的选择问题,引入了核函数,解决了较难或无法选择基函数的问题。其次,由于基于核函数的岭回归不具有稀疏性,引入了具有稀疏性质的支持向量机回归。同时,为了更准确的描述风速和功率之间的对应关系,根据风速的Weibull分布特征和风速功率曲线,按照风速的大小,将风速划分成了高、中、低三个风速段并结合各个风速段的特征,提出了基于高斯模型和LSSVM的短期风电功率组合预测方法。根据风速功率散点图的特征可知,同一风速在不同时刻对应的功率分布在一个区间内,而非一个固定的值,于是引入高斯过程回归(GPR)对风电功率的分布进行预测。针对GPR的不稳定性和计算量大的特点,引入了Bagging和训练数据完全条件独立下的近似方法(FITC),提高了模型的稳定性并减小了计算量。在贝叶斯决策(BCM)的基础上,提出了一种新的权重组合策略,对Bagging聚合出的多个模型进行组合,有效地提高了算法的精度。以上运用监督学习方法和统计方法对风速和功率之间的关系进行了较深入的探讨,结合实验可得出以下结论,组合预测方法可以消除单一方法的一些不足,有效地提高功率预测的精度;GPR方法可以输出功率预测值的分布,它既可以给出较精确的预测值,又可以对预测值的不确定性进行准确的量化。最后,将上述研究的各类功率预测算法集成到了功率预测系统中,并在实际生产环境中验证了算法的有效性。同时,在现有的风电功率预测系统的基础上,提出了灵活性强、扩展性好的风电功率预测系统以及风电功率预测平台架构。


知网文化
【相似文献】
中国期刊全文数据库 前15条
1 黎远思;;短期风电功率预测误差综合评价方法研究[J];企业技术开发;2016年24期
2 杨茂;刘红柳;;超短期风电功率爬坡事件对风电功率实时预测误差的影响研究[J];太阳能学报;2017年03期
3 王伟胜;王铮;董存;梁志峰;冯双磊;王勃;;中国短期风电功率预测技术现状与误差分析[J];电力系统自动化;2021年01期
4 杜凯育;秦刚;陈忠孝;白泓;;直流配电网短期风电功率预测研究[J];国外电子测量技术;2019年11期
5 王丽婕;厉虹;方市彬;;基于人工鱼群优化算法的支持向量机短期风电功率预测模型[J];电气工程学报;2016年10期
6 杨茂;都键;李大勇;孙涌;贾云彭;;基于集对分析聚类法的超短期风电功率区间预测[J];可再生能源;2017年09期
7 陆欣;沈艳霞;陈杰;纪志成;;考虑风力发电随机性的超短期风电功率区间预测研究[J];太阳能学报;2017年05期
8 陈刚;王印;单锦宁;李天奇;郑雯泽;王雷;苏梦梦;黄博南;;生成对抗网络在风电功率预测中的应用[J];辽宁工程技术大学学报(自然科学版);2021年03期
9 杨茂;代博祉;刘蕾;;风电功率概率预测研究综述[J];东北电力大学学报;2020年02期
10 杨茂;杨春霖;杨琼琼;苏欣;;计及风向信息的风电功率异常数据识别研究[J];太阳能学报;2019年11期
11 丘刚;李国庆;张德亮;肖桂莲;刘大贵;薛艳军;;基于约翰森协整及格兰杰因果检验的风电功率关键要素辨识与预测方法[J];供用电;2019年12期
12 丁乃千;陈正洪;;风电功率组合预测技术研究综述[J];气象科技进展;2016年06期
13 杨茂;季本明;;基于风电功率周期特性的组合预测研究[J];太阳能学报;2016年07期
14 杨茂;杜刚;;基于t Location-Scale分布的风电功率概率预测研究[J];中国电力;2017年01期
15 刘石;;风电功率预测信息在日前机电组组合中的应用[J];建材与装饰;2017年07期
中国重要会议论文全文数据库 前20条
1 王澄海;;我国风电功率预测的一些问题[A];第27届中国气象学会年会气候资源应用研究分会场论文集[C];2010年
2 唐烨;;基于云平台的远程集中式风电功率预测系统[A];2013电力行业信息化年会论文集[C];2013年
3 李德峰;陈红彪;李俊华;陈郁林;;基于相似集合的风电功率多步预测方法[A];第37届中国控制会议论文集(E)[C];2018年
4 戴义平;夏俊荣;赵攀;;风电功率预测技术及发展现状[A];中国动力工程学会透平专业委员会2011年学术研讨会论文集[C];2011年
5 严干贵;冯凯翔;刘嘉;李军徽;王月;;基于风电功率预测误差区间的储能系统控制策略研究[A];第一届全国储能科学与技术大会摘要集[C];2014年
6 朱海婷;杨宁;王博;;一种新型人工智能算法对风电功率预测的优化[A];智能化电站技术发展研讨暨电站自动化2013年会论文集[C];2013年
