风电场风速短期多步预测方法的研究

摘要

目前，我国风力发电产业正处于迅猛发展的阶段。但是风能是不稳定的能源，大量风电场并网发电，会给电网的稳定性带来问题。电力调度部门也需要预先了解风电场未来数小时的输出功率，以合理的安排调度计划。这就需要研究风力发电功率短期预测问题。而风速预测通常是风电功率预测的首要步骤。 本文在研究风速特性的基础上，提出了一种基于最小二乘支持向量机与时间序列法的组合方法，实现了提前三小时预测风电场各小时平均风速的功能。首先，将风速序列进行小波降噪处理，分成趋势分量(低频部分)与随机分量(高频部分)；然后，将相似理论引入短期风速预测中，对趋势分量建立基于最小二乘支持向量机的模型，进行多步回归预测；再根据随机分量平稳性的特点，建立时间序列模型进行多步预测。最后将两模型预测的结果相叠加经过修正后得到预测值。 通过比较不同方法对长岭风电场实测风速的预测结果，本文方法要优于常用的持续法和神经网络法。由于本文方法建立在风速变化特性的基础上，在多步预测场合，适用性更强，预测精度更高。

目录

文摘

英文文摘

声明

1 绪论

1.1课题背景及选题意义

1.2 国内外研究现状

1.3论文的主要工作

2风电场风速特性分析

2.1 风的特性

2.1.1 风的形成及影响因素

2.1.2 风速特性

2.2基于小波理论的风速特性分析

2.2.1 信号降噪中的小波分析

2.2.2风速序列的小波分析

2.3本章小结

3基于最小二乘支持向量机的预测模型

3.1支持向量机

3.1.1支持向量机的概念

3.1.2支持向量机用于回归

3.1.3支持向量机的核函数

3.2最小二乘支持向量机

3.2.1最小二乘支持机用于回归

3.2.2相关参数的选取

3.2.3 基于最小二乘支持向量机的预测模型

3.3预测实例

3.4本章小结

4基于时间序列法的预测模型

4.1时间序列分析概述

4.2基于时间序列的预测模型

4.2.1 ARMA模型

4.2.2建模步骤

4.3预测实例

4.4本章小结

5长岭风电场风速短期多步预测

5.1长岭风电场风速特性分析

5.2预测模型

5.2.1模型假设

5.2.2建模步骤

5.3预测结果

5.4本章小结

结 论

参考文献

攻读硕士学位期间发表学术论文情况

致 谢