风电功率组合预测研究

The Research of Wind Power Combined Prediction

作者: 专业:电力系统及其自动化 导师:李庚银 年度:2011 学位:硕士  院校: 华北电力大学(北京)

Keywords

wind power forecasting, combination forecasting, error index, forecasting effective measure

        随着风电技术的日益成熟,风电成本日益降低,风电的并网容量得到了增加,但是风电本身固有单位功率密度低、波动性和随机性强等特点,给电网的调度和运行成本带来了问题,为了合理安排调度计划,保证电力系统稳定运行,进一步增加电网对风电的接纳能力,需要对风电输出功率进行较为准确预测。国内外学者在针对风电功率预测方面作了大量研究。研究表明,不同的预测方法包含着不同的信息,因此组合预测能有效地利用各信息提高预测精度。目前,在风电功率预测方面的研究有一定的局限性:(1)预测精度有待提高;(2)中长期预测精度偏低,且缺少有效地预测方法;(3)在预测过程中,如何把各种预测方法有效地进行组合。今后的发展趋势是在研究新方法的基础上,进行有效地组合预测,达到较高预测精度和较长预测尺度的要求。本文对风电功率组合预测理论进行了详细的分析。分析了时间序列法、灰色神经网络法、小波神经网络法。在基于单项预测基础上,提出熵权法、合作对策论法、基于误差绝对值和最小的组合预测模型和基于向量夹角余弦的组合预测模型应用于电风电功率预测。最后,结合实例,分析了我国北方某风场的风电功率单项预测结果和组合预测结果,对预测结果进行分析和比较。
    With the growing maturity of wind power technology, declining costs of wind power, wind power capacity has been increased, but the wind power is low density and the characteristics of random. These characteristics make grid scheduling and running costs of the problems. In order to reasonable scheduling plan and ensure stable operation of power systems, and further increase the power capacity of wind power to accept, we need more accurate prediction for wind power output. The scholars of domestic and foreign has done extensive research for wind power forecast. The results show that different forecasting methods contain different information.Therefore, combination forecasting that effectively use all information can improve the prediction accuracy.At present, research of wind power prediction has some limitations:(1) the accuracy of prediction to be improved; (2) the long-term prediction accuracy is low and lack of effective forecasting method; (3) in the course of the prediction, how to effectively combine various prediction. Future trends in studying new method is effective to combine forecasts, achieve higher precision and longer prediction scale requirements.In this paper, The theory of combination forecasting were analyzed in detail. In chapter two, we analyze ARMA, Gray neural network and Wavelet neural network. Then, this paper propose entropy weight method, cooperative game method, error with absolute value and vector cosine combined forecasting model.Finally, chapter four gives examples to illustrate that the result of single prediction and combination forecasting.
        

风电功率组合预测研究

摘要5-6
Abstract6
第1章 绪论9-16
    1.1 课题研究的背景9-11
        1.1.1 世界风能发展现状9-10
        1.1.2 我国风电发展现况10-11
    1.2 课题研究的意义和目的11-12
    1.3 风电场功率预测研究现状12-15
        1.3.1 国外研究现状12-14
        1.3.2 国内研究现状14-15
    1.4 本论文的主要研究内容15-16
第2章 单项预测方法研究16-40
    2.1 引言16-18
    2.2 时间序列分析法18-30
        2.2.1 时间序列分析法的基本理论18-20
        2.2.2 时间序列分析法的建模过程20-27
        2.2.3 时间序列分析法的预测结果27-30
    2.3 灰色神经网络预测法30-34
        2.3.1 灰色理论30-31
        2.3.2 灰色神经网络31-33
        2.3.3 灰色神经网络预测结果33-34
    2.4 小波神经网络预测法34-39
        2.4.1 小波理论34-35
        2.4.2 小波神经网络35-37
        2.4.3 小波神经网络模型建立37-38
        2.4.4 小波神经网络预测结果38-39
    2.5 本章小结39-40
第3章 组合预测模型研究40-49
    3.1 引言40-41
    3.2 熵值法确定组合预测权系数41-43
        3.2.1 熵值法基本原理41-42
        3.2.2 熵值法计算步骤42-43
    3.3 合作对策法确定组合预测权系数43-45
        3.3.1 合作对策论的基本原理43-45
        3.3.2 合作对策论的计算步骤45
    3.4 以误差绝对值和达到最小的线性组合预测模型45-46
    3.5 基于向量夹角余弦的最优组合预测模型46-48
    3.6 本章小结48-49
第4章 短期风电功率预测算例分析49-64
    4.1 引言49
    4.2 各单项预测方法的预测误差统计49-52
        4.2.1 时间序列分析法预测误差统计49-50
        4.2.2 灰色神经网络预测误差统计50-51
        4.2.3 小波神经网络预测误差51-52
    4.3 组合预测算例分析52-62
        4.3.1 预测效果评价指标52-53
        4.3.2 各组合预测权重系数的确定53-59
        4.3.3 组合预测效果评价59-62
    4.4 本章小结62-64
第5章 结论与展望64-66
参考文献66-69
致谢69-70
攻读硕士学位期间发表的学术论文70-71
附录71-85
        下载全文需58


本文地址:

上一篇:含多种分布式电源的微网动态建模与仿真研究
下一篇:马克思经济危机理论及当今金融危机对我国经济的启示

分享到: 分享风电功率组合预测研究到腾讯微博           收藏
评论排行
公告