基于风过程模式识别的风电场功率超短期组合预测方法研究

作     者：童爽 

作者单位：华北电力大学 

学位级别：硕士

导师姓名：王飞

授予年度：2022年

学科分类：08[工学] 0807[工学-动力工程及工程热物理] 

主      题：风过程划分 风模式预测 Adaboost算法 组合预测模型 风速-功率映射模型 

摘      要：由于不可再生能源的大规模开发,全球气候问题日益严重,而风能因其清洁、无污染的优良特性受到国内外广泛地关注与研究。近年来,全球的风电装机容量逐年增多,但在大规模并网的同时,风电的随机性和波动性会导致电网的电压闪变与频率波动,威胁到电力系统的安全稳定运行。在促进风电消纳的措施中,对未来时刻风电场的输出功率进行预测是一种有效手段。因此,本文针对风电场的超短期功率预测方法展开研究。风电功率的预测可分为直接预测功率和先预测风速,再通过风速-功率映射模型得到未来时刻的功率,本文选择了第二种方法进行研究。目前在风速的预测研究中,一般先将原始风速序列分为不同的风过程,而划分的方法多采用数学法或以固定时段划分,没有考虑与风机的运行特性相结合,此外,传统的研究很少考虑风速未来的变化趋势,针对这些不足,本文提出了一种结合风机运行特性的风过程划分方法与基于未来风过程模式识别的风电场功率超短期组合预测方法。该方法主要包括以下五个阶段:首先分析了风电机组的运行特性,定义了切入风速与额定风速的阈值,以此将原始风速序列划分为一系列风过程;其次根据不同风过程下风机输出功率变化趋势的不同将风过程分为了六类风模式,并验证了这种分类方法的可行性;然后采用Adaboost模型对未来时刻的风模式进行预测,以此来了解未来时刻风速的变化趋势;接着建立了风速组合预测模型,本文选择了BP神经网络、LSTM神经网络、支持向量机和LightGBM作为子模型,通过训练、调参、赋予相应的权重,分别得到六类模式下的最佳组合模型,再根据风模式的预测结果,动态选择相应模式下的组合模型进行预测,得到最终的预测风速;最后,建立了风速-功率映射模型,得到对应时刻的预测功率。为了证明所提方法的有效性,本文采用了中国内蒙古某一风电场的风速功率数据进行仿真验证,结果表明本文所提方法与其他几种预测模型相比具有更高的预测精度。