我國(guó)地域遼闊,風(fēng)能資源豐富,多風(fēng)帶地區(qū)大約占全國(guó)總面積的三分之二,若充分利用風(fēng)力資源將對(duì)社會(huì)的經(jīng)濟(jì)發(fā)展和人們的生存生活產(chǎn)生重要的影響。由于風(fēng)速隨機(jī)性大、波動(dòng)性和間歇性較強(qiáng)的特點(diǎn),容易對(duì)電網(wǎng)的安全和穩(wěn)定運(yùn)行造成巨大的影響。風(fēng)速過大直接影響風(fēng)電穿越功率較大時(shí),將嚴(yán)重影響電力系統(tǒng)的安全。在實(shí)際風(fēng)電并網(wǎng)與電力系統(tǒng)調(diào)度中,可靠的風(fēng)電功率預(yù)測(cè)既可降低風(fēng)電波動(dòng)性對(duì)經(jīng)濟(jì)性的影響,又能保證風(fēng)電接入后電力系統(tǒng)運(yùn)行的安全性和穩(wěn)定性。本文基于上述背景,分別從提高超短期風(fēng)功率預(yù)測(cè)精度和考慮風(fēng)電功率預(yù)測(cè)誤差的電力系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度兩方面進(jìn)行研究分析,主要包括以下內(nèi)容:（1）論文從時(shí)間尺度和預(yù)測(cè)方法上對(duì)風(fēng)功率預(yù)測(cè)進(jìn)行劃分,確定采用啟發(fā)式算法優(yōu)化極限學(xué)習(xí)機(jī)的方法預(yù)測(cè)超短期的風(fēng)功率。從密度公式、物理角度等方面對(duì)影響風(fēng)電輸出功率的因素進(jìn)行分析,最終確定以風(fēng)速、風(fēng)向、溫度以及密度作為預(yù)測(cè)超短期風(fēng)功率的主要影響特征。（2）模擬樽海鞘群覓食行為,利用樽海鞘群算法在迭代過程中可對(duì)參數(shù)尋優(yōu)的特點(diǎn),優(yōu)化極限學(xué)習(xí)機(jī)的輸入權(quán)值矩陣及隱含層偏差值,從而提高預(yù)測(cè)模型的適應(yīng)性和準(zhǔn)確性。分別采用樽海鞘群優(yōu)化極限學(xué)習(xí)機(jī)（SSA-ELM）和粒子群優(yōu)化... 

【文章來源】：華北水利水電大學(xué)河南省

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

風(fēng)能玫瑰圖

2風(fēng)功率預(yù)測(cè)影響因素及評(píng)價(jià)指標(biāo)13圖2-2RMSE變化圖Fig.2-2GraphofRMSERMSE是為了說明樣本的離散程度，即做非線性擬合時(shí)，RMSE的值越小越好。因此，在風(fēng)電預(yù)測(cè)過程中，風(fēng)功率預(yù)測(cè)值與影響因素以及實(shí)際值之間是非線性關(guān)系，采用RMSE可以有效的體現(xiàn)預(yù)測(cè)的可靠性。2.3.3平均絕對(duì)誤差平均絕對(duì)誤差（MeanAbsoluteError，MAE），表示實(shí)際值與預(yù)測(cè)值之間絕對(duì)誤差的平均值，如下表示：MAE=1∑||=1(2-7)圖2-3MAE變化圖Fig.2-3GraphofMAE

2風(fēng)功率預(yù)測(cè)影響因素及評(píng)價(jià)指標(biāo)13圖2-2RMSE變化圖Fig.2-2GraphofRMSERMSE是為了說明樣本的離散程度，即做非線性擬合時(shí)，RMSE的值越小越好。因此，在風(fēng)電預(yù)測(cè)過程中，風(fēng)功率預(yù)測(cè)值與影響因素以及實(shí)際值之間是非線性關(guān)系，采用RMSE可以有效的體現(xiàn)預(yù)測(cè)的可靠性。2.3.3平均絕對(duì)誤差平均絕對(duì)誤差（MeanAbsoluteError，MAE），表示實(shí)際值與預(yù)測(cè)值之間絕對(duì)誤差的平均值，如下表示：MAE=1∑||=1(2-7)圖2-3MAE變化圖Fig.2-3GraphofMAE

