風功率預(yù)測是風電領(lǐng)域的一個重要研究主題。隨著電力系統(tǒng)中風電占比的快速提高,風功率具有的波動性及間歇性的特點對風電大規(guī)模并網(wǎng)的安全穩(wěn)定性構(gòu)成了嚴峻的挑戰(zhàn)。精準的風功率預(yù)測結(jié)果對于電力系統(tǒng)調(diào)度及經(jīng)濟運行具有重要的參考價值。為了有效地對風功率進行預(yù)測,本文將廣域時空的數(shù)值天氣預(yù)報數(shù)據(jù)與深度神經(jīng)網(wǎng)絡(luò)相結(jié)合建立一個基于深度神經(jīng)網(wǎng)絡(luò)的風功率預(yù)測模型。本文的主要工作內(nèi)容和研究成果如下:（1）結(jié)合卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）和門控循環(huán)單元（Gated Recurrent Unit,GRU）網(wǎng)絡(luò)的特點,提出了一種CGRU深度神經(jīng)網(wǎng)絡(luò)。CGRU網(wǎng)絡(luò)將CNN和GRU網(wǎng)絡(luò)進行組合,使得CGRU兼具CNN出色的特征提取能力和GRU出色的時間序列處理能力。（2）詳細研究一種基本的蚱蜢優(yōu)化算法（Grasshopper Optimization Algorithm,GOA）,并將量子旋轉(zhuǎn)的概念引入基本蚱蜢優(yōu)化算法對其進行改進。從而提出了一種混合蚱蜢優(yōu)化算法（Hybrid Grasshopper Optimization Algorithm,HGOA）,隨后使用HGO... 

【文章來源】：上海電機學院上海市

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

Sigmoid激活函數(shù)曲線圖

上海電機學院碩士學位論文梯度消失的問題仍然不可避免，但總體上而言 tanh 函數(shù)的表現(xiàn)已經(jīng)優(yōu)于 sigmoid函數(shù)。tanh 函數(shù)圖形如下圖 2-7 所示。

圖 2-7 Tanh 激活函數(shù)曲線圖Fig. 2-7 Tanh activation function graph（3）池化層池化層是卷積神經(jīng)網(wǎng)絡(luò)中尤為重要的層結(jié)構(gòu)，其主要的作用是逐漸地降低數(shù)據(jù)體的尺寸大小，從而降低網(wǎng)絡(luò)中的參數(shù)量，減少計算資源的浪費，同時其壓縮數(shù)據(jù)的尺寸的作用，一定程度上還能降低過擬合現(xiàn)象的出現(xiàn)，提高特征魯棒性。

【參考文獻】：
期刊論文
[1]基于小波長短期記憶網(wǎng)絡(luò)的風電功率超短期概率預(yù)測[J]. 王朋,孫永輝,翟蘇巍,候棟宸,王森.  南京信息工程大學學報(自然科學版). 2019(04)
[2]譜聚類分析下粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的風電場功率預(yù)測[J]. 張偉,茅大鈞.  上海電機學院學報. 2019(02)
[3]Wind power prediction based on variational mode decomposition multi-frequency combinations[J]. Gang ZHANG,Hongchi LIU,Jiangbin ZHANG,Ye YAN,Lei ZHANG,Chen WU,Xia HUA,Yongqing WANG.  Journal of Modern Power Systems and Clean Energy. 2019(02)
[4]基于C-GRU的微博謠言事件檢測方法[J]. 李力釗,蔡國永,潘角.  山東大學學報(工學版). 2019(02)
[5]基于神經(jīng)網(wǎng)絡(luò)的風電短期功率預(yù)測模型研究[J]. 宿鳳明,孫財新,李端開.  節(jié)能技術(shù). 2018(06)
[6]基于NACEMD-Elman神經(jīng)網(wǎng)絡(luò)的風功率組合預(yù)測[J]. 楊楠,葉迪,周崢,鄢晶,黃禹,董邦天.  水電能源科學. 2018(09)
[7]基于改進的網(wǎng)格法和BA-BP-ARMA模型的風功率預(yù)測[J]. 梁濤,董玉蘭.  水電能源科學. 2018(07)
[8]基于集合經(jīng)驗?zāi)B(tài)和深淺層學習組合的風電場功率短期預(yù)測研究[J]. 曹天行,劉三明,王致杰,劉劍,孫元存.  電測與儀表. 2018(13)
[9]基于EEMD去噪和集對理論的風功率實時預(yù)測研究[J]. 楊茂,陳郁林,魏治成.  太陽能學報. 2018(05)
[10]基于深度門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)的短期風功率預(yù)測模型[J]. 牛哲文,余澤遠,李波,唐文虎.  電力自動化設(shè)備. 2018(05)

博士論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的風功率日前預(yù)測與電力系統(tǒng)聯(lián)合調(diào)度研究[D]. 雷學文.西安理工大學 2018

碩士論文
[1]基于改進型果蠅優(yōu)化算法的多電源優(yōu)化調(diào)度[D]. 梁嘉翔.西安理工大學 2019
[2]考慮風功率預(yù)測不確定性的水電風電聯(lián)合調(diào)度[D]. 張蕾.西安理工大學 2018
[3]風電場可接入容量優(yōu)化問題的研究[D]. 劉亞琳.華北水利水電大學 2018
[4]基于變分模態(tài)分解組合模型的超短期發(fā)電功率預(yù)測方法[D]. 韓奧琪.沈陽工業(yè)大學 2018
[5]基于一致性卡爾曼濾波算法的短期風速預(yù)測研究[D]. 韓林.上海電機學院 2018
[6]基于實測數(shù)據(jù)的風電場風速和風功率預(yù)測研究[D]. 秦本雙.東北電力大學 2018
[7]基于風功率預(yù)測平抑風電并網(wǎng)波動功率的研究[D]. 郭敏.山西大學 2018
[8]基于小波變換和GRU深度神經(jīng)網(wǎng)絡(luò)的地下水位預(yù)測研究[D]. 陳睿鶴.華中科技大學 2018
[9]微電網(wǎng)中短期風力發(fā)電和負荷預(yù)測的研究[D]. 劉莉莎.山東大學 2018
[10]基于云計算的風電場短期風功率預(yù)測方法的研究[D]. 趙磊.內(nèi)蒙古大學 2018



本文編號：3139158