论文部分内容阅读
随着风电行业在我国不断发展,风力发电占电力系统的比例也越来越大,但是由于风能不稳定的特点使得风电功率呈现波动性和间歇性,这样大规模并网时会对电力系统安全造成很大影响。因此提高功率预测的动态性和准确性对电力系统的调度和安全性有重要的意义。本文通过研究现有预测方法的优缺点,提出一种改进的风电功率预测模型,具体研究内容如下:一、结合风能的特点说明影响风电功率的相关因素,根据风电场数据对风速和风向进行规律统计,为预测模型输入向量的确定提供指导。二、对Elman动态神经网络进行研究,为了提高预测精度和预测模型的动态性,对Elman网络的结构和激励函数进行改进,并利用局部均值分解法(Local mean decomposition,LMD)对输入数据进行分解,建立LMD-Elman的短期动态功率预测模型并运用工程实例对预测模型进行验证。三、针对人工蜂群算法易陷入局部最优的缺点,提出一种自适应柯西蜂群算法,运用测试函数对自适应柯西蜂群算法进行测试和收敛性分析,并将该蜂群算法应用于风电功率预测中,工程实例仿真结果表明,自适应柯西蜂群算法提高了风电功率的预测精度。四、在以上研究的基础上,运用自适应柯西蜂群算法优化回归神经网络(Nonlinear Auto Regressive Neural Network with Exogenous Inputs,NARX网络)和BP神经网络模型的权值参数,从而建立一种组合动态预测模型,并将Labview与MATLAB进行混合编程来实现系统的控制与预测,该方法不仅减少了程序代码的设计,而且使得编程变得图形化可视化,降低了开发难度。