风速风功率短期预测研究课件

,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,1,*,Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,Click to edit Master title style,1,*,*,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,Click to edit Master title style,*,1,*,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,Click to edit Master title style,*,1,*,风速风功率短期预测研究,答 辩 人：,导 师：,指导老师：时 间：,2019.05.17,主要内容,课题研究内容,课题总结与展望,课题研究背景及意义,主要工作和成果,3,1,2,3,3,4,课题研究背景及意义,研究背景,风能是一种可再生新能源,风电成为目前最有前景的发电方式,大规模风电接入电网,研究意义,合理优化调度，降低成本,为风力发电提高市场竞争力,对风电场的运行和维护提供合理参考,课题研究内容,WRF,模式,功率曲线,BP,神经网络,遗传算法,风速短期预测,软件框架，控制方程，,坐标方案，时间积分，,物理过程方案,二进制格式输出文件，,GrADS,分析显示,WRF,模式风速预测流程图,WRF,模式,天气研究与预报模式,(Weather Research and Forecasting Model, WRF),是为业务预报和大气研究的需要所设计的新一代的中尺度数值天气预测系统。,完成模拟区域的选取、初始参数设置,不同物理过程方案,均方根误差,(Root Mean Square Error, RMSE),和平均绝对误差,(Mean Absolute Error, MAE),是各种误差指标中比较常用的两种,不同物理过程方案,采用山东省安城风电场,SCADA,观测数据作为依据，与,WRF,模式预测出来的风速数据进行对比分析。,使用,WRF,模式对该风场,2019,年,3,月,15,日的风速分别进行提前,12h,和,24h,不同时间尺度的预测，输出时间间隔为分别取为,15min,和,30min,。,微物理过程方案,15min,时间间隔输出,30min,时间间隔输出,不同微物理过程方案均方根误差,(m/s),不同微物理过程方案平均绝对误差,(m/s),陆面过程方案,15min,时间间隔输出,30min,时间间隔输出,不同陆面过程方案均方根误差,(m/s),不同陆面过程方案平均绝对误差,(m/s),边界层方案,15min,时间间隔输出,30min,时间间隔输出,不同边界层方案均方根误差,(m/s),不同边界层方案平均绝对误差,(m/s),积云对流方案,15min,时间间隔输出,30min,时间间隔输出,不同积云对流方案均方根误差,(m/s),不同积云对流方案平均绝对误差,(m/s),结果分析,不同时间尺度下可以组合不同的物理过程方案对风速进行预测，选取不同的输出时间间隔也会得到不同的预测结果。,15min,的输出时间间隔已能满足模式预测风速的需要。,由于地形和环境等因素，模式的预测精度与所选取的初始条件和边界条件有更为直接的依赖关系。,不同嵌套方案,嵌套,分辨率,分别进行单层模式和,3,层嵌套模式不同方案的预测，水平网格分辨率单层模式设置为,8km,，嵌套模式设置为,45km,，,15km,和,5km,。,单层模式区域风向杆图,三层嵌套模式最内层区域风向杆图,不同嵌套方案,不同嵌套方案,预测数据与实测数据的误差,(m/s),符合欧洲风能预报计划结果,是否需要增加嵌套层数以提高预测精度需视具体情况而定,风功率短期预测,在对风速预测的基础上，采用两种方法对输出功率进行预测。,功率曲线,：,风力发电机组功率曲线是反映风速与输出功率之间关系的曲线。,风力发电机组输出特性,风功率短期预测,BP,算法的预测流程,确定网络层数,准备样本数据，并进行归一化处理。,确定,隐含层神经元数目,(4),通过设置训练参数，网络进行训练学习，,达到设定误差值为目标。,训练函数：,trainlm,学习率：,0.07,期望误差：,0.02,隐含层和输出层传递函数为,logsig,和,purelin,(5),用测试样本进行预测。,3,层,试凑法,BP,神经网络,风功率短期预测,曲线建立方法,平均绝对误差,平均相对误差,均方根误差,相关系数,直接法,0.1137,0.1973,15.83%,0.8437,比恩法,0.1165,0.2080,15.74%,0.8392,最大值法,0.1152,0.2503,14.79%,0.8516,幂函数法,0.1151,0.2364,13.94%,0.8682,神经网络法,0.0933,0.1697,13.37%,0.9007,不同方法预测功率误差计算,目前，电力系统要求短期风电功率预测的均方根误差应在,15%,左右，一般不能超过,20%,，而国外短期功率预测所采用的平均绝对误差标准也已达到,10%15%,。,本文准备的训练输入、输出数据分别是安城风场,3,月,15,日的实测风速和输出功率数据，该数据均为间隔,15min,的,24,小时数据，共,97,组。,风功率短期预测,遗传算法误差进化曲线,遗传算法运算流程图,2.7009,2.5013,遗传算法,工作总结与展望,总结,1.,运用中尺度数值模式,WRF,分别采用不同的方案对风电场的风速进行预测,2.,分别采用功率曲线和,BP,神经网络两种不同的方法进行风功率预测，并引入了遗传算法对,BP,神经网络进行优化,展望,1. WRF,模式适用性及误差校正,2.,神经网络构建方法,3.,风功率直接预测,Thank You !,21,请各位老师批评指正！,