[发明专利]一种基于MATLAB的风电场短期风速预测系统

说明书

技术领域

本发明涉及风力发电系统中的短期风速预测系统，特别是一种基于MATLAB平台，利用小波分解、遗传算法和支持向量机的风电场短期风速预测系统及预测方法。

背景技术

全球不可再生能源的短缺和环境污染的日渐严重，使得世界上很多国家已充分认识到风电在调整能源结构、缓解环境污染等方面的重要性，并对风电的开发给予了高度重视。开发与利用风能是我国本世纪的重要能源战略。风能是一种环境友好的可持续性能源，已受到越来越广泛地重视，并成为发展最快的新型能源。

开发和利用风能的主要形式是现代大规模并网风力发电。但是，随着风电比例的增加，风电在给我们带来多方面利益的同时，它也带来了一些不利的影响，尤其是风电穿透功率超过一定值之后，可能会严重影响电能质量和电力系统的运行，并且可能会危及常规发电方式，主要表现在电压和频率会有较大幅度的波动。更严重的，当风电机组由于风速过大而退出运行时，可能会给电力系统造成难以承受的冲击。

如果能够对风电场的风速和发电功率做到比较准确的预测，则有利于电力系统调度部门必要时及时调整调度计划，这样便可有效的减轻风电对整个电网的影响。所以，风速和风力发电功率的准确预测对于风速管理和系统运行便显得十分重要，而且还可以减少电力系统运行成本和旋转备用，提高风电穿透功率极限，并且有利于在电力市场环境下正确制定电能交换计划，以充分利用风力资源，获得更多的经济效益和社会效益。

目前风速预测的常用方法，主要包括持续预测法、卡尔曼滤波法、随机时间序列法、人工神经网络法、模糊逻辑法和空间相关性法，而风电场短期风速预测的绝对平均误差为25％-40％，这不仅与预测方法有关，还与预测周期和所预测地点的风速特性有关。其中，最关键的问题在于现在风速预测的常用方法受地域性的限制很强，同样的方法在不同的测试点可能导致风速预测精度的差异。

发明内容

本发明的技术解决问题：克服现有技术的不足，基于MATLAB平台提供一种风电场短期风速预测系统，通过改变预测系统的可调参数从而适应不同风场的风速数据信息，在提高数据预测精度的同时增强了的普遍适应性。

本发明的技术解决方案：一种基于小波分解(Wavelet Decomposition)、遗传算法(Genetic Algorithm)和支持向量机(Support Vector Machine)的风电场短期风速预测系统，包括数据处理单元、参数寻优单元和数据预测单元。系统基于MATLAB平台，使用MATLAB中的算法工具箱。

数据处理单元。数据处理单元，其运用MATLAB中的小波工具箱对一段原始风速时间序列{X(t)，t＝1，2，3，……，n}进行小波分解，分解级数为J，得到近似系数和细节系数，对J层细节系数进行软阀值降噪后再对分解后的各系数分别进行小波重构，得到X(t)＝A_J(t)+D₁(t)+D₂(t)+……+D_J(t)，其中A_J(t)为近似系数序列，D_J(t)为细节系数序列。实验表明J可在3-5之间选择，数据处理单元中选择J₁＝3、J₂＝4、J₃＝5将数据按3种情况分解后输入到参数寻优单元；