目前,風力發(fā)電已經(jīng)發(fā)展成為中國繼煤電、水電之后的第三大電源。作為一種新型的清潔能源,風力發(fā)電具有發(fā)電技術(shù)較為成熟、成本下降較為迅速等優(yōu)點,因此風電在電力行業(yè)的地位不斷提升,發(fā)電量占比隨著裝機容量規(guī)模的擴大而逐年迅速增長。根據(jù)世界風能協(xié)會的相關(guān)數(shù)據(jù),截止2017年底,全球風電裝機容量累計達到539GW,其中2017年新增52.6GW,可見風力發(fā)電產(chǎn)業(yè)已頗具規(guī)模并繼續(xù)保持高速增長的態(tài)勢。盡管目前中國有著全世界最大的風電裝機容量,但面臨的問題是風力發(fā)電量在總發(fā)電量中的占比較低。相較而言,在丹麥、葡萄牙和西班牙等歐洲國家,風力發(fā)電已經(jīng)成為其最重要的電力來源之。面對風電產(chǎn)業(yè)的大規(guī)模發(fā)展以及對于風力發(fā)電的需要,高精度的風功率預測就有著舉足輕重的實踐意義。高精度的風速預測能夠提高風能利用的效率,從而提升風力發(fā)電的經(jīng)濟效益、降低風力發(fā)電的成本、改進電力系統(tǒng)的安全性能。在此背景下,本文提出一種結(jié)合了集合經(jīng)驗模態(tài)分解（EEMD）、模擬退火算法（SA）和BP神經(jīng)網(wǎng)絡的新型混合風速預測模型E-SA-BP進行風速預測。作為當今廣泛使用的人工智能預測方法,BP神經(jīng)網(wǎng)絡具有推理依據(jù)可靠、推導過程嚴謹、預測精度較高、... 

【文章來源】：東北財經(jīng)大學遼寧省

【文章頁數(shù)】：49 頁

【學位級別】：碩士

【部分圖文】：

圖３－１?ＥＥＭＤ處理原始風速數(shù)據(jù)??３．２?ＳＡ優(yōu)化神經(jīng)網(wǎng)絡結(jié)構(gòu)??

圖３－２?混合預測模型Ｅ－ＳＡ－ＢＰ的結(jié)構(gòu)??

本文從５０個風速觀測站中隨機選�。硞�風速觀測站作為測試對象，并將??其命名為一號觀測站、二號觀測站和三號觀測站。選取２０１１年１月１日０：００??到２０１１年１月１０日２３：５０的數(shù)據(jù)組成輸入數(shù)據(jù)集。選擇數(shù)據(jù)的細節(jié)詳見圖４－１。??：?．．ｙ?Ｈ．＾ｒ，??：?７２０?：?？?．??＼?：??；二…???：??：Ｊａｎ?１０?－?？?．?？?？?’?－?￣?１４４０?＾?？?（ｂ）?Ｓｔｒｕｃｔｕｒｅ?ｏｆ?ＢＰＮＮ??（ａ）?Ｏｒｉｇｉｎａｌ?ｄａｔａ?ｆｒｏｍ?Ｊａｎ?１?ｔｏ?Ｊａｎ?１０??■?ＪＡＫ?．？?ｆ?－ｔ?ＪＡ?＇Ｓ?１?＆??ａｔ?ｔｏ?ａ：?〇：?ｆ?？ｓ?？？?ｍ?？？?〇：?＊＊？??ｏ＇?ｗ?：?ｏ：〇：?－Ｗ?１．０：?ｓｏ?？？．?２０??．－廣一；??匪祕＿??？?ＪＡＭ?？?ＪＡｈ?｛?７?ｊ＆ｆｉ?＂?？??：；：：?Ｓｉ：：?：：；：?：：；：?：；：：?＝??（ｃ）?Ｄａｔａ?ｓｅｌｅｃｔｉｏｎ?ｓｃｈ

【參考文獻】：
期刊論文
[1]基于EEMD-LSSVM的超短期負荷預測[J]. 王新,孟玲玲.  電力系統(tǒng)保護與控制. 2015(01)
[2]基于優(yōu)化PSO-SVM模型的軟件可靠性預測[J]. 張曉南,劉安心,劉斌,張宏梅,青星.  計算機應用. 2011(07)
[3]基于廣義回歸神經(jīng)網(wǎng)絡的電力系統(tǒng)中長期負荷預測[J]. 姚李孝,劉學琴,伍利,薛美娟.  電力自動化設備. 2007(08)
[4]基于ARIMA模型的網(wǎng)絡流量預測[J]. 薛可,李增智,劉瀏,宋承謙.  微電子學與計算機. 2004(07)
[5]基于廣義回歸神經(jīng)網(wǎng)絡的貨運量預測[J]. 趙闖,劉凱,李電生.  鐵道學報. 2004(01)

博士論文
[1]時間序列短期預測模型研究與應用[D]. 張滸.華中科技大學 2013

碩士論文
[1]風速預測的研究與應用[D]. 王曉稱.華北電力大學 2012
[2]短期風速和風電功率預測模型的研究[D]. 方江曉.北京交通大學 2011
[3]模擬退火算法的原理及算法在優(yōu)化問題上的應用[D]. 龐峰.吉林大學 2006



本文編號：3424255