论文部分内容阅读
风能是一种清洁无污染的可再生能源,大量利用风能可以改善日趋严重的环境污染问题和日渐枯竭的化石能源问题。然而风能具有随机性、间歇性和不可控性等特点,若将风力所发的电量直接接入电网会对电力系统可靠运行和经济调度带来巨大的挑战。因此,研究高精度风电功率预测算法,对风场的发电量进行准确预测和经济调度具有重要的经济意义和实际价值。本文采用新型BP神经网络对日前风电功率进行预测研究,并通过多种方法对数据进行处理,提高了风电功率预测的精度。具体工作如下:首先,基于对BP神经网络、小世界网络拓扑结构的研究,采用先进的小世界网络拓扑结构对BP神经网络结构进行改进,建立了新型SWBP神经网络模型。本文主要基于SWBP模型进行风电功率预测研究。其次,针对目前风电功率预测没有规范的输入数据特征筛选标准问题,本文将互信息技术进行了改进并应用于风电功率预测输入特征集的筛选,经准确计算筛选出最相关且最小的输入特征集,以提高预测模型计算效率。同时,本文提出使用平均值算法对风场数据进行预处理,这种处理方法能够提高神经网络在训练中的收敛速度,减小训练误差,从而提高预测精度。然后,使用处理后的数据对SWBP神经网络在风电功率短期预测中的性能进行了验证,证明SWBP神经网络无论是收敛速度、训练误差还是预测精度上都相对于BP神经网络有很大的提高。最后,研究了数值天气预报(NWP)数据的处理以及风能的随机性特性描述方法。根据国家能源局文件要求,使用SWBP神经网络对风电功率进行了实时预测和日预报研究,并与BP神经网络、粒子群BP神经网络、RBF神经网络进行了对比,证明了改进BP神经网络是一种更适合于风电功率预测的模型。本文使用数据天气预测数据和SWBP神经网络进行了风电功率的日预报,证明了SWBP神经网络是一种能满足实际功率预测要求的预测模型。