發(fā)布時(shí)間：2017-12-12 17:37

  本文關(guān)鍵詞：基于WRF模式的短期風(fēng)速預(yù)測(cè)及訂正方法研究

  更多相關(guān)文章： 短期風(fēng)速預(yù)測(cè) WRF模式 優(yōu)化極限學(xué)習(xí)機(jī) 主成分分析法 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) 風(fēng)速訂正

【摘要】：風(fēng)能作為一種清潔、可再生、無(wú)污染的新型能源受到世界各國(guó)的重視,發(fā)展迅速。近年來(lái)風(fēng)力發(fā)電容量急劇增長(zhǎng),尤其是我國(guó),目前已經(jīng)成為世界上風(fēng)電裝機(jī)總量最大的國(guó)家。然而風(fēng)能具有波動(dòng)性、間歇性和隨機(jī)性的特點(diǎn),大規(guī)模的風(fēng)電并網(wǎng)必然會(huì)給電力系統(tǒng)的安全穩(wěn)定和社會(huì)經(jīng)濟(jì)的高效運(yùn)行帶來(lái)嚴(yán)峻的挑戰(zhàn)。要想提高風(fēng)力發(fā)電的利用率以及減少對(duì)電網(wǎng)運(yùn)行的負(fù)面影響,必須能提前準(zhǔn)確地預(yù)測(cè)風(fēng)電功率,而風(fēng)電功率預(yù)測(cè)中最為重要的輸入因子是風(fēng)速,因此準(zhǔn)確的風(fēng)速預(yù)測(cè)是風(fēng)電功率預(yù)測(cè)的前提和基礎(chǔ)。為了有效地對(duì)風(fēng)電場(chǎng)短期風(fēng)速進(jìn)行預(yù)測(cè),本文對(duì)短期風(fēng)速預(yù)測(cè)及其訂正方法進(jìn)行了深入的研究,主要工作內(nèi)容如下：首先,本文采用WRF模式預(yù)報(bào)風(fēng)電場(chǎng)的短期風(fēng)速,模式資料來(lái)自于NCEP/GFS全球天氣預(yù)報(bào)資料,預(yù)報(bào)時(shí)效為0-72小時(shí)。利用WRF模式預(yù)報(bào)了風(fēng)電場(chǎng)所在區(qū)域一年的風(fēng)速、風(fēng)向等氣象要素,利用雙線性插值法將預(yù)報(bào)結(jié)果插值到測(cè)風(fēng)塔風(fēng)機(jī)輪轂高度(70m)處。將WRF預(yù)報(bào)數(shù)據(jù)與測(cè)風(fēng)塔實(shí)測(cè)風(fēng)速、風(fēng)向數(shù)據(jù)進(jìn)行對(duì)比分析,結(jié)果表明,WRF模式預(yù)報(bào)風(fēng)速大于測(cè)風(fēng)塔實(shí)測(cè)風(fēng)速,但.預(yù)報(bào)風(fēng)速的變化趨勢(shì)與實(shí)測(cè)風(fēng)速的變化趨勢(shì)較為吻合；預(yù)報(bào)風(fēng)向和實(shí)測(cè)風(fēng)向也有著較好的一致性。因此,WRF模式預(yù)報(bào)輸出的風(fēng)速用于短期風(fēng)電功率預(yù)測(cè)是有效、可行的,但在準(zhǔn)確度上還有待進(jìn)一步的提高。其次,為了提高WRF模式預(yù)報(bào)風(fēng)速的準(zhǔn)確度,本文引入極限學(xué)習(xí)機(jī)方法(ELM)對(duì)預(yù)報(bào)風(fēng)速進(jìn)行訂正,針對(duì)傳統(tǒng)極限學(xué)習(xí)機(jī)的擬合性能會(huì)在一定程度上受到網(wǎng)絡(luò)結(jié)構(gòu)的影響,利用差分進(jìn)化算法(DE),優(yōu)化極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)輸入層的權(quán)值和隱含層偏置,并利用共軛梯度法(CG)求解網(wǎng)絡(luò)的輸出權(quán)值,使得極限學(xué)習(xí)機(jī)算法得到進(jìn)一步的優(yōu)化。上述改進(jìn),解決了大樣本數(shù)據(jù)的訓(xùn)練問題,提高了模型的泛化能力。實(shí)驗(yàn)結(jié)果表明,優(yōu)化極限學(xué)習(xí)機(jī)算法的訂正誤差相比傳統(tǒng)極限學(xué)習(xí)機(jī)算法有了明顯的減小,驗(yàn)證了優(yōu)化極限學(xué)習(xí)機(jī)算法的有效性；訂正后的風(fēng)速相比WRF模式預(yù)報(bào)風(fēng)速誤差更小,更接近于實(shí)際的風(fēng)速。最后,由于風(fēng)向、氣溫、氣壓等氣象要素對(duì)短期風(fēng)速預(yù)測(cè)精度也會(huì)產(chǎn)生重要的影響,基于主成分分析法(PCA)與徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)建立了多氣象要素的短期風(fēng)速二次訂正模型。采用主成分分析法對(duì)優(yōu)化極限學(xué)習(xí)機(jī)算法訂正風(fēng)速及其他氣象要素?cái)?shù)據(jù)進(jìn)行處理,消除數(shù)據(jù)之間的相關(guān)性,將主成分分析處理后的數(shù)據(jù)作為徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的輸入。實(shí)驗(yàn)結(jié)果表明,基于主成分分析法與徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的二次訂正模型進(jìn)一步減小了預(yù)報(bào)風(fēng)速的誤差,改善了預(yù)報(bào)風(fēng)速的趨勢(shì)差異,提高了短期風(fēng)速預(yù)測(cè)的精度。
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TM614
，

本文編號(hào)：1283374