本文關(guān)鍵詞：風(fēng)速預(yù)測中數(shù)椐和樣本的有效處理及其模型優(yōu)化研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著能源危機(jī)、環(huán)境污染等問題的加劇,風(fēng)能因清潔無污染、分布廣、可再生等特點(diǎn),受到了廣泛關(guān)注。風(fēng)力發(fā)電作為利用風(fēng)能的最主要手段,得到了快速發(fā)展,風(fēng)電在電網(wǎng)中的比重也日益增加。然而,風(fēng)的隨機(jī)性和間歇性等特點(diǎn)使得產(chǎn)生的風(fēng)電功率存在不穩(wěn)定性,增加了風(fēng)電的不可控性,使得風(fēng)電在并網(wǎng)時(shí)給電力系統(tǒng)的穩(wěn)定運(yùn)行造成嚴(yán)重威脅。因此,必須對風(fēng)電場風(fēng)速進(jìn)行準(zhǔn)確地預(yù)測,以此來提高風(fēng)電的可控性,保障電力系統(tǒng)的穩(wěn)定運(yùn)行。本文針對風(fēng)速預(yù)測建模中存在的問題,分別從風(fēng)電場測風(fēng)數(shù)據(jù)的預(yù)處理、神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本優(yōu)選以及風(fēng)速預(yù)測模型的優(yōu)化等方面進(jìn)行研究,以此來提高預(yù)測結(jié)果的可靠性。本文主要研究工作如下:(1)闡述了風(fēng)速預(yù)測的研究背景及意義,概述了風(fēng)速預(yù)測的分類、常用風(fēng)速預(yù)測方法的特點(diǎn),給出了判斷風(fēng)速預(yù)測結(jié)果好壞的指標(biāo),總結(jié)了風(fēng)速預(yù)測建模中存在的問題。(2)以風(fēng)電場實(shí)際測風(fēng)數(shù)據(jù)為例,首先利用補(bǔ)充后的測風(fēng)數(shù)據(jù)檢驗(yàn)標(biāo)準(zhǔn)進(jìn)行測風(fēng)數(shù)據(jù)中壞數(shù)據(jù)的查找,并根據(jù)查找結(jié)果分析壞數(shù)據(jù)存在的不同情況;然后對不同情況的壞數(shù)據(jù),分別利用分段滑動(dòng)均值填補(bǔ)法、支持向量回歸填補(bǔ)法、分段滑動(dòng)均值填補(bǔ)法與支持向量回歸填補(bǔ)法相結(jié)合的方法進(jìn)行處理。仿真結(jié)果表明,不同情況的壞數(shù)據(jù),本文處理方法均可獲得較好的結(jié)果。(3)針對神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本選取、隱含層結(jié)構(gòu)優(yōu)化問題,分別提出基于模糊聚類與隨機(jī)抽取的方法優(yōu)選訓(xùn)練樣本,灰關(guān)聯(lián)-貢獻(xiàn)度刪減法優(yōu)化隱含層結(jié)構(gòu),并建立基于樣本優(yōu)選與結(jié)構(gòu)優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測模型和基于樣本優(yōu)選與結(jié)構(gòu)優(yōu)化的GABP神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測模型。仿真結(jié)果表明,利用本文方法優(yōu)選的訓(xùn)練樣本進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練,可以有效地提高風(fēng)速預(yù)測結(jié)果的準(zhǔn)確性;利用灰關(guān)聯(lián)-貢獻(xiàn)度刪減法優(yōu)化隱含層結(jié)構(gòu),不僅可以精簡神經(jīng)網(wǎng)絡(luò)規(guī)模,而且使風(fēng)速預(yù)測模型的預(yù)測性能得到明顯改善。(4)針對卡爾曼濾波算法在預(yù)測建模時(shí)存在的狀態(tài)方程和觀測方程難建立、觀測值如何選取等問題,本文在風(fēng)速預(yù)測建模時(shí),引入一元時(shí)間序列和小波神經(jīng)網(wǎng)絡(luò)。首先利用風(fēng)速序列建立一元時(shí)間序列模型,并將其轉(zhuǎn)換到狀態(tài)空間中得到狀態(tài)方程;然后利用風(fēng)速序列建立小波神經(jīng)網(wǎng)絡(luò)模型,并將其風(fēng)速預(yù)測值、預(yù)測誤差分別作為觀測值和觀測誤差,得到觀測方程;最后利用卡爾曼濾波算法的遞推方程式對風(fēng)速進(jìn)行預(yù)測。仿真結(jié)果表明,本文方法建立的基于卡爾曼濾波算法的風(fēng)速預(yù)測模型的預(yù)測性能得到有效地提高,風(fēng)速預(yù)測結(jié)果比較準(zhǔn)確。
【關(guān)鍵詞】：測風(fēng)數(shù)據(jù)預(yù)處理 訓(xùn)練樣本優(yōu)選 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化 卡爾曼濾波算法 風(fēng)速預(yù)測
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP183;TM614
【目錄】：

