大型风电场风速与功率关系分析及预测研究

摘要

化石燃料日益减少及燃烧所造成的危害使人们越来越清楚地意识到快速寻求新能源，并积极开发利用的重要性。新能源中风能资源丰富，无污染且有较为成熟的技术做支撑，是一种最被期待开发的可再生能源。本文以风能为前提，对风电功率的波动特性、弃风数据及其功率预测的相关内容进行了分析。
　　风电的功率序列存在着波动性，需要对其波动特性进行分析。根据一段时间内出现的极差变化率和一阶差分序列占总装机容量的比例提出了一种关于波动特性的定义-波动系数。研究表明，当并网机组的数量增加时，波动系数减小，波动性减弱。接着通过集对分析，以汇聚为出口，随着风电机组并网数量的增加，风电场的整体出力与区域汇聚出力的变化更加相似，而重度差异则越来越少。风电场整体出力与区域汇聚出力的同一度并没有随着时间尺度的增加而发生较大的变化，而是整体的形态保持一致。
　　对风电场风速功率曲线建模中的异常数据簇进行了处理。根据风电场实测的风电功率数据，画出了对应的散点图。围绕着标准风速功率曲线上下，提出了一种可移植的粘滞区间。在此区间内的散点，即为有效数据；此区间外的连续散点，即为异常数据。用此粘滞区间可对弃风数据进行有效剔除。
　　介绍卡尔曼滤波和支持向量机（SVM）相结合的风电功率序列预测模型。通过对风电功率序列进行分析得出自回归积分滑动平均模型（ARIMA）模型，用其作为卡尔曼滤波的状态方程。再用 SVM预测得出观测方程，用卡尔曼滤波将二者结合起来实现组合多步预测。最后给出了具体实例分析，分析中采用了国家能源局的评价指标对预测精度进行评价。通过预测结果可以看出，组合预测算法中可以实现预测误差相互抵消的状况，减少了误差累积，提高了预测的精度。
　　最后介绍了风电功率预测系统的平台。该平台可实现数据管理，风电功率预测，误差分析。

目录

第1章 绪 论

1.1 课题的研究背景和意义

1.2 课题的研究现状

1.3 主要研究内容

第2章 基于集对分析的风电功率汇聚效应研究

2.1 风电功率波动性分析

2.2 集对分析模型

2.3 算例分析

2.4 本章小结

第3章 风电功率弃风数据特征识别方法研究

3.1 风速功率数据的分布特征

3.2 粘滞区间的建立

3.3 算例验证

3.4 本章小结

第4章 基于卡尔曼滤波和支持向量机的风电功率实时预测研究

4.1 卡尔曼滤波算法的组合预测

4.2 误差评价指标

4.3 算例分析

4.4 本章小结

第5章 风电场超短期功率预测系统

5.1 软件介绍

5.2 系统模块介绍

5.3 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