基于改进人工蜂群算法的分散式风功率预测方法研究

摘要

随着风力发电的快速发展，风电场并网容量不断递增。近几年来，大型风电场建设已基本完成，为增加新能源发电装机容量，我国开始挖掘分散式风电场的资源，大力发展分散式风电场。但由于风速的波动性和不确定性，风力发电产生的风功率大小也具有不确定性，对电网的扰动也越来越大。当前，许多分散式风电场并没有风功率短期预测设备，给当地调度和自身发展带来诸多难题。因此分散式风电场的风功率短期预测势在必行，准确的风功率预测为风电场竞价上网提供了可靠保证，对调度自动化实现和现场指导具有深远意义。
　　当前，风功率的预测方法主要有时间序列法、BP神经网络法和支持向量机。但是，时间序列法存在定阶困难的问题，BP神经网络存在权值选择问题，支持向量机存在参数设置的问题。本文针对不同风电场的现实状况和预测需求，利用改进人工蜂群结合三种不同方法对上述风电场经网络法对0-4小时以内的风功率进行预测，结果发现，该方法适用于历史数据比较充裕，对预测精度要求比较高的场合。最后，针对BP神经网络需要数据量大、容易陷入局部最优和学习速度慢等问题，将改进人工蜂群的支持向量机法应用到风功率预测中来;该算法需求的数据样本少，预测准确度较高，避免了其它一些学习算法的复杂学习过程。事实证明，该算法适合于数据样本少、预测准确度要求比较高的场合。
　　为了满足国家电网对分散式风电并网和风电场自身发展要求，本文还开发了一种分散式风电风功率预测软件。该软件基于VB.net语言，在处理复杂计算过程时，主要依赖于MATLAB的动态链接库文件;该软件可以基于实时数值天气预报和历史风资源数据，实现未来一段时间内的风功率预测功能，另外该软件还可以根据调度提供的数据进行实时监控预警功能。最后，利用该软件对本提到的各种算法进行验证比较，结果分析了上述各个算法的适用性和不可替代性。

目录

声明

摘要

第1章 绪论

1．1 课题来源

1．2 课题背景研究意义

1．3 风电场功率预测的不同分类类型

1．4 风电场短期功率预测的研究现状

1．4．1 国外风电功率预测研究现状

1．4．2 国内风电功率预测研究现状

1．5 本论文的研究工作

第2章 基于改进人工蜂群的时间序列法风功率预测

2．1 引言

2．2 人工蜂群及其改进算法

2．3 基于改进人工蜂群的时间序列法模型

2．3．1 时间序列法原理

2．3．2 时间序列建立风功率预测模型过程

2．3．3 基于改进人工蜂群的时间序列法建立预测模型

2．4 算例分析

2．5 本章小结

第3章 基于改进人工蜂群的BP神经网络法风功率预测

3．1 引言

3．2 基于改进人工蜂群的BP神经网络风功率预测模型

3．2．1 BP神经网络的应用原理

3．2．2 BP神经网络算法处理流程

3．2．3 BP神经网络的数学描述

3．2．4 BP神经网络的学习规则与计算方法

3．2．5 基于改进人工蜂群BP神经网络法建立预测模型

3．3 算例分析

3．4 本章小结

第4章 基于改进人工蜂群的支持向量机法风功率预测

4．1 引言

4．2 基于改进人工蜂群的支持向量机预测模型

4．2．1 支持向量机的研究与应用

4．2．2 支持向量机回归算法

4．2．3 基于改进人工蜂群的支持向量机法建立预测模型

4．3 算例分析

4．4 本章小结

第5章 分散式风电风功率预测软件开发

5．1 引言

5．2 分散式风电风功率预测软件功能概述

5．3 软件的预期性能指标分析

5．4 软件的总体结构描述

5．5 软件的开发环境及开发工具

5．6 分散式风电风功率预测软件界面介绍

5．7 分散式风电风功率预测软件对各种算法的比较分析

5．8 本章小结

第六章 总结与展望

6．1 论文总结

6．2 论文展望

参考文献

致谢

攻读硕士期间所做的工作及科研成果