以可再生能源替代化石能源,是解決現(xiàn)階段人類面臨的能源危機(jī)和環(huán)境污染問(wèn)題的根本措施。在我國(guó)可再生能源發(fā)展過(guò)程中,風(fēng)力發(fā)電技術(shù)逐漸成熟,而且發(fā)電成本低,易實(shí)現(xiàn)大規(guī)模產(chǎn)業(yè)化發(fā)展,已經(jīng)逐步成為能源與環(huán)境可持續(xù)發(fā)展的重要力量。但是,受到自然因素的影響,風(fēng)電的間歇性與波動(dòng)性較為明顯,難以把握并網(wǎng)風(fēng)力發(fā)電的不確定性特征。進(jìn)而,給電力系統(tǒng)的調(diào)度和控制決策帶來(lái)嚴(yán)峻挑戰(zhàn)。提高風(fēng)電功率預(yù)測(cè)水平、建立合理的風(fēng)電并網(wǎng)下的電力系統(tǒng)優(yōu)化調(diào)度策略,能夠提升風(fēng)電資源利用率,降低風(fēng)電并網(wǎng)對(duì)電力系統(tǒng)造成的沖擊。在此背景下,本文圍繞含風(fēng)電的電力系統(tǒng)風(fēng)電功率預(yù)測(cè)方法和多目標(biāo)優(yōu)化調(diào)度問(wèn)題進(jìn)行深入研究,主要工作和創(chuàng)新成果如下:(1)提出了基于共軛梯度算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的新型風(fēng)電功率預(yù)測(cè)方法。首先,分析了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型當(dāng)數(shù)據(jù)量增大、收斂時(shí)間增長(zhǎng)和迭代次數(shù)增加時(shí)給風(fēng)電功率預(yù)測(cè)準(zhǔn)確度和優(yōu)化控制靈敏度帶來(lái)的影響。然后,構(gòu)造了基于共軛梯度算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化模型,在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程中,采用共軛梯度算法對(duì)模型參數(shù)進(jìn)行優(yōu)化,該方法可克服傳統(tǒng)前饋神經(jīng)網(wǎng)絡(luò)基于最速下降法訓(xùn)練的缺點(diǎn),避免了傳統(tǒng)預(yù)測(cè)模型易陷入局部最優(yōu)的問(wèn)題,有效提高了風(fēng)電功率預(yù)測(cè)精度、模... 

【文章來(lái)源】：華北電力大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：114 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖１－２中國(guó)可再生能源消費(fèi)量??Ｆｉｇ．?１－２?Ｒｅｎｅｗａｂｌｅ?ｅｎｅｒｇｙ?ｃｏｎｓｕｍｐｔｉｏｎ?ｉｎ?Ｃｈｉｎａ??在此背景下，風(fēng)電等可再生能源正在大規(guī)模逐步并入電網(wǎng)，國(guó)家能源局發(fā)布了??相關(guān)數(shù)?

