基于云計算和智能算法的短期風電功率預測方法研究.pdf

1、隨著化石能源的全面緊張和環(huán)境污染的日益加劇，世界各國普遍把開發(fā)、利用可再生能源作為其重要的能源發(fā)展戰(zhàn)略。而在可再生能源中，風能是發(fā)展最快的清潔能源，風力發(fā)電方式也最具規(guī)模開發(fā)需求和商業(yè)發(fā)展前景。就目前情況來看，風力發(fā)電設備與技術已相對成熟，但是由于風力發(fā)電過程中的隨機性、波動性和間歇性，造成風電輸出功率穩(wěn)定性較差，因此限電棄風問題嚴重制約風電并網(wǎng)。目前存在的主要問題是如何提高風電功率預測的精度，特別是未來24小時的預測精度?；谝陨媳尘?/p>

2、，本文主要就以下幾個方面展開研究。
　　(1)風力發(fā)電系統(tǒng)歷史數(shù)據(jù)的真實可靠是進行風電功率預測的基礎，而在風力發(fā)電系統(tǒng)運行或數(shù)據(jù)采集、測量、傳輸、轉(zhuǎn)換等環(huán)節(jié)，尤其是人為的限電棄風，歷史數(shù)據(jù)中不可避免的存在異常數(shù)據(jù)。本文在分析風電場異常數(shù)據(jù)特征的基礎上，采用四分位數(shù)法對風電系統(tǒng)棄風數(shù)據(jù)進行前期預處理，提高歷史數(shù)據(jù)的準確率。
　　(2)相比于其他智能預測算法，人工神經(jīng)網(wǎng)絡在自學習性、自適應性、魯棒性、容錯性和推廣能力方面性能表現(xiàn)

3、突出。當前風電功率預測中使用較多的人工神經(jīng)網(wǎng)絡是靜態(tài)神經(jīng)網(wǎng)絡，而利用靜態(tài)型神經(jīng)網(wǎng)絡進行預測，造成風電功率序列喪失時變特性能力，因此預測精度不高。所以，本文選用能夠更好反映風電功率動態(tài)特征的Elman神經(jīng)網(wǎng)絡，給出Elman神經(jīng)網(wǎng)絡風電功率預測算法。
　　(3)Elman神經(jīng)網(wǎng)絡所采用的網(wǎng)絡參數(shù)會影響網(wǎng)絡性能，而當前在神經(jīng)網(wǎng)絡學習階段，普遍采用固定梯度變化方向的梯度下降方法，采用這種方法會存在收斂速度慢、易陷入局部最優(yōu)解等缺陷，這些