风电场短期功率预测及风电并网后的系统频率稳定性分析

摘要

风力发电技术在可再生能源发展利用中最快最成熟，但其具有波动性、间歇性、随机性的特点，使得大容量的风力发电接入电网，对电力系统的安全及稳定运行带来严峻挑战。对风功率进行预测，是解决这个问题的有效途径。本文对风电场功率和风电并网后的频率稳定两个方面进行了研究。
　　根据风电场风速及功率特性的分析，考虑了温度、风速等影响功率预测的因素，提出了一种将改进粒子群优化应用到最小二乘支持向量机的短期功率预测方法。以内蒙古某风电场的历史数据和气象数据为训练样本，分析影响功率预测的各种因素，对历史数据中的“异常数据”进行修正，建立LSSVM模型对风电场风速及功率进行预测，然而LSSVM中的两个参数对模型预测误差有很大影响;对此，采用粒子群优化算法对LSSVM的模型参数进行优化;为了避免粒子群的早熟收敛问题，应用改进PSO-LSSVM模型，使得预测误差有所降低。实际算例表明，预测方法收敛性好、方便实用、有较高的预测精度和较快的训练速度。
　　考虑了风电场并网对电网频率稳定性产生的影响，在对变速恒频双馈风电机组参加频率控制特性进行分析的基础上，给传统变速恒频双馈风电机组解耦控制附加一个频率控制单元。仿真结果可以看出，该控制策略能够对电网的频率降低做出响应，表现出变速风电机组惯量作用，在一定程度上参与系统的频率控制，降低电网频率变化率。

目录

声明

摘要

第1章 绪论

1．1 风电场功率预测的背景和意义

1．2 国内外风电发展概况

1．2．1 国外风电发展概况

1．2．2 国内风电发展概况

1．2．3 风电场功率预测的常用方法

1．3 支持向量机在风电场功率预测中的应用情况以及存在问题

1．4 本文主要工作

第2章 风电相关特性以及支持向量机原理

2．1 风电相关特性

2．1．1 风的特性

2．1．2 风电机组输出功率的特性

2．2 支持向量机回归原理

2．2．1 结构风险最小化原则

2．2．2 支持向量机回归原理

2．3 最小二乘支持向量机原理

2．4 粒子群参数优化的理论概述

2．4．1 标准粒子群参数优化原理

2．4．2 改进粒子群优化理论

2．5 小结

第3章 改进粒子群最小二乘支持向量机预测模型的建立

3．1 风电场风速及功率特性分析

3．1．1 风电场风速特性分析

3．1．2 风电场功率特性分析

3．2 数据预处理

3．2．1 样本数据的预处理

3．2．2 样本的归一化处理

3．3 核函数的选择

3．4 模型参数的确定

3．5 PSO-LSSVM模型的建立

3．5．1 风电场短期功率预测步骤及流程

3．5．2 误差评价指标

3．6 小结

第4章 风电场短期功率预测实例分析

4．1 风电场的等效模型

4．2 输入变量的选取

4．3 LSSVM预测模型

4．3．1 LSSVM预测结果及分析

4．3．2 算法存在的缺陷与对策

4．4 PSO-LSSVM预测模型

4．4．1 参数的分析与设置

4．4．2 标准PS0-LSSVM预测结果及分析

4．4．3 算法存在的缺陷与对策

4．5 改进PSO-LSSVM预测模型

4．5．1 参数的分析与设置

4．5．2 改进PSO-LSSVM预测结果及分析

4．5．3 功率预测稳定性分析

4．6 小结

第5章 风电并网后的系统频率稳定性分析

5．1 引言

5．2 系统频率稳定性及频率控制方式

5．2．1 系统频率稳定性

5．2．2 风力机的分类

5．2．3 DFIG频率控制方式

5．3 DFLG频率控制算例分析

5．3．1 DFLG频率控制模块

5．3．2 算例系统

5．3．3 算例结果及分析

5．4 小结

第6章 总结及展望

6．1 总结

6．2 展望

致谢

参考文献

硕士期间成果