全球不可再生能源短缺,风能作为组合模型对风速进行预测

【摘要】：全球不可再生能源短缺河西地区风速变化特征及风能预测方法研究,风能作为一种环境友好型能源,成为替代化石能源的重要选择。但风具有间歇性、波动性、随机性等特点。风力发电给电力系统的稳定性带来了一定的挑战。而对风场的风功率进行预测是解决这一问题的重要途径。风速预测是风功率预测的重要组成部分。在此背景下,本文针对风场的短期风速预测,重点完成以下几方面的工作:分别建立BP神经网络、小波神经网络以及支持向量机(SVM)预测模型,并对风场的风速进行预测,然后对各方法的预测结果进行误差分析。实测风速数据分析表明:SVM与其他两种方法相比具有更高的预测精度。因此本文将SVM作为组合模型的基础方法。针对风速时间序列的非平稳性特性,提出了一种组合模型对风速进行预测。该方法首先采用EEMD将风速时间序列分解为一组具有不同频率成分的分量;然后将样本熵值接近的各分量叠加,最后用SVM对重构后的序列分别预测并将各项的预测结果相叠加。实测数据分析表明,组合模型相对于SVM方法和EEMD-SVM预测方法具有更好的预测精度。建立了基于组合模型的滚动多步预测模型。首先用基于SVM的直接多步预测模型以及基于SVM的滚动多步预测模型分别对风场的风速进行多步预测河西地区风速变化特征及风能预测方法研究,误差分析表明:滚动多步预测的精度比直接多步预测精度高;然后用组合模型对风速进行滚动多步预测。误差分析表明:同基于SVM的滚动预测法以及基于SVM的直接多步法相比组合模型具有更高预测精度。从而验证了该方法对风速的多步预测同样具有可行性。