7 李炎;高山;;风电功率短期预测技术综述[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(下册)[C];2008年
8 ;国外风电功率预测发展现状[A];中国农机工业协会风能设备分会《风能产业》(2014年第1期)[C];2014年
9 宁春霞;杜大军;;基于KELM的风电功率预测误差估计研究[A];第17届中国系统仿真技术及其应用学术年会论文集(17th CCSSTA 2016)[C];2016年
10 张彦;;《测量小灯泡的电功率》教学案例[A];河北省教师教育学会2012年中小学教师优秀案例作品展论文集[C];2012年
11 张宏图;李晓奇;;基于AIMA的改进神经网络模型在风电功率短期预测中的应用[A];第十一届中国不确定系统年会、第十五届中国青年信息与管理学者大会论文集[C];2013年
12 王世谦;苏娟;杜松怀;;基于小波变换和神经网络的短期风电功率预测方法[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
13 范新桥;王述仲;范宁宁;张文朝;;LMD和GEP在短期风电功率预测中的应用[A];2013年中国电机工程学会年会论文集[C];2013年
14 侯力枫;庞博;宋新利;徐硕;鲁杰;;CCHP系统可调度最小电功率优化研究[A];2018智能电网新技术发展与应用研讨会论文集[C];2018年
15 彭晖;黄金花;黄学良;;基于人工神经网络的短期风速预测[A];2009年风电场接入电网技术专题研讨会论文集[C];2009年
16 祁文静;周瑞;王静;郭淮莲;樊碧发;李小俚;万有;;带状疱疹后遗神经痛患者脑电功率与频率分析[A];中华医学会第十八次全国神经病学学术会议论文汇编(下)[C];2015年
17 李炎;高山;;小波奇异性检测原理在风电功率预测中的应用[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(下册)[C];2008年
18 孟庆良;冯德;;三相系统非同相间电功率可控在线交换原理(纵横变电模式探索)[A];科技创新与经济结构调整——第七届内蒙古自治区自然科学学术年会优秀论文集[C];2012年
19 ;能源局下发特急文件最大限度保障风电全额消纳[A];《电站信息》2012年第4期[C];2012年
20 张旭;马一凡;韩永辉;张晴晴;;基于功率谱密度的风电功率特性分析[A];智能化电站技术发展研讨暨电站自动化2013年会论文集[C];2013年
中国博士学位论文全文数据库 前19条
1 章国勇;风电功率预测区间评估及其并网发电调度研究[D];华中科技大学;2015年
2 阎洁;风电功率预测不确定性及电力系统经济调度[D];华北电力大学(北京);2016年
3 高阳;风电场风电功率预测方法研究[D];沈阳农业大学;2011年
4 孙川永;风电场风电功率短期预报技术研究[D];兰州大学;2009年
5 韩自奋;风电功率预测研究[D];武汉大学;2012年
6 朱乔木;基于深度学习的电力系统暂态稳定评估及风电功率预测方法研究[D];华中科技大学;2019年
7 陈道君;风电功率短期预测与并网低碳调度研究[D];武汉大学;2013年
8 房晟辰;基于高斯过程回归及Trust-Tech的短期风电功率预测方法[D];天津大学;2016年
9 周松林;风电功率预测及微电网概率潮流分析[D];合肥工业大学;2013年
10 张浩;风电功率时空不确定性预测方法研究[D];华北电力大学(北京);2021年
11 赵欣;小世界网络理论及其在风电功率短期预测中的应用研究[D];北京交通大学;2015年
12 梁正堂;基于不确定性特征挖掘的风电系统预测与决策理论研究[D];山东大学;2017年
13 靳双龙;中尺度WRF模式在风电功率预测中的应用研究[D];兰州大学;2013年
14 杨冬锋;适应大规模风电并网的电力系统有功调度策略研究[D];哈尔滨工业大学;2016年
15 吴俊利;计及充裕性风险的含大规模风电电力系统经济调度问题研究[D];华中科技大学;2015年
16 陈昊;基于波动性模型的风电功率预测研究[D];东南大学;2015年
17 黄代政;风电功率预测与微电网优化问题研究[D];广西大学;2015年
18 黄杰勋;产电微生物菌种的筛选及其在微生物燃料电池中的应用研究[D];中国科学技术大学;2009年
