论文部分内容阅读
风电是一种间歇式能源,具有很强的随机性。风电并网规模的增加为电网的安全稳定运行带来了巨大的挑战。风电功率预测是提高电网风电接纳能力和保障电网稳定运行的有效措施之一。本文从数据挖掘的角度研究了风电功率预测技术,主要内容包括风电功率数据修正、基于天气分型的风电功率预测、基于空间资源数据挖掘的功率预测。本文从风电功率的预测误差,出力曲线时间特性、出力曲线空间特性等方面分析了风电功率的时空特性。风电功率的时空特性分析为三个部分的研究内容提供了理论依据。风电功率预测的数据源主要包括数值天气预报数据、历史功率数据。为了有效提高数据质量,本文对数值天气预报数据中的缺失值进行了填充并剔除了限风出力数据。为了提高误差修正模型在实际运行时的适应性,本文提出了在线更新系数的线性回归误差修正模型。天气类型的划分有利于区分不同特征类型的数据。根据划分过程中输入参数的不同,天气类型可以分为静态划分和动态划分。本文建立了基于不同天气类型划分标准的功率预测模型,针对不同天气类型,分别建立预测模型,并与单一的神经网络预测模型进行对比,分析了导致不同预测模型预测精度差异的原因。风电功率的空间资源匹配模型采用三维气象参数的空间匹配技术,计算集群待预测点的输入向量与历史输入向量的距离,得到空间距离集合。该方法通过在集合中选取匹配距离最近的一部分功率数据,通过加权平均得到预测时刻的功率出力。现有空间资源匹配模型的匹配参数单一,不利于预测精度的进一步提升。针对这一不足,本文提出了一种考虑测量功率数据的空间资源匹配法。算例表明,改进后的匹配法的预测精度相对改进前的匹配法有明显提升。