本文選題：風(fēng)力發(fā)電　切入點(diǎn)：風(fēng)電場(chǎng)　出處：《電工技術(shù)學(xué)報(bào)》2017年21期 　論文類(lèi)型：期刊論文

【摘要】：準(zhǔn)確預(yù)測(cè)風(fēng)電場(chǎng)風(fēng)速和風(fēng)電功率對(duì)做好風(fēng)電場(chǎng)運(yùn)行維護(hù)、合理安排開(kāi)停機(jī)計(jì)劃以及確保電力系統(tǒng)的安全穩(wěn)定運(yùn)行具有重要意義。提出了基于小波包分解和改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的新型風(fēng)電場(chǎng)風(fēng)速和風(fēng)電功率預(yù)測(cè)方法并給出了具體應(yīng)用步驟。首先利用小波包分解理論對(duì)經(jīng)過(guò)初步處理的歷史風(fēng)速數(shù)據(jù)進(jìn)行分解處理,根據(jù)相關(guān)性剔除隨機(jī)數(shù)據(jù),保留最優(yōu)分解樹(shù);隨后提出帶擾動(dòng)的PSO訓(xùn)練算法用以提高Elman神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度,并解決PSO算法易陷入局部最優(yōu)解的問(wèn)題;最后利用不同結(jié)構(gòu)的Elman神經(jīng)網(wǎng)絡(luò)尋找最優(yōu)分解樹(shù)不同頻段下的風(fēng)速規(guī)律進(jìn)而獲得風(fēng)速和風(fēng)電功率預(yù)測(cè)結(jié)果。南方某風(fēng)電場(chǎng)算例表明該方法具有更高的預(yù)測(cè)精度,能夠正確反映風(fēng)速和風(fēng)電功率規(guī)律。
[Abstract]:Accurately forecast wind speed and wind power of wind farm to do a good job in the operation and maintenance of wind farm, It is of great significance to arrange the on-off plan reasonably and to ensure the safe and stable operation of power system. A new wind speed and wind power prediction method based on wavelet packet decomposition and improved Elman neural network is presented. First of all, using wavelet packet decomposition theory to decompose the historical wind speed data after preliminary processing, According to the correlation, the random data is eliminated, the optimal decomposition tree is preserved, and then the PSO training algorithm with disturbance is proposed to improve the training speed of Elman neural network, and to solve the problem that PSO algorithm is prone to fall into local optimal solution. Finally, the Elman neural network with different structures is used to find out the wind speed law under different frequency bands of the optimal decomposition tree, and the results of wind speed and wind power prediction are obtained. An example of a wind farm in southern China shows that the proposed method has higher prediction accuracy. Can correctly reflect wind speed and wind power law.
【作者單位】： 哈爾濱工業(yè)大學(xué)電氣工程及自動(dòng)化學(xué)院;國(guó)家電網(wǎng)公司交流建設(shè)分公司;
【基金】：國(guó)家科技支撐計(jì)劃課題資助項(xiàng)目(2015BAA01B00)
【分類(lèi)號(hào)】：TM614

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張倩;;基于Elman網(wǎng)絡(luò)非線性散射參數(shù)測(cè)量與建模[J];現(xiàn)代電子技術(shù);2011年03期

2 余向前;路民輝;任琳杰;梁穎;;基于改進(jìn)型Elman神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[J];電力信息與通信技術(shù);2014年02期

3 王曉霞;馬良玉;王兵樹(shù);王濤;;進(jìn)化Elman神經(jīng)網(wǎng)絡(luò)在實(shí)時(shí)數(shù)據(jù)預(yù)測(cè)中的應(yīng)用[J];電力自動(dòng)化設(shè)備;2011年12期

4 陳洋;瞿睿;;基于改進(jìn)型Elman神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模糊神經(jīng)網(wǎng)絡(luò)控制的變風(fēng)量空調(diào)設(shè)計(jì)[J];現(xiàn)代建筑電氣;2013年01期

5 劉爽;;基于Elman型神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)研究[J];民營(yíng)科技;2012年12期

6 劉歡;劉吉臻;張文廣;張超;;基于小波Elman神經(jīng)網(wǎng)絡(luò)的短期風(fēng)速預(yù)測(cè)[J];華東電力;2013年04期

7 陳前;毛承雄;陸繼明;余翔;;基于改進(jìn)Elman網(wǎng)絡(luò)的最優(yōu)勵(lì)磁控制器[J];大電機(jī)技術(shù);2007年03期

8 李運(yùn)紅;張ng濤;裴未遲;;基于小波包-Elman神經(jīng)網(wǎng)絡(luò)的電機(jī)軸承故障診斷[J];河北理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

9 趙建軍;張?jiān)玛?yáng);梁威;;Elman神經(jīng)網(wǎng)絡(luò)在高壓電力計(jì)量系統(tǒng)故障診斷中的應(yīng)用[J];電測(cè)與儀表;2014年13期

