基于趋势点模型的超短期风电功率预测研究

摘要

近年来，随着制造业、装备业的飞跃进步以及传统化石能源的不断枯竭，风电场的建设规模和建设速度比以往任何时候都要更大和更快。风电功率的不稳定性和间歇性的特点，使得其对现行的电力系统构成巨大的冲击和挑战。对风电场风电功率进行合理有效的调度是保证整个电力系统安全、稳定和经济运行的必要条件。风电功率预测是对风电场风电功率调度的一个基本前提，一个相对准确的风电功率预测能够对风电场风力发电机机组的控制、对风机等设备的维护和检修、对电网的功率平衡和合理调度及风电场参与竞价上网等起到至关重要的作用。
　　本文以数据挖掘技术为基础，通过对趋势点状态模型的改进，提出了一种新的预测方法——趋势点模型。致力于从单一历史数据中最大程度地挖掘和提取有效信息，趋势点模型将历史风电功率的时间序列分解为一系列的子序列，以皮尔逊相关系数为工具，求取各子序列与预测点最近的子序列之间的相关度，进而找到趋势点。文中采用普通最小二乘法来将趋势点通过映射成为预测点，又引入拉依达准则将可能出现的很明显的误差剔除，最后将所有映射过来且满足要求的点取平均即得趋势点模型的预测值。
　　趋势点模型不仅可以单独用来做的风电功率的预测，而且还可以用在组合预测模型中。不同于以往的基于权重的组合预测模型，在选择决定权值的历史数据中，趋势点状态模型可以有选择地选取历史风电功率的值进行预测，避免了传统组合预测模型在选取历史数据时的盲目性。

目录

声明

摘要

第一章 绪论

1．1 本课题研究的目的与意义

1．2 风电功率预测的研究现状

1．2．1 风电功率预测研究的主要分类

1．2．2 风电功率预测研究的主要方法

1．3 本文主要工作

第二章 趋势点模型

2．1 数据挖掘

2．2 相似日

2．3 趋势点状态模型

2．4 趋势点模型

2．5 多步预测

2．6 本章小结

第三章 趋势点模型在组合预测中的应用

3．1 前言

3．2 基于权重分配的组合预测模型

3．3 其它组合预测算法

3．3．1 数据的预处理

3．3．2 预测算法的参数选择优化

3．4 最小方差组合预测

3．4．1 最小方差法

3．4．2 传统的最小方差组合预测

3．4．3 基于趋势点模型的组合预测

3．5 本章小结

第四章 基于趋势点模型的风电功率预测模型

4．1 本文预测步骤

4．2 数据预处理

4．2．1 小波分解与重构的基本原理

4．2．2 风电功率历史数据的小波处理

4．3 极限学习机

4．3．1 极限学习机的基本原理

4．3．1 极限学习机的风电功率预测

4．4 本章小结

第五章 实例分析

5．1 数据说明

5．2 误差判定

5．3 风电功率的预测结果及分析

5．3．1 趋势点模型的预测结果

5．3．2 趋势点组合模型的预测结果

5．4 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

攻读硕士期间发表论文情况