风电场短期功率预测方法的研究
随着风力发电的迅速发展，装机容量日渐增加。由于风能是一种不稳定的新能源，具有较强的间歇性，大规模风电场并网发电将给电力系统带来严重的影响，主要表现在发电与调度计划、系统稳定性、电能质量等多个方面。为了降低风电接入后对电力系统的影响，迫切需要对风电功率进行合理的预测。
本文简要介绍了国内外风电功率预测的研究现状、风电功率预测的应用系统，对用于风电功率预测的时间序列法和RBF神经网络法的基本原理和实现步骤进行概述。提出了基于支持向量机(SVM)方法建模的风电功率预测，针对传统SVM模型在风电功率预测中存在的参数难选取的问题，本文提出一种新的预测模型:使用改进的粒子群(MPSO)优化算法寻求SVM中的最优参数。针对风速的不平稳性，提出用小波变换(WT)先对风速进行分解和重构，再利用MPSO-SVM预测模型进行预测。最后结合江西省某风电场的历史风速数据和风电功率数据，建立了基于WT+MPSO+SVM预测模型，预测未来4小时的风速和功率。仿真结果表明，WT+MPSO+SVM预测模型应用于短期风电功率预测是有效的，与时间序列法、RBF神经网络法等方法进行对比可知，其预测精度有所提高。最后利用MATLAB GUI模块建立了一个风电功率预测的可视化界面，使风电功率预测系统更加实用。
支持向量机;风速预测;风电功率;粒子群优化算法;小波变换;风力发电
南昌大学
硕士
电力系统及其自动化
徐敏
2013
中文
TM715;TM614
69
2013-12-31（万方平台首次上网日期，不代表论文的发表时间）