【參考文獻(xiàn)】：
期刊論文
[1]基于IBA-KELM的風(fēng)電功率區(qū)間預(yù)測(cè)方法[J]. 林濤,蔡睿琪,張麗,楊欣,劉剛,廖文喆.  可再生能源. 2018(07)
[2]基于EEMD-HS-SVM的短期風(fēng)功率組合預(yù)測(cè)模型[J]. 姬廣龍,袁越,黃俊輝,關(guān)志堅(jiān),吳涵,楊蘇.  可再生能源. 2017(08)
[3]基于并行相關(guān)向量機(jī)的多步預(yù)測(cè)方法研究[J]. 韓中合,周沛,苑一鳴.  電網(wǎng)與清潔能源. 2017(02)
[4]基于相似日和風(fēng)速連續(xù)性的風(fēng)電場(chǎng)短期功率預(yù)測(cè)[J]. 倪鵬,孫富榮.  山東電力技術(shù). 2016(11)
[5]采用正則化極限學(xué)習(xí)機(jī)的短期風(fēng)速預(yù)測(cè)[J]. 袁翀,戚佳金,王文霞,黃南天.  電網(wǎng)與清潔能源. 2016(11)
[6]基于粒子群優(yōu)化的核極限學(xué)習(xí)機(jī)模型的風(fēng)電功率區(qū)間預(yù)測(cè)方法[J]. 楊錫運(yùn),關(guān)文淵,劉玉奇,肖運(yùn)啟.  中國(guó)電機(jī)工程學(xué)報(bào). 2015(S1)
[7]基于小波分解和極限學(xué)習(xí)機(jī)的短期風(fēng)速組合預(yù)測(cè)研究[J]. 汪小明,肖猛,楊楠,尹筍.  可再生能源. 2015(08)
[8]基于混沌時(shí)間序列GA-VNN模型的超短期風(fēng)功率多步預(yù)測(cè)[J]. 江岳春,張丙江,邢方方,張雨,王志剛.  電網(wǎng)技術(shù). 2015(08)
[9]基于卡爾曼濾波的風(fēng)速序列短期預(yù)測(cè)方法[J]. 修春波,任曉,李艷晴,劉明鳳.  電工技術(shù)學(xué)報(bào). 2014(02)
[10]風(fēng)電功率預(yù)測(cè)誤差分析及預(yù)測(cè)誤差評(píng)價(jià)方法[J]. 孟巖峰,胡書舉,鄧雅,許洪華.  電力建設(shè). 2013(07)

博士論文
[1]風(fēng)電功率預(yù)測(cè)不確定性及電力系統(tǒng)經(jīng)濟(jì)調(diào)度[D]. 閻潔.華北電力大學(xué)(北京) 2016
[2]風(fēng)儲(chǔ)系統(tǒng)優(yōu)化配置及并網(wǎng)后相關(guān)運(yùn)行方案研究[D]. 謝應(yīng)昭.重慶大學(xué) 2015
[3]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

碩士論文
[1]基于實(shí)測(cè)數(shù)據(jù)的風(fēng)電場(chǎng)風(fēng)速和風(fēng)功率預(yù)測(cè)研究[D]. 秦本雙.東北電力大學(xué) 2018
[2]含風(fēng)電場(chǎng)的電力系統(tǒng)優(yōu)化調(diào)度研究[D]. 楊嵐沛.鄭州大學(xué) 2018
[3]基于經(jīng)驗(yàn)?zāi)Ｊ椒纸馀c智能優(yōu)化算法的BPNN模型在短期風(fēng)速預(yù)測(cè)中的應(yīng)用研究[D]. 王雨歆.東北財(cái)經(jīng)大學(xué) 2017
[4]基于歷史氣象數(shù)據(jù)的風(fēng)電場(chǎng)風(fēng)速和風(fēng)功率預(yù)測(cè)研究[D]. 袁翀.東北電力大學(xué) 2017
[5]風(fēng)電場(chǎng)短期功率組合預(yù)測(cè)方法和評(píng)價(jià)研究[D]. 王帥.華北電力大學(xué) 2017
[6]基于BP神經(jīng)網(wǎng)絡(luò)與WRF模式的風(fēng)電功率預(yù)測(cè)系統(tǒng)設(shè)計(jì)與應(yīng)用[D]. 張賀民.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院工程管理與信息技術(shù)學(xué)院) 2017
[7]基于極限學(xué)習(xí)機(jī)的風(fēng)電功率預(yù)測(cè)技術(shù)[D]. 盛楠.上海電機(jī)學(xué)院 2017
[8]基于風(fēng)電功率預(yù)測(cè)的含風(fēng)場(chǎng)電力系統(tǒng)經(jīng)濟(jì)調(diào)度的研究[D]. 楊文斌.哈爾濱工業(yè)大學(xué) 2017
[9]基于NWP和改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率預(yù)測(cè)研究[D]. 趙龍.北京交通大學(xué) 2015



本文編號(hào)：3412483