基于小波包的短時風機出力組合預測模型研究.pdf

1、風力發(fā)電是目前開發(fā)最廣泛且增長速度最快的清潔能源，隨著風電容量在電網(wǎng)中的比例上升，風電出力的間歇性和隨機性給電網(wǎng)帶來的沖擊日益明顯，影響電能質量和電網(wǎng)穩(wěn)定性。利用風電功率預測技術，可以為電網(wǎng)調度及風電場安排發(fā)電計劃和停機檢修提供依據(jù)，因而提高風電功率預測的精度對提高風力發(fā)電的質量有重要意義。
　　針對風電預測問題，本文提出一種基于小波包的風電功率組合預測模型。在該模型中，采用小波包變換將風電功率時間數(shù)據(jù)進行分解并重構得到多個風電功

2、率子序列，使用組合模型對每個子序列進行預測，最后疊加各子序列的預測值得到實際的預測結果的方法。其中組合模型中的單項預測模型使用時間序列法、神經(jīng)網(wǎng)絡法和支持向量回歸3種預測原理差別較大的方法，目的是從不同方面最大程度挖掘風電功率數(shù)據(jù)里隱藏的信息。組合預測模型的預測精度跟單項模型間的權值密切相關，本文提出了一種全新的人工智能算法——縱橫交叉算法對權值系數(shù)進行優(yōu)化整定。
　　縱橫交叉算法(CSO)是本文受到儒家思想的肩發(fā)，提出的一種全新

3、的優(yōu)化算法。這種優(yōu)化算法的進化方式由橫向交叉和縱向交叉兩種方式組成，分別是對人類社會的群體學習和自我學習的模擬。通過橫向交叉-競爭-縱向交叉-競爭的交替進化機制，CSO算法巧妙地解決了群智能優(yōu)化算法普遍存在早熟和陷入局部最優(yōu)的問題，其良好的全局優(yōu)化能力特別適合各種大規(guī)模復雜優(yōu)化問題的求解。12個標準函數(shù)測試結果表明:相比其它群集搜索算法，CSO算法在求解精度與收斂速度方面具有壓倒性的優(yōu)勢。
　　在仿真研究中，基于本文所提出的種縱橫