10 肖蕾;李郁俠;;基于自適應(yīng)Elman神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測(cè)[J];西安理工大學(xué)學(xué)報(bào);2014年01期

相關(guān)會(huì)議論文 前10條

1 ;Battery State-Of-Charge Estimation in Electric Vehicle Using Elman Neural Network Method[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

2 張志猛;李永剛;張建忠;;基于小波包分解的發(fā)電機(jī)轉(zhuǎn)子繞組匝間短路故障檢測(cè)[A];中國(guó)高等學(xué)校電力系統(tǒng)及其自動(dòng)化專(zhuān)業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（中冊(cè)）[C];2008年

3 張培銘;顏毅鵬;吳功祥;鮑光海;吳傳武;;基于神經(jīng)網(wǎng)絡(luò)的電動(dòng)機(jī)繞組溫升預(yù)測(cè)的探討[A];中國(guó)電工技術(shù)學(xué)會(huì)低壓電器專(zhuān)業(yè)委員會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];2002年

4 陳佳;;神經(jīng)網(wǎng)絡(luò)在上海天然氣日負(fù)荷預(yù)測(cè)中的應(yīng)用[A];第二屆中國(guó)城市燃?xì)庹搲細(xì)馇嗄旯こ處熣搲Y料匯編[C];2009年

5 易健雄;朱大奇;陳昕靜;;量子神經(jīng)網(wǎng)絡(luò)在電機(jī)轉(zhuǎn)子故障辨識(shí)中的應(yīng)用研究[A];'2006系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2006年

6 鄒宇;王萍;邢文超;;基于Hopfield神經(jīng)網(wǎng)絡(luò)的諧波檢測(cè)方法[A];中國(guó)儀器儀表學(xué)會(huì)第九屆青年學(xué)術(shù)會(huì)議論文集[C];2007年

7 金蘇柯;朱小良;;基于神經(jīng)網(wǎng)絡(luò)的火電機(jī)組傳感器數(shù)據(jù)融合[A];2012電站自動(dòng)化信息化學(xué)術(shù)和技術(shù)交流會(huì)議論文集[C];2012年

8 朱鋒;孫輝;周瑋;;基于相似日聚類(lèi)的神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測(cè)[A];中國(guó)高等學(xué)校電力系統(tǒng)及其自動(dòng)化專(zhuān)業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2008年

9 康忠健;徐麗;勾松波;金華蓉;李瑞生;;考慮分布電容的神經(jīng)網(wǎng)絡(luò)單相接地故障測(cè)距算法[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

10 趙春元;王存旭;張玉艷;于紅霞;;基于神經(jīng)網(wǎng)絡(luò)的模糊數(shù)學(xué)在鍋爐控制中應(yīng)用[A];第十屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

相關(guān)博士學(xué)位論文 前4條

1 李艷晴;風(fēng)速時(shí)間序列預(yù)測(cè)算法研究[D];北京科技大學(xué);2016年

2 邵海見(jiàn);基于數(shù)據(jù)的風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)[D];東南大學(xué);2016年

3 袁繼敏;基于混沌和神經(jīng)網(wǎng)絡(luò)的時(shí)域參數(shù)測(cè)試研究及其在示波器中的應(yīng)用[D];電子科技大學(xué);2009年

4 郭鵬;Hopfield神經(jīng)網(wǎng)絡(luò)及其在電廠中的應(yīng)用研究[D];華北電力大學(xué)（河北）;2004年

相關(guān)碩士學(xué)位論文 前10條

1 曹芙;基于Elman神經(jīng)網(wǎng)絡(luò)及優(yōu)化算法的混合模型的研究及應(yīng)用[D];蘭州大學(xué);2015年

2 王柳;基于復(fù)合特性Elman神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)測(cè)[D];天津工業(yè)大學(xué);2016年

3 周展;基于Elman神經(jīng)網(wǎng)絡(luò)控制的風(fēng)電最大功率點(diǎn)追蹤的研究[D];湖南大學(xué);2016年

4 張巧;基于改進(jìn)免疫算法和Elman神經(jīng)網(wǎng)絡(luò)的超聲馬達(dá)速度辨識(shí)與控制[D];吉林大學(xué);2006年

5 郭姣姣;基于改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[D];遼寧工業(yè)大學(xué);2015年

6 任麗娜;基于Elman神經(jīng)網(wǎng)絡(luò)的中期電力負(fù)荷預(yù)測(cè)模型研究[D];蘭州理工大學(xué);2007年

7 魏翔;基于小波包分解和布谷鳥(niǎo)算法的最小二乘支持向量機(jī)風(fēng)速預(yù)測(cè)模型的研究與應(yīng)用[D];蘭州大學(xué);2015年

8 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測(cè)及控制研究[D];燕山大學(xué);2015年

9 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

10 劉波;短期風(fēng)電功率預(yù)測(cè)方法研究[D];南京信息工程大學(xué);2015年

，

本文編號(hào)：1652454