论文部分内容阅读
近年来,风力发电技术发展迅速,风电并网比例也不断加大。风力发电受风的间歇性、随机性、波动性影响,给风电并网带来了很多技术难题。对风电场风速进行准确预测,有利于电力部门及时调整调度计划,降低运行成本,减轻风电并网对电力系统的不利影响,提高风电在电力市场的竞争力。对于一些地形简单的小风电场,一个测风点基本就能反映整个风电场的风速状况,对于一些地形比较复杂的风电场,地理位置相隔较近的机组也可能风速差别很大,划分在不同的机群内,进而需要对不同机群的代表风机进行风速预测,这样往往需要建立几个或者几十个具有代表性的测风点,才能比较全面的了解整个风电场的风速情况。针对以上的问题,本文采用分布式预测方法,每个测风点作为一个节点,以图论为基础,建立风速预测系统网络图论模型,提出了基于一致性卡尔曼滤波算法的风速预测算法,对风电场进行平均风速的预测。一致性卡尔曼滤波算法是一种分布式估计预测算法,只需要使用节点的局部信息,不需要融合中心,随着迭代次数增加,系统网络中所有节点的状态估计值都能趋于一致,大大降低了计算量,系统具有很好的扩展性和鲁棒性。本文研究了不同拓扑结构下,测风点节点间的通信方式和节点数目对算法性能的影响。由于风速的状态方程和测量方程都采用了简化的形式,一定程度上影响了风速预测的精度。随后在一致性卡尔曼滤波风速预测算法的基础上,加入时间序列分析算法,建立混合预测算法,降低了预测误差。