第卷第期年月日,.42No..2018:/DOI10.基于功率波動(dòng)過程的風(fēng)電功率短期預(yù)測(cè)及偏差修正,,,,,丁明張超王勃畢銳繆樂穎車建峰((),;1.廣東省新能源借助與節(jié)能重點(diǎn)實(shí)驗(yàn)室西安工業(yè)學(xué)院河北省石家莊市(),)2.新能源與儲(chǔ)能運(yùn)行控制國家重點(diǎn)實(shí)驗(yàn)室中國電力科學(xué)研究院有限公司上海市:、。摘要風(fēng)資源因具有較強(qiáng)的波動(dòng)性隨機(jī)性與間斷性等特征而造成風(fēng)電功率預(yù)測(cè)精度不高為減,,小風(fēng)電功率波動(dòng)對(duì)電網(wǎng)的沖擊提升電力系統(tǒng)對(duì)風(fēng)電的接受與消納能力提出了改進(jìn)的風(fēng)電功率短。短期風(fēng)電功率預(yù)測(cè),期預(yù)測(cè)方式與基于波動(dòng)的偏差修正方式首先將風(fēng)電功率按不同波動(dòng)過程進(jìn)行降維界定提取不;()同波動(dòng)的特點(diǎn)曲線對(duì)功率值進(jìn)行修正采用引力搜索算法優(yōu)化的反向傳播神經(jīng)網(wǎng)路GSA-BP作;,為基本預(yù)測(cè)方式進(jìn)行預(yù)測(cè)剖析不同波動(dòng)過程下的預(yù)測(cè)偏差表現(xiàn)構(gòu)建預(yù)測(cè)偏差與綜合氣象指標(biāo)的。,映射關(guān)系針對(duì)不同波動(dòng)過程構(gòu)建相應(yīng)的風(fēng)電功率偏差修正模型提出了線性模型和GSA-BP非,線性模型相結(jié)合的方法對(duì)預(yù)測(cè)偏差進(jìn)行修正最后以功率預(yù)測(cè)值疊加預(yù)測(cè)偏差修正值作為最終預(yù)。
,測(cè)結(jié)果該風(fēng)電功率預(yù)測(cè)偏差修正方式除了涉及風(fēng)速風(fēng)向等常規(guī)誘因并且考慮到了風(fēng)電功率的波動(dòng)性。:;;;;關(guān)鍵詞風(fēng)電功率預(yù)測(cè)波動(dòng)特點(diǎn)神經(jīng)網(wǎng)路引力搜索偏差修正,。0序言性依據(jù)序貫抽樣模擬生成風(fēng)電出力時(shí)間序列文[],獻(xiàn)以高斯核函數(shù)的小波分解提取波動(dòng)成份采用7、為解決具有波動(dòng)性隨機(jī)性與間歇性的大規(guī)模非參數(shù)核密度恐怕方式構(gòu)建波動(dòng)份量的機(jī)率密度模,風(fēng)電并網(wǎng)與消納對(duì)風(fēng)電場(chǎng)出力的精準(zhǔn)預(yù)測(cè)是非常,型但是建立了一個(gè)基于擬合優(yōu)度的帶寬優(yōu)化模型[]1-2必要的。,。作為約束條件提升了功率波動(dòng)建模的適用性文國內(nèi)外學(xué)者對(duì)風(fēng)電功率的預(yù)測(cè)早已提出多種方[]獻(xiàn)通過構(gòu)建云模型數(shù)據(jù)庫找到與待預(yù)測(cè)時(shí)間段8短期風(fēng)電功率預(yù)測(cè),法主要分為統(tǒng)計(jì)方式和考慮氣象預(yù)報(bào)因子的智能,[]相像的歷史數(shù)據(jù)作為訓(xùn)練樣本進(jìn)行預(yù)測(cè)有效減少3-4算法。基于波動(dòng)過程的風(fēng)電功率預(yù)測(cè)方式是這了隨機(jī)風(fēng)波動(dòng)等復(fù)雜天氣誘因?qū)︻A(yù)測(cè)結(jié)果的影響。,兩種方式的有機(jī)結(jié)合既考慮到每位功率點(diǎn)與相關(guān)[]文獻(xiàn)采用一種基于信息熵和互信息的熵相關(guān)系9,預(yù)報(bào)因子之間的聯(lián)系又對(duì)不同波動(dòng)過程的預(yù)測(cè)結(jié),數(shù)指標(biāo)克服了因?yàn)轱L(fēng)電功率的隨機(jī)波動(dòng)性導(dǎo)致的,。
