解决风电并网的不可控问题

【摘要】：工业革命以后，随着世界各国工业化进程的不断加快，人类对能源的掠夺性开发带来了严重的能源和环境危机。电力工业是其他工业的基础bp预测风速序列2，传统的发电技术主要是火力发电，而火力发电在需要大量煤炭的同时对环境也产生严重的污染。因此，人们逐渐开始重视可再生能源的开发和利用。由于风能具有清洁和可再生等优点，风力发电备受关注，世界各国都积极投入到了风力发电的研究中。虽然风能具有种种优点，但是它是一种间歇性和波动性能源。随着风电场的单机容量和总装机容量的不断增大bp预测风速序列2，风电并网给系统带来诸如系统稳定性、电力系统调度、穿越功率和电网规划等一系列难题。这一切问题都源于风电场输出功率的不可控性，解决风电并网所带来问题的一系列问题关键在于能够对风电场输出功率进行精确的预测。虽然国内外对风力发电方面课题的研究不断深入，但是，在风电场输出功率预测方面的研究还达不到非常满意的程度。在此背景下，本文首先对BP网络算法进行了相关原理说明，并且筛选出了在风电输出功率预测时，风速、风向、空气密度这三个因素对预测精度影响最大，并提出了使用ISODATA对样本进行预处理，引入遗传算法克服BP网络预测模型的收敛过早的缺点。其次使用时间序列法与对样本模糊聚类处理后的BP网络预测模型进行对比分析，找出各自算法的优缺点。本文最后建立了时间序列法和对总体样本应用模糊ISODATA算法下的神经网络法相结合的组合，在进行组合算法的实现上，采用了误差平方和最小的原则，通过实验仿真得出该组合算法在预测精度上有了很大程度提升。文中分别从平均绝对误差、平均相对误差、均方根误差这三个衡量上述算法精度的指标上对两种单项算法和组合算法进行对比分析，最后证明了组合算法的有效性和可行性。