全国电力技术协作网首页
CopyRight 2012-2014 DS文库版权所有
基于案例推理的极端天气下风功率预测系统研究
(0 次评价)632 人阅读4 次下载
深化应用 - 559 - 基于案例推理的极端天气下风功率预测 系统研究 华润新能源(大同)风能有限公司,韩鹏毅、张艳锋、王煜、杨化君、王日中 摘 要:提高风功率预测精度是保障风电并网运行的关键,同时也是电力市场现货交易决策制定的支撑,而间歇性 风速是影响风功率预测精度的重要因素。本文提出了一种基于案例推理的极端天气下风功率预测方法,首先利用混沌理 论建立间歇性风速模型,进而确定极端天气预测案例库。其次建立基于案例推理的风功率预测模型。最后结合山西大同 某风电场的实际运行数据进行验证,并与广义回归神经网络(GRNN)、最小二乘支持向量机(LSSVM)和遗传 BP 神经网 络(GABP)三种方法的预测结果作对比。仿真结果表明,该方法能够有效提高风电功率预测精度,为极端天气时的风功 率预测提供了一种可行性的方法。 关键词:风功率预测;间歇性风速;极端天气;混沌理论 间歇性风速导致风功率具有很大的波动性,一 旦并网运行将会给电网造成不可估量的冲击 [1]。因 此,提高风功率预测精度既能保障电网的安全稳定 运行,又能满足电力市场现货交易日趋完善的高标 准要求。 极端天气下的风功率预测难度很大,但是对整 个风电系统来说十分重要 [2]。 目前极端天气的预测模 型研究还比较少。 熊一 [3]等对风功率爬坡气象场景分 类模型及阈值整定进行了研究,对确定风功率爬坡 现象具有指导作用。 叶小岭 [4]等研究了基于风速升降 特征的短期风功率预测,通过增加风速升降时训练 样本的维度提高预测精度。 崔明建 [5]等提出了基于原 子稀疏分解和 BP 神经网络的风电功率爬坡事件预测 方法,该方法有效的提高了风速突变时的风功率预 测精度。但这些模型只针对风速的突变进行了改进, 并没有涉及到极端天气的其他因素。 极端天气包括风速突变、大雨大雾、大雪冰冻 等。无论以上何种现象,都会对风速产生影响,而 风速又是影响风功率最重要的因素,因此本文以间 歇性风速作为判断极端天气的依据,进而建立包含 其他因素的极端天气风电功率预测模型。 案例推理技术(Case-based reasoning,CBR) 是人工智能领域一种较新的推理技术和机器学习方 法,是一种利用过去解决类似问题的经验进行推理 求解新问题的方法 [6]。 很多知名学者和学术团体致力 于 CBR 相关理论和应用研究,并已取得很大进展。 因此,为了提高预测精度,弥补普通的预测模型如 神经网络模型等在极端天气(预测数据发生突变) 时预测误差大的缺点,本文提出了采用混沌理论中 的分形维数分析风的间歇性,从而建立极端天气的 预测案例库,然后通过基于案例推理的模型进行极 端天气时的风功率预测,从而为极端天气下的风功 率预测提供一种可行的办法。 1.1 广义回归神经网络预测分析 风功率预测模型有很多种,但是不论何种模型, 都会存在预测误差和大误差点,以课题组建立的基 于结构优化的广义回归神经网络 (GRNN) 模型 [7]为例, 模型的输入为前一时刻风速、当前时刻风速,风向

打分:

0 星

用户评论:

关于我们 | 联系我们 | 版权声明 | 企业服务 | 媒体合作
备案号:京ICP备13025456号-2 | 客服电话:010-88892009 | 反馈建议:1565227076@qq.com