第一页
答卷编号：
论文题目：A题、风电功率预测问题
参赛队员1 参赛队员2 参赛队员3
姓 名 张飒 王亮 丽丽 专业、班级 机制B094 机制B094 机制B094 有效联系电话 指导教师：
参赛学校： 报名序号： 证书邮寄地址：
第二页
答卷编号：
论文等级 阅卷专家1 阅卷专家2 阅卷专家3
风电功率预测问题
摘要：能源是国民经济的重要基础，是现代社会正常运转不可或缺的基本条件，他关系到生活的方方面面。世界各国都很注重能源的利用与新能源的开发。一系列事件表明，能源不安全带来的隐患与灾难是深远而长久的，其重要性不言而喻。风能是一种清洁的、无污染的可再生能源之一，对风能利用率的提高将极大的缓解不可再生能源的消耗。据专家们的测估，全球可利用的风能资源为200亿千瓦，约是可利用水力资源的10倍。如果利用1%的风能能量，可产生世界现有发电总量8%～9%的电量。据有关部门预测，我国可利用风能资源约为16亿千瓦，其中有很好利用价值的约为2 53亿千瓦。风力发电是最具大规模开发技术经济条件的非水电再生能源。现今风力发电主要利用的是近地风能。
然而，近地风具有波动性、间歇性、低能量密度等特点，因而风电功率也是波动的。大规模风电场接入电网运行时，大幅度地风电功率波动会对电网的功率平衡和频率调节带来不利影响。如果可以对风电场的发电功率进行预测，电力调度部门就能够根据风电功率变化预先安排调度计划，保证电网的功率平衡和运行安全。因此，为了保证电网功率平衡和运行安全，有必要对风电功率问题进行实时预测。而如何对风电场的发电功率进行尽可能准确地预测，是急需解决的问题。
现在的风力发电机一般是异步发电机，必须与电网相连才能产生励磁而发电。早期的风电场采用的是小型恒速风力发电机，它的优点在于并网研究相对简单，因为感应电机的自然滑动可以轻易的获得很大的阻尼，往往只需增加少量的额定功率既可产生很好效果；缺点在于它必然受困于电抗储能与释放能量的延时性同并网的瞬时性之间的矛盾。但目前这个问题已经得到解决，因为我们总可以通过吸收电抗储能的方法来限制电路中的电压升高。
但是随着风力发电机中同步发电机的出现，对于如何并网提出了很高的要求。对此人们提出了大量设计方案，例如在驱动装置上采用了可拆卸元件，或是使用弹簧调节器来反应发电机转子和变速箱结构。在适当的功率下这些装置可以很有效的发挥作用，使并网成功。值得一提的是，现代风力发电机组主要采用的就是由此装置衍生出来的软并网方式，即采用电力电子转换装置在发电机机轴转速同电力网络频率之间建立一种柔性连接。
为了解决准确预测的问题，我们采用数学建模的形式将其尽可能的预测。方法：时间序列模型、灰色系统模型、平滑模型预测。由于所给的数据太多，故通过Matlab软件使用线性回归抽取一些有用的数据。然后主要利用最小二乘法计算。最小二乘法是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最小二乘法来表达。
关键词：风电场 功率 准确预测 线性回归 最小二乘法
1
一、问题的重述
1、基本情况：风能是一种可再生、清洁的能源，风力发电是最具大规模开发技术经济条件的非水电再生能源。现今风力发电主要利用的是近地风能。近地风具有波动性、间歇性、低能量密度等特点，因而风电功率也是波动的。大规模风电场接入电网运行时，大幅度地风电功率波动会对电网的功率平衡和频率调节带来不利影响。如果可以对风电场的发电功率进行预测，电力调度部门就能够根据风电功率变化预先安排调度计划，保证电网的功率平衡和运行安全。因此，如何对风电场的发电功率进行尽可能准确地预测，是急需解决的问题。
2、需要解决的问题：对风电场的发电功率进行预测，电力调度部门就能够根据风电功率变化预先安排调度计划，保证电网的功率平衡和运行安全。
二、符号说明及基本假设
1、符号说明
PA、PB、PC、PD 分别表示A、B、C、D四台机组的输出功率数据，P4为该四台机组总输
μjk分别表示第j天第k个时间出功率及P58 表示全场58台机组总输出功率数据。xjk和T段的数据和趋势项 2、基本假设
（1）、风速的方向在每天的同一时间段变化不大 （2）、数据是在不同天气下收集的
（3）、收集的数据准确无误，忽略人员统计数据时产生的误差
三、问题分析
1、对问题1的分析
给定的历史数据对未来几个小时或几天进行滚动的风电功率实时预测，并通过附件中公式检验预测结果的关于预测精度的相关要求。 2、对问题2的分析
