基于Copula函数的风电功率区间预测研究

发布时间：2022-08-23 17:19

　　风电具有较强的随机性与波动性,若仅利用点预测技术进行实时调度十分困难,区间预测作为一种预测手段,可以得到出给定置信度水平下的风电功率的上限与下限,更有利于保证电力系统安全运行。目前大量学者对风电功率区间预测问题开展了研究并形成了丰富的预测理论,但多数方法需要假设风电功率服从某种回归模型,未能考虑到相邻时段风电功率序列之间的相关性,亦或在预测过程中需要提前设置相应模型参数,这使得在一定程度上降低了风电功率的预测精度,针对以上这些问题,本文引入了条件Copula函数对风电功率区间预测问题开展研究。首先提出一种基于离散形式下的条件Copula函数区间预测方法,该方法可以充分利用Copula函数的优秀特性,通过建立待预测点的离散条件Copula函数,挖掘相邻时段风电功率序列间的关联性,得到一个待预测点的风电功率预测区间,之后用滚动预测得到整个预测期的风功率预测结果。将该方法应用到三个风电场并与ANN（Artificial Neural Network,人工神经网络）、ARMA（Autoregressive moving average model,自回归滑动平均模型）相比,PICP（predi... 

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 风电功率预测研究现状
        1.2.2 基于Copula函数的应用研究现状
    1.3 论文主要研究内容
    1.4 技术路线
2 基于Copula函数的风电功率区间预测研究
    2.1 风电功率的区间预测
    2.2 Copula函数
        2.2.1 Copula函数定义与性质
        2.2.2 条件Copula函数
    2.3 基于Copula函数的风电功率区间预测模型
        2.3.1 预测模型与基本思路
        2.3.2 风电功率区间预测方法
        2.3.3 区间预测评价指标
    2.4 模型应用与结果讨论
        2.4.1 研究对象及数据
        2.4.2 算法应用过程
        2.4.3 预测结果
        2.4.4 分析与讨论
    2.5 本章小结
3 风电功率多目标区间预测研究
    3.1 风电功率区间预测的多目标问题
        3.1.1 多目标优化与pareto解集
        3.1.2 指标权重的选取
    3.2 基于条件Copula函数的多目标区间预测模型
        3.2.1 预测模型与基本思路
        3.2.2 NSGA-II多目标优化方法
        3.2.3 基于熵权法的权重计算
    3.3 模型应用与结果讨论
        3.3.1 研究对象及数据
        3.3.2 算法应用过程
        3.3.3 预测结果
        3.3.4 分析与讨论
    3.4 本章小结
4 考虑天气因素下的Copula风电功率多目标预测研究
    4.1 考虑天气因素下的Copula函数风电功率多目标预测模型
        4.1.1 预测模型与基本思路
        4.1.2 考虑天气因素的区间预测方法
    4.2 模型应用与结果讨论
        4.2.1 算法应用过程
        4.2.2 预测结果
        4.2.3 分析与讨论
    4.3 本章小结
5 结论与展望
    5.1 结论
    5.2 展望
致谢
参考文献
攻读硕士期间主要研究成果


【参考文献】：
期刊论文
[1]基于组合优化算法的短期风电功率预测[J]. 孙海蓉,张鸽,王瑞珈.  华北电力大学学报(自然科学版). 2020(01)
[2]考虑风电场时空相关性的多场景优化调度[J]. 马燕峰,李鑫,刘金山,霍亚欣,陈磊,赵书强.  电力自动化设备. 2020(02)
[3]计及光伏出力与负荷相关性的电力系统概率潮流计算方法[J]. 陆为华,李国庆,董存,权然.  分布式能源. 2019(05)
[4]基于混沌粒子群智能搜索的电力系统动态经济调度[J]. 田年杰,代江,郑全朝,王成佐.  电气应用. 2019(09)
[5]风电好时代来了[J]. 夏云峰.  风能. 2019(09)
[6]我国的风能资源[J]. 舟丹.  中外能源. 2019(07)
[7]入库径流预报误差随机模型及其应用[J]. 纪昌明,梁小青,张验科,刘源.  水力发电学报. 2019(10)
[8]考虑相关性的孤岛微电网供电能力研究[J]. 陈攀峰,程浩忠,张宏伟,王华磊.  水电能源科学. 2019(05)
[9]基于联合干旱指数的黄河流域干旱时空特征[J]. 曹闯,任立良,刘懿,江善虎,张林齐,张璐.  人民黄河. 2019(05)
[10]基于动态Copula的风光联合出力建模及动态相关性分析[J]. 段偲默,苗世洪,霍雪松,李力行,韩佶,晁凯云.  电力系统保护与控制. 2019(05)

硕士论文
[1]基于风速修正的风电功率短期预测研究[D]. 郭暘.内蒙古大学 2019
[2]基于改进NSGA-Ⅱ算法的含分布式电源的配电网无功优化[D]. 张艺.兰州理工大学 2019
[3]计及风电相关性和电动汽车充/放电模式的配电网动态重构[D]. 王涛.南昌大学 2019
[4]含相依新能源的电力系统动态经济调度随机优化算法研究[D]. 柯少佳.华南理工大学 2018
[5]我国风电发展的关键指标关联关系与经济效益研究[D]. 张薇.华北电力大学(北京) 2018
[6]电网短期负荷预测及水火混合系统非线性经济调度[D]. 黄溜.华中科技大学 2018
[7]计及需求响应的含风电电力系统日前经济调度[D]. 曹慧秋.武汉大学 2018
[8]基于混合藤Copula模型的多风电场出力相关性建模及其在电力系统经济调度中的应用[D]. 邱宜彬.西南交通大学 2018
[9]含分布式电源及电动汽车充电负荷电力系统的概率潮流计算方法研究[D]. 闫红强.兰州理工大学 2017
[10]考虑时区差异的含风电场电力系统随机生产模拟研究[D]. 孙奇.华北电力大学 2017



本文编号：3678173