項目背景

近年來，隨著風電并網(wǎng)規(guī)模的快速擴大，風電作為一種清潔可再生能源不斷受到人們的重視，但風電的間歇性和隨機性給大規(guī)模風電并網(wǎng)帶來了挑戰(zhàn)，為保證電網(wǎng)的安全可靠運行，有必要對風電功率進行準確預測。準確的風電功率預測有利于合理調度電網(wǎng)資源，降低電網(wǎng)運行成本，提高電網(wǎng)穩(wěn)定性，對電力系統(tǒng)的功率平衡和設備安全有著積極意義。

目前，國內外關于風電功率預測的研究已取得大量成果，主要方法包括基于數(shù)值天氣預報的物理方法、基于歷史數(shù)據(jù)的統(tǒng)計方法以及二者相結合的混合預測方法。以上這些風電功率預測方法大部分為單一的點預測方法，但由于風電輸出功率受多種不確定因素的影響，點預測方法依然存在較大誤差，且難以反映預測的可靠性，因而有學者采用概率區(qū)間對風電不確定性進行分析。概率區(qū)間預測可以通過置信度指標來衡量預測結果的可靠程度，分析風電功率可能的波動范圍，同時決策者可以根據(jù)需要選擇最佳置信度下的預測結果完成電網(wǎng)的安全可靠調度。

主要創(chuàng)新點

通過提出一種基于小波神經(jīng)網(wǎng)絡的風電功率區(qū)間預測多目標優(yōu)化模型，并改進基本多目標人工蜂群算法的概率選擇作用和約束刪減策略以優(yōu)化小波神經(jīng)網(wǎng)絡的伸縮因子、平移因子和權值，解決了區(qū)間預測單目標優(yōu)化模型下懲罰系數(shù)的不合理選擇問題，提高了風電功率區(qū)間預測可靠性。通過分析與單目標優(yōu)化方法、傳統(tǒng)多目標優(yōu)化方法下區(qū)間預測指標的對比結果，表明所構建的多目標智能優(yōu)化模型對風電功率區(qū)間預測具有更優(yōu)越的性能，可為電網(wǎng)調度提供決策依據(jù)。

解決的問題和意義

本文針對傳統(tǒng)風電功率區(qū)間預測模型的單目標優(yōu)化準則存在懲罰系數(shù)難以合理選擇問題，構建了一種風電功率多目標智能優(yōu)化預測模型，并對基本多目標人工蜂群算法的概率選擇作用和約束刪減策略進行改進以優(yōu)化小波神經(jīng)網(wǎng)絡。對比于單目標風電功率區(qū)間優(yōu)化模型，多目標風電功率優(yōu)化模型避免了懲罰系數(shù)選擇，提高了預測區(qū)間置信度，降低了預測區(qū)間帶寬；對比于傳統(tǒng)多目標進化算法優(yōu)化下的WNN模型，采用本文改進后的MOABC優(yōu)化WNN模型不僅具有良好的收斂性能和分布性能，而且具有相對優(yōu)越的動態(tài)性能，能夠同時為不同電網(wǎng)調度部門提供決策支持。

后續(xù)研究內容

后續(xù)研究方向為考慮預測區(qū)間外點誤差的多目標風電功率區(qū)間預測方法。

主要圖表