基于融合决策的风电场建模策略与方法研究

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 provide a strong basis on reliable and economic schedule and control for power system, also provide a new general theory and method for complex system modeling and analyzing.

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。

随着风电并网规模的迅速扩大，风能资源的间歇性和随机性对电场的安全经济运营与电力系统稳定性的影响也日益彰显。因此，及时准确地预测风电功率意义重大。.目前风速和风电功率预测模型的种类很多，各种模型因利用数据信息不全面会不同程度的导致预测误差。本项目提出并实践了一种风电功率融合预测模型的科学构建。所谓融合建模是一个依据不同背景数据对多种单一预测模型的信息进行择优利用的过程。.项目首先以山西多个风电场的实际运行数据为基础，分析了测风数据的分布及变化特性，研究并提出了一种坏数据的分类处理方法；研究建立了10种典型有效的风速和风功率预测模型，为实施融合建模提供了模型基础；针对单一评价指标存在的问题，提出一种基于多指标主客观融合评价方法，重点研究了客观权重和主观权重的确定方法，实现了对基本模型的合理评价和优选；提出了一种基于综合相似度的区间值模糊推理算法，引入综合相似度、规则阈值、规则可信度等概念，给出了新的模糊规则激活方法及推理结论可信度的计算方法，为融合方式决策提供了方法；提出了基于模型优选和多准则决策的风速融合预测方法，以及基于冗余模型剔除和Shapley值法的风电功率融合预测模型。此外，通过研究风速的概率分布特性，提出了风速的概率模型，建立了计及随机风向、时滞、尾流效应和山体地形的四维风功率预测模型；根据混沌理论建立了间歇性风速模型和通过动量-叶素理论建立了间歇风速下的风功率输出模型。在此基础上，将融合建模的理念和方法实际应用于热连轧生产过程参数融合建模中，对不同热轧带钢产品采用多种建模方法与机理模型相互融合，取得了良好的经济和社会效益。研发了一个包括风电数据分析、处理、模型融合的系统仿真平台，可以方便、快捷地分析不同风电场的特性，并构建风电功率预测模型，满足风电大规模发展的迫切要求，更好地保障电网的安全稳定运行、合理的安排调度计划以及有效提高电网对风电的接纳能力等。