数学建模实验五：风电功率预测问题.docVIP

数学建模实验五：风电功率预测问题 数学建模实验五：风电功率预测问题 PAGE / NUMPAGES 数学建模实验五：风电功率预测问题 实验五 风电功率预测问题 一、实验目的 1）学习和掌握马尔科夫链预测方法； 2）掌握三次指数平滑预测方法； 3）掌握 BP 神经网络预测方法； 4）掌握 NAR 时间序列的动态神经网络进行预测等 二、实验步骤 2.1 问题提出： 某风电场由 58 台风电机组构成， 每台机组的额定输出功率为 85kw 。附件 2 中给出了 2006 年 5 月 10 日 ~2006 年 6 月 6 日时间段内该风电场中指定的四台风电机组（ A ， B， C 和 D） 每隔 15 分钟的输出功率数据（分别记为 PA、PB 、PC 和 PD；另设该四台机组总输出功率 为 P4）及全场 58 台机组总输出功率数据（记为 P58）。 问题 1：风电功率实时预测及误差分析。 请对给定数据进行风电功率实时预测并检验预测结果是否满足附件 1 中的关于预测精 度的相关要求。具体要求： （ 1）采用不少于三种预测方法（至少选择一种时间序列分析类的预测方法） 。 （ 2）预测量： a. PA，PB， PC，PD；  b. P4  c. P58 3）预测时间范围分别为（预测用的历史数据范围可自行选定） 5月31日0时 0分至 5月31日23时45分； 5月31日0时 0分至 6月6日23时 45分。 4）试根据附件 1 中关于实时预测的考核要求分析你所采用方法的准确性。 5）你推荐哪种方法？ 问题 2：试分析风电机组的汇聚对于预测结果误差的影响。 在我国主要采用集中开发的方式开发风电， 各风电机组功率汇聚通过风电场或风电场群 （多个风电场汇聚而成） 接入电网。 众多风电机组的汇聚会改变风电功率波动的属性， 从而 可能影响预测的误差。 在问题 1 的预测结果中，试比较单台风电机组功率（ PA、PB 、PC、PD）的相对预测误 差与多机总功率（ P4， P58）预测的相对误差，其中有什么带有普遍性的规律吗？从中你能 对风电机组汇聚给风电功率预测误差带来的影响做出什么样的预期？ 问题 3：进一步提高风电功率实时预测精度的探索。 提高风电功率实时预测的准确程度对改善风电联网运行性能有重要意义。 请你在问题 1 的基础上，构建有更高预测精度的实时预测方法，并用预测结果说明其有效性。 通过求解上述问题，请分析论证阻碍风电功率实时预测精度进一步改善的主要因素。 风电功率预测精度能无限提高吗？ 2.2 问题 1 的分析、建模与求解 （ 1）数据分析：绘制各发电机输出功率曲线（参考程序 程序代码：  ysw.m） ,分析数据的波动规律。 clc,clear,close all load(data.mat) a = 23; % 某一天 subplot(321),plot(PA(a,:));grid on xlabel( title(PA  时点 );ylabel(PA 发动机输出功率曲线  输出功率 )  ); subplot(322),plot(PB(a,:));grid on xlabel( title(P5  时点 );ylabel(PB 发动机输出功率曲线  输出功率 )  ); subplot(323),plot(PC(a,:));grid on xlabel( 时点 );ylabel(PC 输出功率 ); title(PC 发动机输出功率曲线 ) subplot(324),plot(PD(a,:));grid on xlabel( 时点 );ylabel(PD 输出功率 ); title(PD 发动机输出功率曲线 ) subplot(325),plot(P4(a,:));grid on xlabel( 时点 );ylabel(P4 输出功率 ); title(P4 发动机输出功率曲线 ) subplot(326),plot(P58(a,:));grid on xlabel( 时点 );ylabel(P58 输出功率 ); title(P58 发动机输出功率曲线 ) 输出： 图 1 分析： 如图 1 所示，各发电机组的数据波动规律基本一致，具有周期性，并没有较强的规律 性，具有随机波动性，在 0-100 的时点内，一开始从一个特定的值逐步上升，到达一个特定 时间点（大概是 12 时点）开始迅速下降，一直降到 0，在很长一段时间内都在 0 的附近微 弱波动，从大概 40 时点开始，在动荡中上升，大概在 70 时点是上升到最大值，之后又迅速 下降，再次将到 0，从 90 时点开始又有小幅度上升。 （ 2）建立三次指数平滑法模型并求解（参考问题 1 程序） 建立模型： 指数平滑预测方法是移动平均预测方法加以发展的一