风力发电功率预测及AGC机组调配的研究

摘要

随着煤、石油、天然气储量的日益减少和二氧化碳等温室气体的不断增加。新能源的利用越来越受到人们的重视，风能作为一种干净的、储量极为丰富的可再生能源，是新能源领域中最重要、开发前景最好的能源之一。 由于风能的随机性，风力发电使电力系统中不确定因素增加，对电力系统的安全运行提出了新的挑战。如果能对风电场风速和发电功率进行比较准确的预测，则有利于电力系统调度部门必要时提前调整调度计划，有效的降低风电对电网安全的影响。本文采用支持向量机和改进灰色模型对风速和风力发电功率进行预测比较，并基于风力发电功率预测结果进行AGC机组负荷调配，在满足电网安全的前提下实现电网的经济运行。 首先，采用支持向量机方法，使用基于支持向量机的回归估计算法建立了回归估计函数表达式，给出了支持向量机网络结构。考虑风速的高速非线性，将历史数据筛选与预测点相关的数据构成训练样本，并对目标函数进行求解。 其次，本文选用了灰色模型对风速进行短期预测，由于灰色GM（1，1）模型的局限性，所得预测结果与实际值误差较大。针对灰色GM（1，1）模型用于风速预测不能有效反映风速周期性变化及精度不高的问题，将GM（1，1）模型推广为GM（1，1，λ）模型，采用差分进化算法求解模型最优解。将两种预测方法得到的预测值对比，选取误差较小的结果进行风力发电功率的预测计算。 再次，将风速预测结果结合具体风力发电机功率特性曲线进行风力发电功率预测计算，将所得结果用于风电场输出功率建模，为后文的AGC机组调配提供数据支持。 最后，本文对AGC机组的负荷分配进行了讨论，在风电场输出功率预测值的基础上，计算电力系统所需的 AGC调节容量。建立以调节费用最低为目标的函数模型，采用遗传算法对模型进行求解，得到AGC机组的机组起停、负荷分配和AGC最低调配费用。此外，本文采用Matlab语言，实现了基于风电功率下的AGC机组调配方案设计。

目录

文摘

英文文摘

声明

致谢

1 绪论

1.1 课题研究背景

1.1.1 世界和我国风力发电的发展

1.1.2 我国AGC应用情况

1.2 课题研究的意义

1.2.1 风电出力预测的意义

1.2.2 AGC机组调配的意义

1.3 国内外研究动态

1.3.1 风速预测的研究现状

1.3.2 AGC机组调配的研究现状

1.4 选题的出发点

1.5 主要工作

2 基于支持向量机的风速预测

2.1 概述

2.2 风速的特性

2.2.1 风速的分布特性

2.2.2 风速的变化特性

2.3 人工神经网络理论

2.4 运用支持向量机进行风速预测

2.4.1 支持向量机算法的基本原理

2.4.2 支持向量机回归模型

2.4.3 风速预测回归模型的建立

2.5 算例分析

2.5.1 算例描述

2.5.2 风速样本的选择

2.5.3 支持向量机的参数选择

2.5.4 结果分析

2.6 本章小结

3 基于改进灰色模型下风速预测

3.1 灰色预测方法在风速预测中的应用

3.1.1 灰色预测模型的数学原理

3.1.2 灰色预测模型的基本方法

3.1.3 灰色预测模型的改进及其在风速预测中的应用

3.2 差分进化算法

3.2.1 差分进化算法概述

3.2.2 差分进化算法原理

3.2.3 基本差分进化算法步骤

3.2.4 差分进化法的算法流程

3.3 算例分析

3.3.1 算例描述

3.3.2 参数选择

3.3.3 结果分析

3.4 本章小结

4 风力机的功率预测

4.1 风力发电机功率的相关参数

4.1.1 风轮的功率系数的确定

4.1.2 风轮扫风面积的确定

4.1.3 风电场空气密度的确定

4.2 风力机功率预测算例

4.2.1 算例分析

4.2.2 结果分析

4.3 风电场出力建模

4.4 本章小结

5 基于风电场出力预测下的AGC机组调配

5.1 概述

5.2 AGC系统描述

5.2.1 电力系统运行目标

5.2.2 AGC控制目标

5.2.3 AGC工作原理

5.3 AGC实时控制机组策略

5.3.1 机组控制策略数学模型

5.3.2 数学模型分析

5.4 遗传算法

5.4.1 遗传算法基本原理

5.4.2 遗传算法的优点

5.5 AGC机组调配的遗传算法实现

5.5.1 编码设计

5.5.2 遗传算法控制参数设计

5.5.3 实际问题的适应度函数设计

5.6 算例分析

5.6.1 算例描述

5.6.2 参数选择

5.6.3 结果分析

5.7 本章小结

6 AGC机组调配系统方案设计

6.1 系统设计原则

6.2 系统设计性能

6.3 系统开发环境

6.4 系统模块设计

6.4.1 风速预测子模块

6.4.2 风电功率预测数据子模块

6.4.3 AGC机组调配模块

6.5 本章小结

7 结论

7.1 全文总结及主要创新

7.2 进一步的研究展望

参考文献

附录 A：本文符号说明

作者简历