項目背景

近年來，隨著風(fēng)電并網(wǎng)規(guī)模的快速擴大，風(fēng)電作為一種清潔可再生能源不斷受到人們的重視，但風(fēng)電的間歇性和隨機性給大規(guī)模風(fēng)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(fēng)電功率進行準(zhǔn)確預(yù)測。準(zhǔn)確的風(fēng)電功率預(yù)測有利于合理調(diào)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(shè)備安全有著積極意義。

目前，國內(nèi)外關(guān)于風(fēng)電功率預(yù)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(yù)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(jié)合的混合預(yù)測方法。以上這些風(fēng)電功率預(yù)測方法大部分為單一的點預(yù)測方法，但由于風(fēng)電輸出功率受多種不確定因素的影響，點預(yù)測方法依然存在較大誤差，且難以反映預(yù)測的可靠性，因而有學(xué)者采用概率區(qū)間對風(fēng)電不確定性進行分析。概率區(qū)間預(yù)測可以通過置信度指標(biāo)來衡量預(yù)測結(jié)果的可靠程度，分析風(fēng)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(yù)測結(jié)果完成電網(wǎng)的安全可靠調(diào)度。

主要創(chuàng)新點

通過提出一種基于小波神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率區(qū)間預(yù)測多目標(biāo)優(yōu)化模型，并改進基本多目標(biāo)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(luò)的伸縮因子、平移因子和權(quán)值，解決了區(qū)間預(yù)測單目標(biāo)優(yōu)化模型下懲罰系數(shù)的不合理選擇問題，提高了風(fēng)電功率區(qū)間預(yù)測可靠性。通過分析與單目標(biāo)優(yōu)化方法、傳統(tǒng)多目標(biāo)優(yōu)化方法下區(qū)間預(yù)測指標(biāo)的對比結(jié)果，表明所構(gòu)建的多目標(biāo)智能優(yōu)化模型對風(fēng)電功率區(qū)間預(yù)測具有更優(yōu)越的性能，可為電網(wǎng)調(diào)度提供決策依據(jù)。

解決的問題和意義

本文針對傳統(tǒng)風(fēng)電功率區(qū)間預(yù)測模型的單目標(biāo)優(yōu)化準(zhǔn)則存在懲罰系數(shù)難以合理選擇問題，構(gòu)建了一種風(fēng)電功率多目標(biāo)智能優(yōu)化預(yù)測模型，并對基本多目標(biāo)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(luò)。對比于單目標(biāo)風(fēng)電功率區(qū)間優(yōu)化模型，多目標(biāo)風(fēng)電功率優(yōu)化模型避免了懲罰系數(shù)選擇，提高了預(yù)測區(qū)間置信度，降低了預(yù)測區(qū)間帶寬；對比于傳統(tǒng)多目標(biāo)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(diào)度部門提供決策支持。

后續(xù)研究內(nèi)容

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

主要圖表