风电场短期功率预测及风电并网后的系统频率稳定性分析-马小津.pdf

《风电场短期功率预测及风电并网后的系统频率稳定性分析-马小津.pdf》由会员分享，可在线阅读，更多相关《风电场短期功率预测及风电并网后的系统频率稳定性分析-马小津.pdf（58页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、独创性声明本人所呈交的学位论文是在导师指导下进行的研究工作及取得的成果。尽我所知，除特别加以标注的地方外，论文中不包含其他人的研究成果。与我一同工作的同志对本文的研究工作和成果的任何贡献均已在论文中作了明确的说明并已致谢。本论文及其相关资料若有不实之处，由本人承担一切相关责任。论文作者签名：圣煎2；奎 功I弓年弓月)7日学位论文使用授权本人作为学位论文作者了解并愿意遵守学校有关保留、使用学位论文的规定，即：在导师指导下创作完成的学位论文的知识产权归西安理工大学所有，本人今后在使用或发表该论文涉及的研究内容时，会注明西安理工大学。西安理工大学拥有学位论文的如下使用权，包括：学校可以保存学位论文；

2、可以采用影印、缩印或其他复制手段保存论文；可以查阅或借阅。本人授权西安理工大学对学位论文全部内容编入公开的数据库进行检索。本学位论文全部或部分内容的公布(包括刊登)授权西安理工大学研究生学院办理。经过学校保密办公室确定密级的涉密学位论文，按照相关保密规定执行；需要进行技术保密的学位论文，按照西安理工大学学位论文技术保密申请表内容进行保密(附西安理工大学学位论文技术保密申请表)。保密的学位论文在解密后，适用本授权。论文作者签名：墨丛；聿 导师签名： h f；年弓月四日摘要论文题目：风电场短期功率预测及风电并网后的系统频率稳定性分析学科专业：电力电子与电力传动研究生：马小津指导教师：余健明教授摘

3、要签名：风力发电技术在可再生能源发展利用中最快最成熟，但其具有波动性、问歇性、随机性的特点，使得大容量的风力发电接入电网，对电力系统的安全及稳定运行带来严峻挑战。对风功率进行预测，是解决这个问题的有效途径。本文对风电场功率和风电并网后的频率稳定两个方面进行了研究。根据风电场风速及功率特性的分析，考虑了温度、风速等影响功率预测的因素，提出了一种将改进粒子群优化应用到最小二乘支持向量机的短期功率预测方法。以内蒙古某风电场的历史数据和气象数据为训练样本，分析影响功率预测的各种因素，对历史数据中的“异常数据“进行修正，建立LSSVM模型对风电场风速及功率进行预测，然而LSSVM中的两个参数对模型预测误

4、差有很大影响；对此，采用粒子群优化算法对LSSVM的模型参数进行优化；为了避免粒子群的早熟收敛问题，应用改进PSOLSSVM模型，使得预测误差有所降低。实际算例表明，预测方法收敛性好、方便实用、有较高的预测精度和较快的训练速度。考虑了风电场并网对电网频率稳定性产生的影响，在对变速恒频双馈风电机组参加频率控制特性进行分析的基础上，给传统变速恒频双馈风电机组解耦控制附加一个频率控制单元。仿真结果可以看出，该控制策略能够对电网的频率降低做出响应，表现出变速风电机组惯量作用，在一定程度上参与系统的频率控制，降低电网频率变化率。关键词：最小二乘支持向量机(LSSVM)；风速；风功率预测；风电场；粒子群(

5、PSO)；频率稳定西安理工大学硕士学位论文Title：SHORT-TERM WIND POWER PREDICTION AND FREQUENCYSTSBILITY ANALYSIS AFTER WIND FARM lNTEGRATlONMajor=Power electronics and power transmissionName=Xiaojin MASupervisor-ProfJianming YUAbstractSignature：Signature：Wind power generation technology is the fastest the most mature in

6、 the development andutilization of renewable energy,but it has the features of being fluetuant，intermittent andstochastic which makes interconnection of large capacity wind farms with the power grid bringabout serious challenges to the safety and stable operation of power systemsIt is the effectivew

7、ays to solve the problem that is predicting the power of wind powerTwo aspects are studiedin this paper,wind oower forecasting and frequency contr01According to wind speed and power characteristic analysis，taking the factors that have aninfluence on wind power prediction into consideration，for examp

8、le，temperature and windspeedThis paper puts forward a shortterm power prediction method that improved particleswarm optimization is applied to least squares support vector machine(LSSVM)Take thehistory data and meteorological data of a wind farm in Inner Mongolia for the training sample，analyzed var