• 摘要3-5
• ABSTRACT5-17
• 第一章 緒論17-27
• 1.1 課題背景及研究意義17-20
• 1.1.1 課題背景17-19
• 1.1.2 課題研究意義19-20
• 1.2 風(fēng)速預(yù)測技術(shù)概述20-24
• 1.2.1 風(fēng)速預(yù)測的分類20-21
• 1.2.2 風(fēng)速預(yù)測的方法21-23
• 1.2.3 風(fēng)速預(yù)測結(jié)果評價(jià)23-24
• 1.3 風(fēng)速預(yù)測中存在的問題24-25
• 1.4 本文主要研究內(nèi)容25-26
• 1.5 本章小結(jié)26-27
• 第二章 風(fēng)電場測風(fēng)數(shù)據(jù)的預(yù)處理研究27-43
• 2.1 引言27
• 2.2 測風(fēng)數(shù)據(jù)中壞數(shù)據(jù)的查找27-33
• 2.2.1 壞數(shù)據(jù)查找27-29
• 2.2.2 測風(fēng)數(shù)據(jù)中壞數(shù)據(jù)查找結(jié)果及分析29-33
• 2.3 測風(fēng)數(shù)據(jù)中壞數(shù)據(jù)的處理33-42
• 2.3.1 壞數(shù)據(jù)處理方法33-37
• 2.3.2 壞數(shù)據(jù)處理過程37-38
• 2.3.3 測風(fēng)數(shù)據(jù)中壞數(shù)據(jù)處理結(jié)果及分析38-42
• 2.4 本章小結(jié)42-43
• 第三章 基于樣本優(yōu)選與結(jié)構(gòu)優(yōu)化的神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測研究43-79
• 3.1 引言43
• 3.2 神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測模型43-54
• 3.2.1 基于小波神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)測模型44-47
• 3.2.2 基于GABP神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)測模型47-53
• 3.2.3 神經(jīng)網(wǎng)絡(luò)建模中存在問題53-54
• 3.3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的優(yōu)選54-60
• 3.3.1 樣本聚類過程54-58
• 3.3.2 樣本抽取過程58
• 3.3.3 基于模糊聚類與隨機(jī)抽取的訓(xùn)練樣本優(yōu)選58-60
• 3.4 神經(jīng)網(wǎng)絡(luò)隱含層結(jié)構(gòu)的優(yōu)化60-64
• 3.4.1 灰關(guān)聯(lián)刪減法60-61
• 3.4.2 貢獻(xiàn)度刪減法61-62
• 3.4.3 基于灰關(guān)聯(lián)-貢獻(xiàn)度刪減法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化62-64
• 3.5 仿真研究64-77
• 3.5.1 實(shí)驗(yàn)數(shù)據(jù)分析64
• 3.5.2 訓(xùn)練樣本的優(yōu)選結(jié)果64-66
• 3.5.3 基于樣本優(yōu)選與結(jié)構(gòu)優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測研究66-72
• 3.5.4 基于樣本優(yōu)選與結(jié)構(gòu)優(yōu)化的GABP神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測研究72-77
• 3.6 本章小結(jié)77-79
• 第四章 基于卡爾曼濾波算法的風(fēng)速預(yù)測研究79-97
• 4.1 引言79
• 4.2 卡爾曼濾波算法79-83
• 4.2.1 卡爾曼濾波算法原理79-83
• 4.2.2 卡爾曼濾波算法的優(yōu)劣83
• 4.3 基于卡爾曼濾波算法的風(fēng)速預(yù)測模型83-89
• 4.3.1 一元時(shí)間序列預(yù)測模型84-86
• 4.3.2 小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型86
• 4.3.3 基于卡爾曼濾波算法的風(fēng)速預(yù)測模型86-89
• 4.4 仿真研究89-95
• 4.5 本章小結(jié)95-97
• 第五章 結(jié)論與展望97-99
• 5.1 結(jié)論97-98
• 5.2 展望98-99
• 參考文獻(xiàn)99-105
• 致謝105-107
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文及參與的科研項(xiàng)目107

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡(luò)的直升機(jī)艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡(luò)的應(yīng)用與展望[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年05期

4 許萬增;;神經(jīng)網(wǎng)絡(luò)的研究及其應(yīng)用[J];國際技術(shù)經(jīng)濟(jì)研究學(xué)報(bào);1990年01期

5 張軍華;神經(jīng)網(wǎng)絡(luò)技術(shù)及其在軍用系統(tǒng)中的應(yīng)用[J];現(xiàn)代防御技術(shù);1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報(bào)控制中的應(yīng)用[J];機(jī)床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡(luò)及其在鐵道科技中應(yīng)用的探討[J];鐵道學(xué)報(bào);1993年02期

8 宋玉華，王啟霞;神經(jīng)網(wǎng)絡(luò)診斷──神經(jīng)網(wǎng)絡(luò)在自動(dòng)化領(lǐng)域里的應(yīng)用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內(nèi)外神經(jīng)網(wǎng)絡(luò)技術(shù)的研究與應(yīng)用概況[J];電機(jī)電器技術(shù);1995年04期

10 王中賢，錢頌迪;神經(jīng)網(wǎng)絡(luò)法在經(jīng)濟(jì)管理中的應(yīng)用[J];航天工業(yè)管理;1995年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動(dòng)化會(huì)議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動(dòng)化會(huì)議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報(bào);2003年

4 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報(bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日報(bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報(bào);2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

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

10 曾U喺，

本文編號：349286