基于决策树理论的大规模风电场输出功率超短期预测研究

摘要

随着全球化石能源枯竭、供应紧张、气候变化形势严峻，开发可再生能源逐渐成为各国的重要战略之一。预计到2020年，全球风力发电装机容量将达到12亿千瓦，能够满足世界电力总量12%的需求。 大规模风电功率并网会对电网造成冲击，风电功率预测是缓解电网调频压力，保证电网稳定运行的重要手段。根据能源局在2011年发布的文件《风电场功率预测预报管理暂行办法》可知，实时预测是指自上报时刻起未来 15 分至 4 小时的预测预报，时间分辨率为15分钟。本课题是以时间间隔为15分钟的风电功率时间序列为主要研究对象，对其进行滚动 16 步的超短期风电功率预测。以此得到的预测结果，可以服务于风电场实时输出功率的调整，对提高风能的利用率有重要意义。 本课题着眼于风电功率数据特征，进行风速-功率曲线特征建模，分析风速升降特性和风向因素对风电机组功率输出的影响，对不同风特征的数据分别进行风速-功率曲线拟合，得到特征风速-功率曲线。风电功率实测历史数据是进行风电建模以及预测分析的重要基础，然而历史数据中频繁存在异常数据点，这些数据并不能反映风电机组的实际运行特性，影响预测模型的有效性，影响预测结果。 本课题分析异常数据的时序特性，利用Copula函数，建立概率功率曲线，结合特征风速-功率曲线，建立异常数据识别算法。以支持向量机算法为基础，结合风速升降特征和相邻机组出力强相关的特性，建立数据重构模型。保证数据的完整性。 本课题分析单一预测模型的优缺点，针对基于历史数据和基于 NWP 数据的模型，分析两种模型预测结果的特点，提出了组合预测模型，兼备两种单一模型的优点。分析历史数据集中，每段序列的特征与所对应的最佳预测方法。利用决策树建立分类模型，并根据实时数据特征，匹配最优的预测方法，进行超短期功率预测。根据某个风电场的历史数据进行算例分析，验证模型的有效性。

目录

第1章 绪 论

1.1 课题的研究背景及意义

1.2 风电功率预测方法

1.3 国内外研究现状

1.4 本文主要内容

第2章 风电功率曲线特性分析

2.1 风速-功率曲线

2.2 风速升降因素影响

2.3 风向因素影响

2.4 特征风速-功率曲线

2.5 本章小结

第3章 异常数据识别与重构

3.1 3-sigma准则异常数据识别

3.2 基于时序特征的异常数据识别

3.3 异常数据重构

3.4 算例分析

3.5 本章小结

第4章 基于决策树理论的风电功率超短期预测模型

4.1 单一预测模型

4.2 组合预测模型

4.3 决策树理论

4.4 基于决策树理论的风电功率预测模型

4.5 算例分析

4.6 本章小结

结论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致谢