9、ious factors that have an influence on power predictioncorrected the”abnormaldata”among historical data，normalized the training sampleFirst of all，establish LSSVMmodel for prediction of wind speed and wind power of wind farmHowever,the two parametersof LSSVM model have a great influence on the predi

10、ction error,SO this paper used particleswarm optimization algorithm to optimize the parameters of LSSVM modelFinally,in order toavoid the premature convergence problem of the particle swarm，it put forward the improvedPSO-LSSVM model maked the prediction error Was reducedActual example showed that th

11、eforecasting method is good convergence，convenient and practical，has higher predictionprecision and faster training speed as wellIt Was studied酊d-connected wind power produced an effect on grid frequency stability inthe last partBased on the analysis of variable speed doublyfed wind power generatorp

12、articipating in system frequency characteristics，additted wind generator frequency control unitin the traditional variable doubly-fed wind power generator decoupling contr01The simulationresults showed that the control strategy could response to lower frequency of power grid，Abstractshowing inertia

13、effect of variable speed wind generator,could participate in the frequencycontrol to some extent，reduce the power grid frequency variation rateKey words：Least Square Support Vector Machines，Wind Speed，Wind Farm，Wind PowerForecasting，Panicle Swarm Optimization，Parameter Selection，Frequency Stability目

14、录第1章11121314第2章2122232425第3章313233343536目录绪仑1风电场功率预测的背景和意义1国内外风电发展概况1121国外风电发展概况1122国内风电发展概况2123风电场功率预测的常用方法3支持向量机在风电场功率预测中的应用情况以及存在问题4本文主要工作5风电相关特性以及支持向量机原理7风电相关特性7211风的特性7212风电机组输出功率的特性8支持向量机回归原理9221结构风险最小化原则9222支持向量机回归原理lO最d-乘支持向量机原理12粒子群参数优化的理论概述14241标准粒子群参数优化原理14242改进粒子群优化理论14小结15改进粒子群最小二乘支持向量机

15、预测模型的建立16风电场风速及功率特性分析16311风电场风速特性分析16312风电场功率特性分析17数据预处理18321样本数据的预处理18322样本的归一化处理19核函数的选择19模型参数的确定20PSOLSSVM模型的建立21351风电场短期功率预测步骤及流程21352误差评价指标22小结23西安理工大学硕士学位论文第4章414243444546第5章515253风电场短期功率预测实例分析风电场的等效模型输入变量的选取LSSVM预测模型431 LSSVM预测结果及分析432算法存在的缺陷与对策PSO-LSSVM预测模型441参数的分析与设置442标准PSO-LSSVM预测结果及分析443

16、算法存在的缺陷与对策改进PSOLSSVM预测模型451参数的分析与设置452改进PSO-LSSVM预测结果及分析453功率预测稳定性分析小结风电并网后的系统频率稳定性分析引言系统频率稳定性及频率控制方式521系统频率稳定性522风力机的分类523 DFIG频率控制方式DFLG频率控制算例分析531 DFLG频率控制模块532算例系统533算例结果及分析54小结第6章总结及展望61总结62展望致谢参考文献硕士期间成果44455667799992455556899O1566689222222222222223333333333444444445绪论第1章绪论11风电场功率预测的背景和意义新能源当中

17、，风能是非常具有发展潜力的可再生能源之一。目前，已经有非常多的国家深深的体会到风电能源的重要程度，因此，对风力发电的研发给予了很高的重视。随着风力发电技能的逐步完善，全世界累计装机容量逐渐上升，与此同时，风力发电场接入电网系统的等级也逐渐升高。风力发电的飞速增加是由于风电技术的不断成熟。目前，单机容量在兆瓦级以上的风力发电机已经发展到了商业化制造水平，成为现在世界上风力发电的主流机型。并且容量更大、性能方面更优的机组也已经研究完成并投入试运行，例如丹麦刚刚建成的几个风力发电场的单机容量都是在2兆瓦以上21。即使国内国外风力发展都非常迅速，但是风机的输出功率是跟随风速的波动而随机波动的，所以其对

18、电网系统产生的不好影响也是不可以忽略的。大规模风电并入电网以后，因为风电场输出功率所具有的随机性和波动性，使得电力系统的调度以及电能质量都将面临挑战。当风力发电的“穿透功率“大到一定程度的时候，电网的安全稳定运行更面临危机21。因此，对风力发电场进行短期功率预测，能够使得电力调度部门提前根据风力发电所能输出的功率变化快速的调整调度安排，确保电能的质量，降低电力系统的备用储能，这也是减轻风力发电对电网系统造成不好影响、增加电网中风力发电装机容量的一个良好途径。由此可以看出，对风力发电场的输出功率进行预测是非常有意义的n1。随着风力发电场装机容量在区域电网中占有的比例不断上升，当电网突发频率大幅度

