灰色BP神經網絡風電功率預測應用研究.pdf

1、風電功率預測對于風電場制定電力調度計劃和維修計劃具有十分重要的意義。論文主要針對目前國內風電場數(shù)值天氣預報系統(tǒng)不夠健全，使得風電場功率預測準確度不高，給電力調度計劃和維修計劃的制定帶來了困難的問題，提出基于優(yōu)化的灰色GM(1，1)模型和BP(BackPropagation，反向傳播)神經網絡相結合的方法對風電場輸出功率進行預測。
　　首先，分析了新建風電場和已建風電場功率預測方法的差異性，提出針對這兩類風電場功率預測的不同方案。方

2、案一:針對投入使用且運行成熟的已建電廠的功率預測，采用優(yōu)化的灰色GM(1，1)模型對已建電廠歷史記錄數(shù)據進行預測，將預測得到的數(shù)據作為BP神經網絡的輸入值進行功率預測;方案二:針對新建電廠的功率預測，利用優(yōu)化的灰色GM(1，1)模型對考慮尾流效應風速和其他影響風電場功率輸出的參數(shù)進行預測，預測得到的數(shù)據作為BP神經網絡的輸入值進行功率預測。
　　其次，利用數(shù)值逼近算法對灰色GM(1，1)模型進行了優(yōu)化，其目的是解決傳統(tǒng)灰色GM(1

3、，1)模型預測非線性數(shù)值時預測結果誤差過大的問題，采用優(yōu)化灰色GM(1，1)模型來提高功率預測結果準確度。通過數(shù)學推導和模型改進，優(yōu)化后的灰色GM(1，1)模型對風速、風向、氣溫等氣象數(shù)據預測時，其結果誤差明顯降低，風速預測相對誤差降低34.3％，小于1％的風向預測相對誤差占總樣本數(shù)的98.6％，小于10％的環(huán)境溫度預測相對誤差占總樣本數(shù)的82.5％，預測效果較好。
　　再次，對兩個方案利用BP神經網絡得到的功率預測結果進行了分析