Matlab建模 风电功率预测问题

Matlab数学建模案例分析
问题一是对风电功率实时预测及误差分析。由于题目已给出了2006年5月 10日至2006年6月6日时间段内各机组的数据，通过分析题目所给数据，首 先通过MATLAB软件绘出电机输出功率及多机总功率输出功率图以观察分析 其特点走势，做出大致走势图，然后根据图示，建立相应的数学模型；各 发电机组输出功率曲线，编程如下：
%存放状态值
%2 1 0 -1 -2
%'2表示快速下降、1表示缓慢下降、0表示基本保持不变、1表示缓慢上升、2表
示快速上升'
c=zeros(1,25);
%表示相邻状态发生的概率
j=1;
for i=1:n1(1,2)-1
a(j,i)=(zsj(j,i+1)-zsj(j,i))/zsj(j,i);
if a(j,i)>=0.3
PA输 出 功 率
PC输 出 功 率
1000
PA发 动 机 输 出 功 率 曲 线
1000
P5发 动 机 输 出 功 率 曲 线
PB输 出 功 率
500
500
0
0
-500 0
1000
20
40
60
80
100
时点
PC发 动 机 输 出 功 率 曲 线
-500 0
1000
20
40
60
80
100
时点
PD发 动 机 输 出 功 率 曲 线
E3—相对不变，增长率s=0，在程序中用“0”表示；
E4—缓慢下降，增长率-0.3<s<0，在程序中用“-1”表示；
E5—快速下降，增长率s<-0.3在程序中用“-2”表示。
发 电 功 率 增 长 率y
Matlab数学建模案例分析
PA5.31.0.0-5.31.23.45发 电 功 率 随 时 点 变 化 图 像 30 25 20 15 10
—— 缓慢上升 缓慢下降 缓慢上升 缓慢上升 缓慢下降
5-30-0-00 5-30-0-15 5-30-0-30 5-30-1-00 5-30-1-15 5-30-1-30
快速上升 缓慢下降 缓慢上升 缓慢上升 缓慢下降 快速下降
…… 5-29-22-30 5-29-22-45 5-29-23-00 5-29-23-15 5-29-23-30 5-29-23-45
…… 缓慢上升 缓慢上升 缓慢下降 缓慢下降 缓慢下降 缓慢上升
…… 5-30-22-30 5-30-22-45 5-30-23-00 5-30-23-15 5-30-23-30 5-30-23-45
…… 缓慢下降 缓慢上升 缓慢上升 缓慢上升 缓慢上升 快速下降
Matlab数学建模案例分析
b=zeros(1,n1(1,2)-1);
学些目标： （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。
Matlab数学建模案例分析
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（方法类型不限） 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？
b(j,i)=2;
PD输 出 功 率
500
500
0
0
-500 0
4000
20
40
60
80
100
时点
P4发 动 机 输 出 功 率 曲 线
-500
20
40
60
80
100
时点
x 104 4
P58发 动 机 输 出 功 率 曲 线
P58输 出 功 率
2000
2
0
0
-2000 0
20
40
60
80
100
-2
0
20
40
60
80
图19- 2 问题1分析流程图
Matlab数学建模案例分析
定义增长率A机组的增长率为
sA
PA (n
1) PA (n) PA (n)
为确保预测的精度和准确率较高，根据s的范围可将风电功率按按其增长率
划分为5种状态，即：
E1—快速上升，增长率 >0.3，在程序中用“2”表示；
E2—缓慢上升，增长率0<s<0.3，在程序中用“1”表示；
Matlab数学建模案例分析
Matlab建模 风电功率预测问题
Matlab数学建模案例分析
本章以某风电场为例，该风电场由58台风电机组构成，分为A、B、C、D 四种型号，，每台机组的额定输出功率为850kW。风电机组功率预测问题是 一个较复杂的问题，由于采集的数据的波动，呈现无规律特性，使得预测下 一时刻的风电功率显得较困难，本章综合选取了三次指数平滑预测、BP神经 网络预测、马尔科夫链模型预测以及NAR时间序列的动态神经网络来进行分 析，将风电功率分为短期预测和长期预测，从整体来看，算法预测结果较好 ，能够较好的拟合实际结果。
5 0 -5 -10 -15
0 10 20 30 40 50 60 70 80 90 100 时点t
图19- 3 PA机组增长率变化趋势图
Matlab数学建模案例分析
表19- 1 2006-5-29到2006-5-30之间A机组风电功率增长状态
时点
状态
时点
状态
5-29-0-00 5-29-0-15 5-29-0-30 5-29-0-45 5-29-1-00 5-29-1-15
100
时点
时点
图19- 1 各发电机组输出功率曲线
P4输 出 功 率
Matlab数学建模案例分析
由图19-1可看出，同一天内每一时点风电机组输出功率并无较强的规律 性，且具有一定的随机波动性。同样地也可看出不同天内的各电机输出功 率具有相似的特性，亦即具有周期性。因此，针对问题一，我们建立 Marlov链模型、时间序列中的三次指数平滑法模型、BP神经网络模型三个 模型。其具体分析流程图如图19-2所示。