19、下降状况时，电力系统的惯性对频率下降的变化率有着决定性的作用。对于比较严重的频率事故，系统惯性的下降对于电力系统频率的平稳性是极其不利的。目前，以变速恒频双馈风机为基础构成的风力发电场，它的定子侧直接和电网连接，转子侧跨过逆变器和电网连接，实现了变速运行，并且使得无功功率和有功功率彼此互不关联，调节风力发电场的功率因数和电压的平稳性。因此，基于变速恒频双馈风电机组所组成的风电场的频率控制是电力系统中众多关于风电的问题里面急需解答的问题之一，所以，在指导工程实践以及探索理论方面也将有特别重要的意义。1。2国内外风电发展概况121国外风电发展概况早在20世纪90年代，欧洲就已经颁布了风电发展计划，

20、明确了风力发电发展的目西安理工大学硕士学位论文标即到2010年的时候风力发电的装机容量就要达至lJ40CW，而且要求参与此项计划的国家在这个发展目标的基础上定制自己国家的发展计划和所要达到的目标。在西班牙、丹麦以及德国等国家的促动下，风力发电在欧洲国家中的很多取得了极为迅速的发展。法国、德国以及西班牙的新近增加的风力发电装机容量总和显然已经成为欧洲新近增加风力发电装机总容量的7015。由于德国、美国、丹麦、法国等国家对风能发展所给予的高度关注，和及时颁布而且落实督促风力发电发展的相关措施以及政策，快速地促进了世晃范围内风力发电产业的发展。根据全世界风能协会(GWEC)统计的1995“-2007

21、年间的记录数据，较为仔细地表明了全球范围内风力发电装机容量的上升局势。全世界总的装机容量到2008年12月底已经越过了12亿千瓦。2008年，全世界风力发电上升速度已经达N288，新近增加的装机容量上升!U2700万千瓦，同期上涨36410亚洲、欧洲以及北美依旧是全球风力发电开展的三个最为重要的市场，三大区域新增装机依次是：8589、8877和8881万千瓦，在全球风力发电装机总容量中占了90以上。如图卜1所示为2000年“-2010年全球累计装机容量变化情况。2000001500001000005000D122国内风电发展概况我们国家拥有富饶的风能资源，根据我国气象研究院研究统计，在10m高

22、度的地方，中国的风能全部的储备能量是3226亿千瓦，如果按照110的实际可以开发的量来计算，即就是323亿千瓦。考虑到风力发电机组实际的扫掠形状是圆形，再乘以0785的扫掠面积系数，即就是中国经济可以开发的总数是253亿千瓦。按照至1J2008年底全世界风能协会的记录，中国风力发电总共装机容量可以到达12153万千瓦。在这里面，新近增加的装机容量是6246万千瓦，每年上升率增长Ns9。中国目前己定制了有利于风电开发的中期绪论长期发展安排以及相关法律法规，预计到达2020年的时候我国风力发电装机容量会上升到3000万千瓦，而2005“-2010年末风力发电总装机容量每年的平均上升率期望可以达N3

23、8，在2010“2020年这段时间里，风力发电装机容量每年的平均上升率预期可以达至ilJ431。中国风能分布地区主要在内蒙古、东南沿海以及附近岛屿、甘肃河西走廊、华北地区、新疆、青藏高原以及其部分地区。煤炭等比较常规的资源在这些地方一般都较少。在时间分布上面，一般夏季的降雨量大、风小，冬春季节的降雨量少、风大，和水力发电的丰水期以及枯水期正好形成较好的互补性。中国的资源和能源总量相对而言比较少，人口较多，导致人均占有率相对较低，消费能源的上升却比较快，所面临的能源局势相对严峻。中国可再生能源法在2006年正式发挥效力，给中国的可再生资源和能源的发展营造了一个很好的规划框架以及法律框架。伴随着中

