風電并網日輸出功率預測與優(yōu)化調度研究.pdf

1、分類號UDC密級學號08110128博士學位論文風電并網日輸出功率預測與優(yōu)化調度研究任昆學科門類：工學學科名稱：水利工程指導教師：李郁俠教授申請日期：2014年10月摘要論文題目：風電并網日輸出功率預測與優(yōu)化度研究學科名稱：水利工程研究生：任昆簽名：從g.指導教師：李郁俠教授簽名：摘要隨著風力發(fā)電技術的不斷成熟，越來越多的風電場開始并網運行。風電不同于常規(guī)電源的特點，給電網優(yōu)化調度管理增添了新的問題。對風電輸出功率進行預測是解決風電并網

2、優(yōu)化調度運行的主要技術之一，但目前的預測水平難以達到令人滿意的程度。提高風電預測的準確性從而為電網調度更好地服務、研究造用于風力發(fā)電的電兩優(yōu)化調度理論與方法，對提高電力系統(tǒng)的運行效益具有重大的理論與實際意義。本文圍繞風電并網帶來的電力系統(tǒng)日優(yōu)化調度需要解決的風電日輸出功率預測、日優(yōu)化調度方法進行了研究，論文研究內容和主要成果包括以下五個方面：(1)為提高風電輸出功率日前預測精度，提出了一種基于數據同現(xiàn)最大概率遞推的新統(tǒng)計預測模型。通過對

3、統(tǒng)計數據變量進行聚類，對變量類與風電輸出數據類之間的同現(xiàn)關系進行統(tǒng)計，基于貝葉斯公式計算它們之間的條件概率，通過建立最大概率關系對風電輸出功率進行閂前點預測。實驗結果表明，該方法的預測精度比傳統(tǒng)BP、GABP的預測精度有明顯提高。(2)提出了基于SOM神經網絡與局部多項式估計的風電輸出功率^[率區(qū)間預測模型。采用SOM神經網絡對輸入向景進行聚類，統(tǒng)計出相似向量類中的輸出功率區(qū)間，采用非參數周部多項式估計法估計輸出功率區(qū)間中的輸出功率概率

4、密度函數。實際算例表明，這種方法能較好的對風電輸出功率波動區(qū)間進行預測而且能避免采用傳統(tǒng)的核密度估計法所出現(xiàn)的邊界效應。(3)為提高風電實時預測的精度，提出了一種改進粒子群優(yōu)化粒子濾波的風電輸出功率實時預測模型針對標準粒子濾波算法中存在的粒子退化現(xiàn)象及計算量過大的問題，結合PSO算法和粒子濾波算法的相似性，通過改進粒子群算法進一步提高粒子濾波算法的性能。以某風電場實測數據進行分析，驗證了模型的有效惟(4)以電力系統(tǒng)綜合發(fā)電效益埼優(yōu)為目標