果進(jìn)行統(tǒng)計(jì)剖析找出其中的內(nèi)在規(guī)律,數(shù)據(jù)之間相關(guān)性較弱的問題找出了足夠多的有效,因?yàn)轱L(fēng)是大氣化學(xué)過程符合相應(yīng)的化學(xué)規(guī)律,()樣本并設(shè)計(jì)了一種反向傳播BP神經(jīng)網(wǎng)路改進(jìn)模,、和特點(diǎn)風(fēng)電功率特點(diǎn)是風(fēng)電場(chǎng)的風(fēng)資源稟賦地形,、。型填補(bǔ)了訓(xùn)練數(shù)據(jù)冗余度大收斂速率慢等缺陷、。地貌風(fēng)機(jī)特點(diǎn)和布局等誘因的綜合彰顯基于風(fēng),相對(duì)于預(yù)測(cè)算法的研究人們對(duì)預(yù)測(cè)偏差機(jī)理資源波動(dòng)過程的風(fēng)電功率預(yù)測(cè)方式正是通過描畫風(fēng)。和修正的研究略顯不足目前風(fēng)電功率的預(yù)測(cè)偏差資源波動(dòng)過程與風(fēng)電功率波動(dòng)過程間的匹配關(guān)系的、來始于氣象預(yù)報(bào)數(shù)據(jù)偏差間接預(yù)測(cè)方式的內(nèi)在誤。[],一種預(yù)測(cè)方式文獻(xiàn)整理了多個(gè)風(fēng)電場(chǎng)數(shù)據(jù)然5、、差風(fēng)電功率曲線的擬合偏差地形地貌等多種局地,后基于風(fēng)電出力的波動(dòng)特點(diǎn)和機(jī)率分布特點(diǎn)借助,誘因影響對(duì)基于波動(dòng)理論的偏差剖析和修正策略。[]法生成風(fēng)電功率時(shí)間序列文獻(xiàn)基于風(fēng)p。[],更為鮮見文獻(xiàn)10引入?yún)?shù)方式和非參數(shù)方式,電波動(dòng)過程特點(diǎn)借助統(tǒng)計(jì)方式剖析波動(dòng)間的關(guān)聯(lián),擬合風(fēng)電預(yù)測(cè)偏差機(jī)率分布通過比較不同擬合方,法的擬合精度提出了基于Coula理論的超短期風(fēng)p收稿日期:2018-03-22;修回日期:2018-09-18。
電預(yù)測(cè)偏差的高維模型和不同時(shí)間段預(yù)測(cè)偏差的概上網(wǎng)日期:2018-00-00。。[]“率分布文獻(xiàn)11強(qiáng)調(diào)風(fēng)電預(yù)測(cè)偏差與風(fēng)電功率爬國家電網(wǎng)公司科技項(xiàng)目基于廣域時(shí)空大數(shù)據(jù)剖析的風(fēng)電功”;,率預(yù)測(cè)方式研究與應(yīng)用可再生能源與工業(yè)節(jié)能山東省工坡風(fēng)波之間有顯著關(guān)聯(lián)提出一種爬坡風(fēng)波辨識(shí)方程實(shí)驗(yàn)室開放捐助項(xiàng)目(/)。452,。法剖析比較不同坡道斜坡風(fēng)波對(duì)預(yù)測(cè)偏差的影響://,()·()·201842高比列可再生能源電力系統(tǒng)五文獻(xiàn)[]提出了一種預(yù)測(cè)偏差修正模型對(duì)傳統(tǒng)波動(dòng)過程辨識(shí)12BP1.2,神經(jīng)網(wǎng)路風(fēng)電功率預(yù)測(cè)模型進(jìn)行改進(jìn)并以偏差預(yù)可借助降維方式將功率波動(dòng)序列界定為上述4,。測(cè)值疊加功率預(yù)測(cè)值作為最終預(yù)測(cè)結(jié)果可以較好種不同類別的波動(dòng)過程本文采用的降維算法為自[]地提高預(yù)測(cè)精度。