论文部分内容阅读
随着环境问题和能源危机的日益严重,新能源的开发利用正受到越来越多的重视。由于风能储量丰富、绿色环保,作为风能的主要利用方式之一,风力发电已经成为可再生能源发电技术中发展最快和最为成熟的一种,已具备大规模商业开发的技术和经济条件。 随着风力发电在电网中的比重不断提高,由于风能间歇性和随机性的特点,大量的风力发电接入电网,会对电网的稳定性、电力系统的安全运行以及保证电能质量带来巨大的挑战。如果能够预先了解风电场未来数小时的输出功率,电力系统调度人员则可提前调整调度计划,有效的降低对电网安全的影响。这就需要对风电机组发电功率进行比较准确的预测。 本文提出了一种以相空间重构理论与递归神经网络相结合的短期风电功率预测方法。首先根据历史时间序列的相空间重构技术,确定最佳延迟时间和最佳嵌入维数;接着构建Elman神经网络结构,最后通过选取训练样本,建立预测模型及误差评价标准,对实际的风力发电功率数据进行分析。应用MATLAB对该算法进行了仿真,并与基于混沌时间序列和BP神经网络算法的预测结果进行对比,对比结果表明,Elman神经网络可以极佳的表现风电功率系统的非线性,而且可以不考虑外部噪声对系统影响的具体形式,更适用于风电机组的短期功率预测,相空间重构的方法对风电机组的发电功率进行短期预测不仅可以有效降低风力发电功率预测的复杂程度,而且可以进一步提高预测的精度。文章最后应用某风电机组风功率数据验证了方法的有效性。