項(xiàng)目背景

近年來，隨著風(fēng)電并網(wǎng)規(guī)模的快速擴(kuò)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(jī)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(yùn)行，有必要對(duì)風(fēng)電功率進(jìn)行準(zhǔn)確預(yù)測(cè)。準(zhǔn)確的風(fēng)電功率預(yù)測(cè)有利于合理調(diào)度電網(wǎng)資源，降低電網(wǎng)運(yùn)行成本，提高電網(wǎng)穩(wěn)定性，對(duì)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(guó)內(nèi)外關(guān)于風(fēng)電功率預(yù)測(cè)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(bào)的物理方法、基于歷史數(shù)據(jù)的統(tǒng)計(jì)方法以及二者相結(jié)合的混合預(yù)測(cè)方法。以上這些風(fēng)電功率預(yù)測(cè)方法大部分為單一的點(diǎn)預(yù)測(cè)方法，但由于風(fēng)電輸出功率受多種不確定因素的影響，點(diǎn)預(yù)測(cè)方法依然存在較大誤差，且難以反映預(yù)測(cè)的可靠性，因而有學(xué)者采用概率區(qū)間對(duì)風(fēng)電不確定性進(jìn)行分析。概率區(qū)間預(yù)測(cè)可以通過置信度指標(biāo)來衡量預(yù)測(cè)結(jié)果的可靠程度，分析風(fēng)電功率可能的波動(dòng)范圍，同時(shí)決策者可以根據(jù)需要選擇最佳置信度下的預(yù)測(cè)結(jié)果完成電網(wǎng)的安全可靠調(diào)度。

主要?jiǎng)?chuàng)新點(diǎn)

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(cè)多目標(biāo)優(yōu)化模型，并改進(jìn)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(cè)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(cè)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(cè)指標(biāo)的對(duì)比結(jié)果，表明所構(gòu)建的多目標(biāo)智能優(yōu)化模型對(duì)風(fēng)電功率區(qū)間預(yù)測(cè)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(duì)傳統(tǒng)風(fēng)電功率區(qū)間預(yù)測(cè)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(cè)模型，并對(duì)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(jìn)行改進(jìn)以優(yōu)化小波神經(jīng)網(wǎng)絡(luò)。對(duì)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(cè)區(qū)間置信度，降低了預(yù)測(cè)區(qū)間帶寬；對(duì)比于傳統(tǒng)多目標(biāo)進(jìn)化算法優(yōu)化下的WNN模型，采用本文改進(jìn)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(duì)優(yōu)越的動(dòng)態(tài)性能，能夠同時(shí)為不同電網(wǎng)調(diào)度部門提供決策支持。

后續(xù)研究?jī)?nèi)容

后續(xù)研究方向?yàn)榭紤]預(yù)測(cè)區(qū)間外點(diǎn)誤差的多目標(biāo)風(fēng)電功率區(qū)間預(yù)測(cè)方法。

主要圖表