基于數(shù)據(jù)處理的短期局部預(yù)測方法研究及其在風(fēng)速風(fēng)能預(yù)測中的應(yīng)用

《基于數(shù)據(jù)處理的短期局部預(yù)測方法研究及其在風(fēng)速風(fēng)能預(yù)測中的應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、?????????????????人????ガ???伄?伄?人????????????〇щ???????????????????????????????2018?6?ShorttermlocalpredictionbasedondataprocessinganditsapplicationinwindspeedandwindpowerforecastingADissertationSubmittedfortheDegreeofMasterCandidate:HongDanyiSupervisor:Dr.JiTianyaoSouthC

2、hinaUniversityofTechnologyGuangzhou,China摘要隨著保護環(huán)境的呼聲愈高及常規(guī)能源的枯竭，新能源的發(fā)展越來越受到大家的關(guān)注。其中，作為無污染的可再生能源之一的風(fēng)能，在全球各地得以大力的開發(fā)。然而，由于風(fēng)的強波動性和有限的可預(yù)測性，限制了風(fēng)能在大電網(wǎng)中的應(yīng)用，特別是在實時性要求極高的電力市場中的應(yīng)用。風(fēng)速風(fēng)能預(yù)測的精度，直接影響電力系統(tǒng)的調(diào)度和運行，是電力市場能否健全、穩(wěn)定發(fā)展的決定性因素。因此，提高風(fēng)速風(fēng)能的預(yù)測精度具有非常重大的意義。本文基于數(shù)據(jù)處理的方法，對風(fēng)速風(fēng)能的短期局部預(yù)測進行研究，致力

3、于提高風(fēng)速風(fēng)能的預(yù)測精度。本文首先對國內(nèi)外風(fēng)速風(fēng)能預(yù)測模型進行了研究，特別是預(yù)測模型中的數(shù)據(jù)處理方法，其中主要研究數(shù)據(jù)分解、相空間重構(gòu)、相似段搜索和誤差反饋的相關(guān)方法。在分析現(xiàn)有方法的優(yōu)缺點之后進行了改進。在數(shù)據(jù)分解方面，本文提出基于經(jīng)驗?zāi)Ｊ椒纸獾臑V波器和基于數(shù)學(xué)形態(tài)學(xué)的形態(tài)高頻分解器。實驗結(jié)果表明，形態(tài)高頻分解器分解得出的趨勢項能夠非常準(zhǔn)確地提取原始時間序列曲線的形狀，而基于經(jīng)驗?zāi)Ｊ椒纸鉃V波器分解得出的趨勢項則更有周期性。這兩個分解算法的分解效果均優(yōu)于傳統(tǒng)的經(jīng)驗?zāi)Ｊ椒纸馑惴ê托〔ǚ纸馑惴?，對提高預(yù)測精度有明顯作用。在相空間重構(gòu)方面

4、，本文提出非等時延嵌入理論，即允許相空間重構(gòu)過程中，各維的延遲時間常數(shù)不同。并提出一個新判據(jù)以求解參數(shù)。與傳統(tǒng)的等時延嵌入理論進行對比，發(fā)現(xiàn)非等時延嵌入理論更能捕捉原始時間序列的特征，其對預(yù)測的輔助作用更明顯。在相似段搜索方面，本文提出二度相似判據(jù)并應(yīng)用于高頻項的相似段搜索中。該判據(jù)同時比較線段的幅值和形狀。通過仿真對比發(fā)現(xiàn)，該判據(jù)適用于高頻項，但并不適用于趨勢項。其原因是二度相似理論更重視線段之間形狀上的相似，較為忽略線段幅值。然而，由于趨勢項的延續(xù)性很強，波動較為緩慢，對于趨勢項而言，幅值能提供的信息量更大。因此，重視幅值比較的

5、歐幾里得距離理論比二度相似理論更適合用于趨勢項的相似段搜索?；跀?shù)據(jù)分解、相空間重構(gòu)和相似段搜索的研究成果，提出了一個新的風(fēng)速風(fēng)能預(yù)測模型——基于形態(tài)高頻分解器和二度相似理論的短期局部風(fēng)速風(fēng)能預(yù)測模型。在該預(yù)測模型中，首先利用形態(tài)高頻分解器將原始的風(fēng)速/風(fēng)能時間序列分解成兩部分：趨勢項和高頻項。接著對趨勢項和高頻項進行基于非等時延嵌入理論的相空間重構(gòu)，并I在相空間中搜索相似段。趨勢項的相似段搜索算法是基于線段間的歐幾里得距離的比較；高頻項的相似段搜索算法是采用二度相似理論進行的。最后，利用最小二乘支持向量機對趨勢項和高頻項分別進行預(yù)

6、測，兩者之和即為最終的預(yù)測結(jié)果。另外，本文通過分析預(yù)測誤差與原始預(yù)測模型的預(yù)測值之間的關(guān)系，建立誤差反饋模型，提出了一個新的預(yù)測模型–基于誤差反饋的多參量輔助風(fēng)能預(yù)測模型。該模型構(gòu)建了一個誤差反饋系統(tǒng)以探索誤差項與原始預(yù)測序列之間的關(guān)系，從而預(yù)測誤差值并用以修正原始的預(yù)測值。將該反饋系統(tǒng)應(yīng)用于單變量預(yù)測和多變量輔助預(yù)測中。在多變量輔助預(yù)測中，加入多個影響因子輔助構(gòu)建模型，以提高預(yù)測精度。將上述兩個預(yù)測模型應(yīng)用于采集自世界各地的多個風(fēng)速風(fēng)能數(shù)據(jù)上，并將其預(yù)測結(jié)果與多個對比算法進行比較。結(jié)果表明，本文提出的兩個預(yù)測模型的預(yù)測精度均高于對

7、比算法，預(yù)測的穩(wěn)定性最高。這說明，本文所提出的形態(tài)高頻分解器、非等時延嵌入理論、二度相似理論和誤差反饋系統(tǒng)具有明顯的提高預(yù)測精度的效果。在本文的最后，構(gòu)建了一個考慮常規(guī)機組的燃料費和污染費、平衡機組的調(diào)節(jié)補償費用、棄風(fēng)懲罰費用和備用容量費用的電力系統(tǒng)優(yōu)化調(diào)度模型，研究風(fēng)能預(yù)測精度對電力系統(tǒng)經(jīng)濟調(diào)度的影響。為檢驗該模型的有效性，構(gòu)建了兩個應(yīng)用場景——含風(fēng)能的微電網(wǎng)系統(tǒng)和改進的含風(fēng)能的IEEE30節(jié)點系統(tǒng)。將不同精度的預(yù)測結(jié)果應(yīng)用于這兩個系統(tǒng)中，結(jié)果證明，在不同的系統(tǒng)中、不同的預(yù)測時間尺度上，預(yù)測精度的提高對調(diào)度費用均有明顯的降低作用，

8、主要是表現(xiàn)在降低備用容量、平衡機組的調(diào)節(jié)量和棄風(fēng)的可能性上。這直接證明了提高預(yù)測精度的必要性。關(guān)鍵詞：數(shù)據(jù)分解、相空間重構(gòu)、相似段搜索、風(fēng)速風(fēng)能預(yù)測、優(yōu)化調(diào)度IIAbstractWiththedeteriorationoftheenv