19 王勇超;应对风电功率不确定性的聚类预测和鲁棒优化调度研究[D];华南理工大学;2017年
中国硕士学位论文全文数据库 前20条
1 郭晓杰;监督学习方法在短期风电功率预测中的应用研究[D];南京信息工程大学;2016年
2 陈浩;基于监督学习方法的短期风电功率预测研究与应用[D];南京信息工程大学;2017年
3 章璇;基于延迟策略优化的短期风电功率预测研究[D];南京信息工程大学;2020年
4 张臻;风电功率短期预测方法研究[D];华南理工大学;2010年
5 王雅晨;基于机器学习的短期风电功率预测研究及系统开发[D];南京信息工程大学;2017年
6 刘波;短期风电功率预测方法研究[D];南京信息工程大学;2015年
7 薛翔;基于混合算法的超短期风电功率预测研究[D];华北电力大学;2013年
8 杨世成;基于人工神经网络的风电功率预测应用研究[D];华北电力大学(北京);2011年
9 钱松林;风电功率预测方法研究及其应用[D];湖南大学;2014年
10 张发才;基于深度学习的风电功率预测技术研究与应用[D];中国科学院大学(中国科学院沈阳计算技术研究所);2021年
11 吴桐;风电功率的特性分析及其时间序列生成方法研究[D];华中科技大学;2013年
12 沈岳峰;风电功率超短期预测研究[D];南京理工大学;2019年
13 郑婷婷;基于混沌理论的短期风电功率预测方法研究[D];大连理工大学;2013年
14 吴桂联;短期风电功率预测技术研究[D];天津大学;2012年
15 陈倩;区域风电功率一体化预测方法研究[D];华北电力大学;2011年
16 顾东红;基于空间相关性的风电功率预测研究[D];沈阳工业大学;2020年
17 徐正华;基于残差修正的风电功率爬坡预测及其控制策略研究[D];上海电机学院;2020年
18 邓曦;规模化风电功率预测及并网容量优化方法研究[D];湖南工业大学;2020年
19 胡婕;基于大数据的风电功率预测系统的设计与实现[D];兰州大学;2020年
20 王晓曦;基于非参数方法的短期风电功率预测研究[D];大连理工大学;2014年
中国重要报纸全文数据库 前20条
1 通讯员 余行杰;新疆多部门为风电功率预报献计[N];中国气象报;2010年
2 记者 王淼 通讯员 修孟懿;大规模风电功率预测项目通过验收[N];国家电网报;2011年
3 记者 杨夏 通讯员 成驰;湖北将开展风电功率预报[N];中国气象报;2009年
4 记者 倪永强 通讯员 张铁军;甘肃率先发布单点风电功率预报[N];中国气象报;2009年
5 记者 苏伟 实习记者 刘婷;国内首个风电功率预测系统通过验收[N];中国电力报;2009年
6 桑学勇 孟祥星 白雪松;黑龙江加强风电功率预测促进调度优化[N];东北电力报;2011年
7 记者 王素琴;风电功率预报有望业务化专业化[N];中国气象报;2009年
8 CNE记者 颜新华;风电功率“强制预测”时代到来[N];中国电力报;2011年
9 记者 王国英 通讯员 李雪梅;风电功率 短期预报系统建立[N];内蒙古日报(汉);2010年
10 本报记者 陆宇;垄断阻碍风电功率预测技术进步[N];中国能源报;2011年
11 本报记者 霍丽文;国家能源局下发风电功率预报细则[N];中国电力报;2012年
12 中国电科院新能源研究所副所长 刘纯 电力规划设计总院规划研究中心副处长 韩小琪 南方电网科学研究院副研究员 雷金勇;风电功率预测将有效提高风电利用率[N];中国电力报;2012年
13 本报记者 方笑菊;湖北“风电功率预测预报系统”通过验收[N];中国能源报;2011年
14 记者 谢忠军 实习记者 查日;风电功率预测预报系统将推广[N];中国气象报;2011年
15 记者 詹璐;风电功率预报系统开发完成[N];中国气象报;2011年
16 记者 陶涛;宁夏电网风电功率预测系统建设完成[N];宁夏日报;2010年
17 记者 王晨;风电功率预测预报系统通过验收[N];中国气象报;2011年
18 记者 陈丹 通讯员 蒲晓明;我国风电功率预报工作取得新进展[N];中国气象报;2010年
19 河南省博爱县玉祥中学 毋同伟;《测量小灯泡的电功率》实验9会[N];学知报;2011年
20 张学春 解鸿斌;江苏电网风电功率预测系统通过验收[N];国家电网报;2010年
 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