，層和隱含層節(jié)點(diǎn)數(shù)，在ＢＰ神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程中，采用共軛梯度算法對(duì)網(wǎng)絡(luò)的權(quán)值和闞值進(jìn)行優(yōu)化設(shè)計(jì)，從而解決訓(xùn)練過(guò)程中易陷入局部收斂的，完成神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，并將其應(yīng)用于風(fēng)電輸出功率的預(yù)測(cè)。流程圖如圖２－４基于共軛梯度算法的預(yù)測(cè)模型在風(fēng)力發(fā)電預(yù)測(cè)中的應(yīng)用??以內(nèi)蒙古某風(fēng)電場(chǎng)２０１４年連續(xù)兩個(gè)月的實(shí)測(cè)數(shù)據(jù)為例，該風(fēng)電場(chǎng)風(fēng)電出定值在１５０ＭＷ左右，機(jī)組的數(shù)據(jù)采樣周期為１５分鐘，以小時(shí)為單位對(duì)測(cè)據(jù)進(jìn)行平均化處理，以得到每個(gè)時(shí)段的均值，共采集１４３０個(gè)數(shù)據(jù)，將這些作為原始數(shù)據(jù)序列。??為了衡量預(yù)測(cè)模型隨著預(yù)測(cè)長(zhǎng)度增加，預(yù)測(cè)結(jié)果的變化情況，分別從原據(jù)序列中取兩組不同長(zhǎng)度的樣本進(jìn)行預(yù)測(cè)，第一組取第８００－１４００共６００個(gè)和第二組取第１２４０－１３８０共１４０個(gè)數(shù)據(jù)，對(duì)模型面對(duì)不同規(guī)模數(shù)據(jù)時(shí)的預(yù)力進(jìn)行測(cè)試與分析，兩組數(shù)據(jù)初始序列如圖２－５和圖２－６所示；仿真實(shí)驗(yàn)ｎｔｉｕｍ?Ｄｕａｌ－Ｃｏｒｅ?２．５０Ｇ?ＣＰＵ，?１．９６Ｇ?內(nèi)存計(jì)算機(jī)上采用?ＭＡＴＬＡＢ７．０?軟件進(jìn)

入層和隱含層節(jié)點(diǎn)數(shù)，在ＢＰ神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程中，采用共軛梯度算法對(duì)神??經(jīng)網(wǎng)絡(luò)的權(quán)值和闞值進(jìn)行優(yōu)化設(shè)計(jì)，從而解決訓(xùn)練過(guò)程中易陷入局部收斂的問(wèn)??題，完成神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，并將其應(yīng)用于風(fēng)電輸出功率的預(yù)測(cè)。流程圖如圖２－４。??２．４基于共軛梯度算法的預(yù)測(cè)模型在風(fēng)力發(fā)電預(yù)測(cè)中的應(yīng)用??以內(nèi)蒙古某風(fēng)電場(chǎng)２０１４年連續(xù)兩個(gè)月的實(shí)測(cè)數(shù)據(jù)為例，該風(fēng)電場(chǎng)風(fēng)電出力??穩(wěn)定值在１５０ＭＷ左右，機(jī)組的數(shù)據(jù)采樣周期為１５分鐘，以小時(shí)為單位對(duì)測(cè)試??數(shù)據(jù)進(jìn)行平均化處理，以得到每個(gè)時(shí)段的均值，共采集１４３０個(gè)數(shù)據(jù)，將這些數(shù)??據(jù)作為原始數(shù)據(jù)序列。??為了衡量預(yù)測(cè)模型隨著預(yù)測(cè)長(zhǎng)度增加，預(yù)測(cè)結(jié)果的變化情況，分別從原始??數(shù)據(jù)序列中取兩組不同長(zhǎng)度的樣本進(jìn)行預(yù)測(cè)，第一組取第８００－１４００共６００個(gè)數(shù)??據(jù)和第二組取第１２４０－１３８０共１４０個(gè)數(shù)據(jù)，對(duì)模型面對(duì)不同規(guī)模數(shù)據(jù)時(shí)的預(yù)測(cè)??能力進(jìn)行測(cè)試與分析，兩組數(shù)據(jù)初始序列如圖２－５和圖２－６所示；仿真實(shí)驗(yàn)在??Ｐｅｎｔｉｕｍ?Ｄｕａｌ－Ｃｏｒｅ?２．５０Ｇ?ＣＰＵ

