摘 要：本文提出了一种新型的风能预测的方法，旨在对风能提出更加准确的预测，以给发电厂发电功率的调整提高更准确度的数据，以促进电力系统稳定性的提升。
关键词：风电功率预测； AR自回归； 正态分布； 置信区间 风能预测的方法多种多样。有自回归AR模型、灰色预测，BP神经网络模型等。各种预测技术有着各自的特点，再加上影响风速和风电功率的因素较多，用单一预测模型对风速和风电功率进行预测时，很难满足预测精度的要求，不能很好的符合电力系统对于风电功率预测的要求。目前普遍的改进做法是引进组合模型预测方法，将两种或者多种模型的预测结果进行加权，得到一个最优化的改进预测值。这种方法取得一定的进步，但是忽略了对个别不准确点的剔除。简单的加权，反而会在某些点或者某些区间使得误差增大，不利于预测精度的提高。风能预测的难点在于风能的不确定性。从风能的不确定性中尝试找出其规律，是解决问题的关键所在。于此，我们利用统计学的知识，提出了一种基于置信区间滤波的AR自回归风电功率实时预测模型，较好地实现了风电功率的短期预测。 1.正态分布和置信区间的定义 正态分布又名高斯分布，是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为、标准方差为的高斯分布，记为：则其概率密度函数为正态分布的期望值决定了其位置，其标准差决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。 置信区间是指由样本统计量所构造的总体参数的估计区间。在统计学中，一个概率样本的置信区间是对这个样本的某个总体参数的区间估计。置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度。对置信区间的计算通常要求假设估计的误差是成正态分布的。 2.模型的提出 在模型的提出前，我们分别采用灰色预测GM（1,1）模型、BP神经网络预测模型、时间序列AR自回归预测模型、ARIMA差分自回归移动平均预测模型并借助SPSS统计软件包中实现时间序列预测的指数滑动法，总共五种模型进行了时间范围分别是一天和一周的预测，并将结果比对预报考核标准进行了误差分析。以PA机组一天的预测数据误差分析为例，我们发现，AR自回归模型最优，准确率和合格率分别是76.47%和83.33%；BP神经网络模型分别75.48%和85.42%以次之。在这些模型的基础上，我们建立了一种基于置信区间滤波算法的预测组合算法，具体为：首先对历史数据建立基于置信区间正太分布模型，将随机波动性大的数据过滤掉，并组合横向自回归AR模型的实时滚动预测以及纵向历史数据灰色预测的两种方法进行加权，求解出改进型预测数据。 3.模型准确性的比较 在已知各种模型预测适用范围以及误差情况的基础上，考虑到纵向数据预测时的时间点较少，故使用灰色预测模型进行纵向预测比较合理；横向预测中取在问题一中表现较佳的AR自回归模型进行预测。横向预测所得到的16个数据点进行基于置信区间的时间序列滤波，以90%为置信区间，当经过AR自回归模型实时预测所得的时间点落在该置信区外的时候，则拒绝该预测点，将此横向预测结果与纵向灰色预测的数据二者加权（出于本文篇幅以及侧重点的考虑，权值暂取0.5），得到改进的预测值；如果横向预测落在置信区间之内，这接受该预测值，直接将其输出。 结合单一预测模型准确性比较表可以看出，以PA机组为例，改进算法比单一的AR自回归模型的准确率和合格率分别提高了6.41%和5.21%。 4.阻碍因素 阻碍风能预测准确性的因素多种多样。通过模型的研究及验证比较，我们发现阻碍风电功率实时预测精度进一步改善的主要因素有如下几条： a. 风能的不确定性。风能的不确定性是给风电功率实时预测带来困难的主要因素，风力的突然变化会使预测结果产生大幅度偏差，从而导致预测准确性的滞后，对预测精度的进一步改善造成了影响。 b. 风电机组数目的限制。尽可能多风电机组的汇聚不仅能够有效的提高预测的精度还能使预测的结果更加接近实际值。 c. 算法的限制。风电功率预测的方法多种多样。而计算机算法是解决风力预测问题的一个重要途径，一个高效可靠的算法可以大幅提高预测的精度。对算法运算速度的提升以及结构的改进对风电功率预测精度的提高至关重要。 结语 风能预测的精度会随着预测水平的提高而达到一个较高的水平。但是由于风能的不确定性和不可抗性，综合考虑风电厂对于功率的调整时间等问题，本文认为风电功率的预测精度具有一定的硬性限制，不可能无限制的提升。在解决工程问题及实际应用中，我们认为风电功率的预测精度只要满足电网运行可靠性、经济性和稳定性，使电网能够合理安全可靠的运行即可。 参考文献： [1]陈光亮、裘哲勇 数学建模[M] 北京 高等教育出版社 P197-206 [2]徐国祥 统计预测和决策[M] 上海 上海财经大学出版社 P74-134 [3]陈丹丹、李永光、张莹、刘祥 风电场风速预测电研究方法 [J] 上海电力学院学报 第27卷第3期 P247-251
中国论文网(www.lunwen.net.cn)免费学术期刊论文发表,目录,论文查重入口,本科毕业论文怎么写,职称论文范文,论文摘要,论文文献资料,毕业论文格式,论文检测降重服务。