24、国对于调整能源结构的决心，使得可再生能源中没有污染的风力发电逐渐得到关注。在国家设立的中期长期技术和科学发展规划的大纲中，提出了对于可再生能源里面较低成本并且规模化开发和利用的能源要放在前面的观点，提出“重点发展研究大型的风力发电装置”。所有这些条款要求都成为督促中国风电产业发展的有利方面。可以看出，在这项规划的约束下，中国风力发电事业将飞速发展，N2008年底，中国在排除台湾省以外总共风力发电机组将有11600多台，总计装机容量约为12153万千瓦151。比起上一年多了云南、江西以及重庆三个省市，散布在24个省市自治区，装机容量在100万千瓦以上的有吉林、内蒙古、河北以及辽宁等四个省区。与上

25、一年年末累计装机容量5906万千瓦比起来，2008年累计装机容量上升比率是106。目前，国内在风电功率预测方面的研究迅猛发展，但总体来讲，国内风电功率预测研究还处于起步阶段，预测精度还有很大的提升空间41。123风电场功率预测的常用方法到现在为止，国内国外有关于风力发电场功率短期预测探讨的方法种类很多，大致总结起来用来进行功率预测的方法大致能够划分为两类：一类是采用数值气象预报的方法(NWF)“钉，另一类是在历史数据的基础上进行预测的方法。所谓数值气象预报模型进行风力发电场功率短期预测，其根本是要由这个预报模型计算出风力发电场的输出功率。数值气象预报方法的误差百分比一般都分布在15“-20之间

26、，不能达到直接计算风力发电机组输出功率的规定，其主要的误差是因为气象预报模型本身。基于历史样本数据的风力发电场功率短期预测，就是根据风力发电场的真实历史数据，预测风力发电场输出功率的方法，比较常用的方法有：随机时间序列法61、卡尔曼滤波法、人工神经网络(ANN)法71、支持向量机算法“儿钉、遗传算法阳1、模糊逻辑法131灰色预测n01等。(1)卡尔曼滤波法这种方法所建立的状态空间模型中的状态变量是风力发电功率以及风速，使用卡尔曼西安理工大学硕士学位论文滤波方法来实现风电场的功率预测。事实上，此种方法事先认为噪声的统计特性已经知晓，然后才得出预测的功率，然而，对噪声的统计特性的估计使得这种方法的

27、应用比较困难伯1。(2)随机时间序列法这种方法建模要用到非常多的历史数据，要保证这个数学模型可以描述所探讨的时间序列，就要经过数据处理、模型定阶、模型识别、参数估计以及模型检验等过程，然后推导出预测模型从而完成风电场的短期功率预测n。(3)人工神经网络方法ANN法模仿人的大脑的功能及结构，由众多处理元件按照某一种结构大范围连接组成，具有自适应、自组织、自学习的能力，使得该方法有分布式储存以及容错、并行处理的特征，能够实现知识处理、分类与识别、联想记忆、优化计算、非线性映射等功能D12131。(4)模糊逻辑法使用模糊逻辑思路把语言和数据做成模糊规则库，然后选用线性模型来逐步逼临按非线性动态方式改

28、变的风速。然而只用模糊方法一种方法来预测风速的话，预测效果常常不会很好，假如能把其它方法和此种方法相互配合使用，才可以达到较低误差的预测结果n朝。(5)遗传算法此方法是设立在群体遗传学以及自然选择理论基础上的一种方法，它是一种进化的、随机的、迭代与搜索算法，这种方法具有全局范围的优化本领，遗传算法在普通情况下被用于ANN权值的优化，从而使得BP算法不会陷入局部最小以及克服它所存在的收敛性能，从而提高预测精度阳1。(6)支持向量机支持向量机方法主要是面向于小样本情形，此方法在模型的学习能力和复杂性之间做到了非常好的权衡，它以VC维理论以及结构风险的最小化准则(SRM)为基础建立。最突出的优点是对

29、常用预测方法所存在的维数灾难、局部极值、预测效果不够精确以及过学习等问题可以有效的克服，给风速以及风功率的短期预测研究指明了一个新的方向n们421。13支持向量机在风电场功率预测中的应用情况以及存在问题支持向量机方法在解决高维数、非线性、小样本的模式识别问题中表现出了很多所特有的优势，具有较好的预测能力以及函数拟合能力。主要应用在故障诊断以及风速的短期预报方面，对于风力发电场发电量的预报较少。文献【4】采用支持向量机和改进灰色模型对风速和风力发电功率进行预测比较，将得到的风速预测结果代入风力机功率与风速分段函数，由风力机功率公式及风电机组功率分段函数可得风力发电预测功率。文献【5】采用奇异谱分析提取风速序列中的趋势成分和振荡周期成分，进行准周期信号分量重建。然后考虑温度、气压对风速的影响，提出了基于主成分分析的LSSVM短期风速预测方法，在此基础上，建立风电场输出功率预测模型，4