組織映射15(,)神經(jīng)網(wǎng)self-SOMgp,,,本文提出了改進(jìn)傳統(tǒng)的風(fēng)電功率預(yù)測(cè)方式和基絡(luò)SOM由輸入層和映射層組成一般情況下映射,,于功率波動(dòng)過程的偏差修正方式重點(diǎn)討論了以上層以二維陣列表示每位輸入節(jié)點(diǎn)聯(lián)接到映射層的:、,,問題風(fēng)電功率波動(dòng)過程的定義及描述波動(dòng)界定與對(duì)應(yīng)權(quán)重隨機(jī)分配通過競(jìng)爭(zhēng)性學(xué)習(xí)SOM可以將、、,降維算法風(fēng)電功率異常數(shù)據(jù)處理BP神經(jīng)網(wǎng)路的類似的個(gè)體歸類到一組SOM算法中數(shù)據(jù)點(diǎn)距離的、。
:參數(shù)優(yōu)化預(yù)測(cè)偏差剖析與修正論文給出方式的物理表達(dá)式為k、,思路原理和算法實(shí)現(xiàn)過程并用實(shí)際算例驗(yàn)證了方2(()())()rxtwt3=-iij∑j法的合理智。i1=:;式中為輸入向量中的第個(gè)值為輸入節(jié)點(diǎn)xiiwi1風(fēng)電功率波動(dòng)過程的描畫及剖析j,i和映射節(jié)點(diǎn)之間的聯(lián)接殘差該殘差可以通過j()風(fēng)電功率波動(dòng)過程的描畫式進(jìn)行修正1.14因?yàn)轱L(fēng)電功率序列中會(huì)包含由大量的高頻隨機(jī)()()()(()())Δw=wt+1-wt=txt-wtiiiiijjjηj,()擾動(dòng)所形成的隨機(jī)出力這部份高頻份量具有不可4,,式中:()為訓(xùn)練率。預(yù)測(cè)性因而須要對(duì)原始功率序列進(jìn)行混頻將該高ηt,在估算過程中通過反復(fù)進(jìn)行距離估算和殘差修頻部份濾除把能反映風(fēng)電功率趨勢(shì)變化的低頻分。,。量分離下來進(jìn)行波動(dòng)過程界定和預(yù)測(cè)本文采用小正直到達(dá)到分類精度要求[]13,波基為“”的尺度函數(shù)對(duì)原始數(shù)據(jù)進(jìn)行尺度在降維界定中SOM的輸入是由各波動(dòng)過程的db94。,()。混頻混頻前后風(fēng)電功率序列對(duì)諸如附表圖三個(gè)特點(diǎn)參數(shù)構(gòu)成的特點(diǎn)向量如式所示AA15,,[]()所示從圖中可以發(fā)覺混頻后原序列中的高頻隨機(jī)V=TDT5SvL。
:,份量被濾除式中TS為上升時(shí)間指從峰值10%上升到90%所,,;在獲得混頻后的功率曲線基礎(chǔ)上將風(fēng)電功率用的時(shí)間它反映了功率的上升速率Dv為波峰值。;,曲線界定為多個(gè)波動(dòng)過程本文根據(jù)風(fēng)電功率的持Pmax與極小值Pmin之差TL為波動(dòng)的持續(xù)時(shí)間即、:起止點(diǎn)和間的時(shí)間寬度。續(xù)時(shí)間極值尺度參數(shù)定義風(fēng)電功率波動(dòng)過程每一PP1n,個(gè)波動(dòng)過程都是由與其相對(duì)應(yīng)的局部極小值下降到將風(fēng)電功率序列歸一化低出力波動(dòng)的風(fēng)電功,。,極大值再衰減到該波動(dòng)的另一個(gè)局部極小值根率持續(xù)在很低水平或根本無出力可通過設(shè)置閥值、。、、據(jù)波動(dòng)過程的時(shí)間尺度極值參數(shù)可將風(fēng)電功率曲ε來進(jìn)行辨識(shí)大中小波動(dòng)可通過輸入特點(diǎn)向量、、,、、、線界定為大波動(dòng)中波動(dòng)小波動(dòng)和低出力波動(dòng)四辨識(shí)大中小波動(dòng)的持續(xù)時(shí)間TL極值差Dv及[]14,:,類對(duì)一個(gè)波動(dòng)過程的物理描述如下上升時(shí)間依次遞減可根據(jù)不同風(fēng)場(chǎng)實(shí)際情況TS,{},。給定一個(gè)典型的界定和降維結(jié)果如圖所示PP∈P1ì1nmin??,(,)?PP∈0T1n{}WP=íjk(,]P∈TP1