文档介绍
第十九章 Matlab数学建模案例分析 图19- 52 PB风电机组长期预测图 第十九章 Matlab数学建模案例分析 在问题二中，我们讨论过“异常点”对预测风电功率精度有重要影响，避免在那些“异常点”下多机组同时工作；在这些“异常点”的影响下，导致风电机组的发电功率异常。 当然，风电功率预测精度不能无限的提高，风电功率受风力、风速、气温、气压等因素的影响，变化没规律；而现行的预测精度一方面受外界因素的影响，一方面受模型本身因素影响，即存在偶然误差以及系统误差，使得风电功率预测精度不能无限的提高。 第十九章 Matlab数学建模案例分析 第19章 风电功率预测问题 第十九章 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。 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。 第十九章 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