兆瓦级风电机组输出功率预测研究

摘要

风能是一种可再生、无污染的新型清洁能源,其储量丰富,且分布广泛。风力发电能够在短时间内实现规模化和商业化,具有巨大的发展潜力。但是由于风电的随机性、间歇性和波动性增加了电网调度的难度,对输出功率及时有效地预测能够减少电力系统的运行成本和旋转备用,从而减轻对电网的影响,提高风电利用率。尤其兆瓦级风力发电系统的输出功率预测研究具有更为重要的现实意义。
　　 本文以1.5MW兆瓦级风力发电系统为研究对象,在对国内外风速和输出功率预测研究的基础上,根据风电场的风速特性、风速和输出功率的关系,可以发现准确预测风电场所在区域的风速是准确预测兆瓦级风电机组输出功率的前提和关键。
　　 为了得到较为精确的风速预测结果,针对风电场风速特性,采用模糊系统和神经网络相结合的模糊神经网络风速预测方法,将风电场历史风速、风向、风电机组的转子转速和桨距角作为输入建立模糊神经网络风速预测模型,进行实例仿真实验;并与BP(BackPropagation)神经网络风速预测得到的结果进行对照比较分析,结果表明采用基于模糊神经网络风速预测的方法具有更好的预测效果,能够为风电机组的输出功率的预测奠定基础。
　　 本文采用基于小波神经网络的时间序列输出功率预测、基于灰色神经网络输出功率预测以及基于最小二乘支持向量机回归的输出功率预测方法,将风电场的温度、气压、空气相对湿度、风向等环境因素和预测得到的风速值作为输入对兆瓦级风电机组的输出功率进行预测,建立预测模型并进行实例仿真。将上述三种方法得到的预测结果选取适当的权重进行加权平均,建立组合预测模型消除单一预测方法可能存在的较大的偏差,以达到提高预测准确性的目的。仿真结果表明组合预测具有更高的精度。