论文部分内容阅读
风力发电是当今世界增长最快的可再生能源发电方式,我国的风力发电近几年得到了迅猛的发展。由于风电具有较强的随机性和波动性,大规模的风电并网会对电力系统的安全、稳定运行以及电能质量带来严峻挑战,从而限制风力发电的发展规模。风速预测是风电功率预报的基础,准确的预测风速是解决该问题的有效途径,本文基于历史数据,对风电场风速的预测方法进行研究。 支持向量机是发展比较好的一种常用的风速预测方法,但是由于其输入特征对预测的精度影响比较大,所以输入样本的选择一直是学者们所关注的问题。本文针对风速的不同性质,提出了两种支持向量机预测模型的输入输出样本对的构建方法。采用时间序列法对风速序列初步建模确定风速影响较大的变量作为输入变量,利用时间序列法判断时间序列自相关的优越性建立了基于时间序列法的支持向量机风速预测模型。对于不适用于ARMA模型的风速时间序列,判断其是否具有混沌特性,对于具有混沌特性的风速时间序列采用相空间重构的方法对其进行延时嵌入相空间重构,利用重构后的相点作为支持向量机的特征输入,以此建立了基于相空间重构的支持向量机风速预测模型。通过仿真实验验证了本文所提方法的有效性。 最后本文基于ZigBee无线传输技术,设计了对风速数据进行采集及在线预测的系统,并且利用该系统对下一时刻的风速值进行在线预测,验证了本文方法在风速实时预测上的可行性。