风机组的汇聚会对预测结果产生累计误差。 由于各个风机之间就有误差。众多的机组将风电功率汇聚，就相当于把误差累加了。 3、对问题3的分析
一、由于气流瞬息万变，因此风的脉动、日变化、季变化以至年际的变化都十分明显，波动很大，极不稳定。二、由于地形的影响，风力的地区差异非常明显。一个邻近的区域，有利地形下的风力，往往是不利地形下的几倍甚至几十倍。故只能通过建立不同的模型进行预测，使得预测值更加准确。
四、模型的建立与求解
1、对问题1的模型建立和求解 （一）、时间序列的二次曲线趋势 （1）、对数据图PA分析
由于所给的数据太多，故通过Matlab软件使用线性回归抽取一些有用的数据（一
2
天抽取16个），抽取的数据如图： 日期 1 2 3
2006-5-31 249.0938 364.6875 106.9688 2006-6-2 347.8125
405
4 5 6 7
-0.75 71.53125
8
388.875 235.875 74.8125 -0.75 -0.75
-3.5625 49.78125
-0.75 7.59375 19.875
14.625 56.53125 7.96875 -1.21875 -0.9375 -1.875
-0.9375 -0.75
2006-6-1 216.2813 89.34375 201.6563 121.2188 23.53125
114 -0.46875
2006-6-3 78.46875 48.09375 142.7813 245.8125 2006-6-4 544.5938 336.8438 2006-6-5
29.0625 16.21875 -4.21875
23.0625
531 225.2813 197.8125 169.875 133.3125 313.7813
2006-6-6 365.4375 470.5313 568.2188
9 155.25 152.5313 187.3125
10
11
12
380.25 161.8125 234.1875 575.1563 836.5313
13
14
15
11.625 139.3125
16 一天平均
153.375 119.836
时段平均 261.5357 247.2456 237.2009 141.6563 65.66518 60.44196 119.0893 264.0536
188.625 41.90625 487.9688 385.5938 204.5625 269.25 207.2813 458.8125
93.75 534.4688 831.6563 478.0313
-2.625 251.8125 642.9375 167.7188 839.5313 313.4063 95.34375 118.3945
724.125 65.01563
38.625 66.84375
52.875 299.8125 139.6875 306.5625
92.625 449.0157
56.34375 184.7813 49.40625 249.0938 457.4063 172.3125 376.7813 380.4375 363.9375 48.28125 -1.125
-0.9375 15.84375 131.0625 66.28125 171.9375 324.9375 200.7188 10.07813
842.625 837.4688 143.5313
690 838.9688 835.7813 835.6875
231.535721 263.1429 207.1875 406.3125 297.1741 401.8795 328.8215 267.1206
功率一天中的分布图9008007006005005月10日5月11日5月12日5月13日功率4003002001000-10016111621263136414651566166717681869196时刻
从数据图PA可以看出，数据随着天数的变化有明显的周期t=16,数据的趋势项。从一天平均看出数据是随机的，是一条S型曲线，可以用二次曲线来拟合图中数据的趋势项。认为（
xt2，t）满足二元线性回归模型,xt是观测样本。 +?t, t=1,2，···
3
xt
=a+bt+ct