基于融合决策的风电场建模策略与方法研究

项目名称： 基于融合决策的风电场建模策略与方法研究

项目编号： No.51277127

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 电工技术

项目作者： 田建艳

作者单位： 太原理工大学

项目金额： 80万元

中文摘要： 风力发电受自然条件等因素的影响，具有严重的不确定性，其并网对电力系统安全稳定运行影响很大。本项目基于融合决策的建模思想，研究风电场建模的具体策略与方法。分析风机出力随自然条件变化的规律与关联特性，系统研究基于动态规律的机理模型与基于数据的神经网络模型相融合的智能建模方法，提出一种基于规则可信度区间和采用概率方法进行规则动态匹配的不确定性模糊推理方法，提高融合决策的有效性，进一步研究提炼融合智能建模方法的设计原则。重点研究灰色神经网络拓扑结构的自适应动态调整方法，建立风电场风速的基于改进型粒子群算法的灰色神经网络多元时间序列预测模型和带有风速预测修正的基于融合策略的风电功率预测模型。在已有的微电网试验平台上验证模型预测的精度，并应用于山西省雁门关微电网风电系统中。本项目将为电力系统的可靠、经济调度与控制提供依据，同时也为复杂系统的建模与分析提供一种新的、具有普适性的理论和方法。

中文关键词： 风速预测；风电功率预测；融合建模；模型评价；模型库

英文摘要： Wind power is affected by natural conditions and other factors. Its serious uncertainty brings many problems for power systems containing wind farms. Based on fusion decision, the project researches wind power modeling strategies and methods in detail. Based on the analysis of the change laws and associated features of wind power with natural conditions variations, the project studies the intelligent modeling methods, fusioning the mechanism model based on dynamic laws and neural network model based on process data. The project presents a fuzzy uncertainty inference method using rule confidence interval and dynamic rule matching by probabilistic method, in order to improve the effectiveness of fusion decision. The project further puts forward the design principles of intelligent fusion modeling method, and emphasisly researches the dynamic adaptive adjustment method of topology structures for grey neural network(GNN). Then, it establishes wind speed GNN prediction model with multiple time sequence based on improved particle swarm optimization(IPSO) and wind power prediction model based on fusion decision and correcetd by wind speed predition. The project verifies the prediction accuracy on microgrid test platform and applies these in wind power system of Yanmenguan microgrid in Shanxi Province. The project will

英文关键词： wind speed forecasting；wind power forecasting；fusion modeling；model evaluation；model base