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)混沌粒子群算法的多源獨(dú)立微網(wǎng)多目標(biāo)優(yōu)化方法[J]. 蘇適,周立棟,陸海,陳奇芳,嚴(yán)玉廷,N.A.Engerer,王飛.  電力系統(tǒng)保護(hù)與控制. 2017(23)
[2]基于回歸分析和虛擬變量的短期用電量預(yù)測(cè)管理模型[J]. 李凱,趙濱濱,曹占峰,劉展展,曹云峰.  電氣應(yīng)用. 2017(02)
[3]基于改進(jìn)CFD與小波混合神經(jīng)網(wǎng)絡(luò)組合的風(fēng)電場(chǎng)功率預(yù)測(cè)方法[J]. 崔嘉,楊俊友,楊理踐,高凱旻,宋志成,高子昂.  電網(wǎng)技術(shù). 2017(01)
[4]基于改進(jìn)多目標(biāo)引力搜索算法的電力系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度[J]. 戚建文,任建文,翟俊義.  電測(cè)與儀表. 2016(18)
[5]灰色預(yù)測(cè)技術(shù)研究進(jìn)展綜述[J]. 黨耀國(guó),王俊杰,康文芳.  上海電機(jī)學(xué)院學(xué)報(bào). 2015(01)
[6]基于GA優(yōu)化SVM的風(fēng)電功率的超短期預(yù)測(cè)[J]. 劉愛(ài)國(guó),薛云濤,胡江鷺,劉路平.  電力系統(tǒng)保護(hù)與控制. 2015(02)
[7]關(guān)于風(fēng)電不確定性對(duì)電力系統(tǒng)影響的評(píng)述[J]. 薛禹勝,雷興,薛峰,郁琛,董朝陽(yáng),文福拴,鞠平.  中國(guó)電機(jī)工程學(xué)報(bào). 2014(29)
[8]微電網(wǎng)復(fù)合儲(chǔ)能多目標(biāo)優(yōu)化配置方法及評(píng)價(jià)指標(biāo)[J]. 譚興國(guó),王輝,張黎,鄒亮.  電力系統(tǒng)自動(dòng)化. 2014(08)
[9]計(jì)及風(fēng)電成本的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J]. 翁振星,石立寶,徐政,盧強(qiáng),倪以信,姚良忠.  中國(guó)電機(jī)工程學(xué)報(bào). 2014(04)
[10]基于集合經(jīng)驗(yàn)?zāi)B(tài)分解和小波神經(jīng)網(wǎng)絡(luò)的短期風(fēng)功率組合預(yù)測(cè)[J]. 王賀,胡志堅(jiān),陳珍,仉夢(mèng)林,賀建波,李晨.  電工技術(shù)學(xué)報(bào). 2013(09)

博士論文
[1]電力系統(tǒng)環(huán)境經(jīng)濟(jì)優(yōu)化調(diào)度研究[D]. 朱永勝.鄭州大學(xué) 2016
[2]適合風(fēng)電接入電力系統(tǒng)的中短期發(fā)電調(diào)度模型與方法[D]. 夏澍.華北電力大學(xué) 2014
[3]風(fēng)電短期功率預(yù)測(cè)與并網(wǎng)多目標(biāo)調(diào)度優(yōu)化研究[D]. 王賀.武漢大學(xué) 2014
[4]多電壓源型微源組網(wǎng)的微電網(wǎng)運(yùn)行控制與能量管理策略研究[D]. 鮑薇.中國(guó)電力科學(xué)研究院 2014
[5]風(fēng)電輸出功率預(yù)測(cè)方法與系統(tǒng)[D]. 劉興杰.華北電力大學(xué) 2011
[6]含風(fēng)電場(chǎng)的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度問(wèn)題研究[D]. 周瑋.大連理工大學(xué) 2010
[7]多目標(biāo)進(jìn)化算法的研究及其在負(fù)荷分配中的應(yīng)用[D]. 劉立衡.華北電力大學(xué)（北京） 2010

碩士論文
[1]風(fēng)電功率概率特征建模及風(fēng)險(xiǎn)分析應(yīng)用[D]. 孫景文.山東大學(xué) 2016
[2]基于數(shù)值天氣預(yù)報(bào)NWP修正的BP神經(jīng)網(wǎng)絡(luò)風(fēng)電功率短期預(yù)測(cè)研究[D]. 蔡禎祺.浙江大學(xué) 2012



本文編號(hào)：2917949