论文部分内容阅读
随着目前风力发电技术的飞速发展,大规模的风电场接入电网后会对电网的安全稳定运行造成一定影响。因此为了配合电力部门进行调度,保证电网的稳定运行,高精度的风电机组电量预报非常重要,而风速的准确预测是风电机组电量预报的基础。本文从时间序列预测方法的基本原理出发,简单介绍了风速预测的基本概念,以及时间序列模型的基本原理,并基于时间序列的ARMA模型,对风速的多点预测进行研究。首先,对传统的ARIMA时间序列预测方法,应用我国某风场实测风速数据进行了仿真分析与验证。然后对风速数据一次性多点预测的可能性进行了研究,提出了变步长ARMA预测的方法,实现应用一组不变的历史数据,一次性对未来某时刻(不一定为紧邻历史数据的下一时刻)之后进行多点预测。其次,对能否进一步增加预测时段展开了研究,提出了风速信号趋势分解的预测方法。该方法利用风速信号长时间段内趋势变化不大的特点,将前一时段风速信号分解成趋势信号和去趋势项信号,并分别建立ARMA模型进行预测,以此得到后一时段的多点预测值。趋势分解的方法对前一时段的风速数据选取非常敏感,在此基础上为了尽量减少由于数据选取不当造成的误差,提出了应用小波分解以及滑动滤波这两种信号处理方法,在建立ARMA预测模型前,分别对风速信号进行数据预处理,以提高趋势分解法的预测精度。为进一步提高预测精度,本文接着对于能否将小波分解与滑动滤波这两种方法进行深层次融合展开了研究,提出了基于ARMA模型的风速组合预测方法。该方法将趋势分解、小波分解、与滑动滤波相结合,通过ARMA模型实现风速的一次性多点预测。上述算法均在监控平台上,通过内嵌MATLAB节点,应用MATLAB工具箱编程实现,并采用风电场实测风速数据进行了仿真验证。最后,论文对于本课题的研究结果进行了总结,并指出了今后的研究方向,以及后续工作中需要提高与改进的地方。