本文關(guān)鍵詞：風速預測中數(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、環(huán)境污染等問題的加劇,風能因清潔無污染、分布廣、可再生等特點,受到了廣泛關(guān)注。風力發(fā)電作為利用風能的最主要手段,得到了快速發(fā)展,風電在電網(wǎng)中的比重也日益增加。然而,風的隨機性和間歇性等特點使得產(chǎn)生的風電功率存在不穩(wěn)定性,增加了風電的不可控性,使得風電在并網(wǎng)時給電力系統(tǒng)的穩(wěn)定運行造成嚴重威脅。因此,必須對風電場風速進行準確地預測,以此來提高風電的可控性,保障電力系統(tǒng)的穩(wěn)定運行。本文針對風速預測建模中存在的問題,分別從風電場測風數(shù)據(jù)的預處理、神經(jīng)網(wǎng)絡(luò)的訓練樣本優(yōu)選以及風速預測模型的優(yōu)化等方面進行研究,以此來提高預測結(jié)果的可靠性。本文主要研究工作如下:(1)闡述了風速預測的研究背景及意義,概述了風速預測的分類、常用風速預測方法的特點,給出了判斷風速預測結(jié)果好壞的指標,總結(jié)了風速預測建模中存在的問題。(2)以風電場實際測風數(shù)據(jù)為例,首先利用補充后的測風數(shù)據(jù)檢驗標準進行測風數(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),分別利用分段滑動均值填補法、支持向量回歸填補法、分段滑動均值填補法與支持向量回歸填補法相結(jié)合的方法進行處理。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抽取的方法優(yōu)選訓練樣本,灰關(guān)聯(lián)-貢獻度刪減法優(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)風速預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)風速預測模型。仿真結(jié)果表明,利用本文方法優(yōu)選的訓練樣本進行神經(jīng)網(wǎng)絡(luò)訓練,可以有效地提高風速預測結(jié)果的準確性;利用灰關(guān)聯(lián)-貢獻度刪減法優(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,而且使風速預測模型的預測性能得到明顯改善。(4)針對卡爾曼濾波算法在預測建模時存在的狀態(tài)方程和觀測方程難建立、觀測值如何選取等問題,本文在風速預測建模時,引入一元時間序列和小波神經(jīng)網(wǎng)絡(luò)。首先利用風速序列建立一元時間序列模型,并將其轉(zhuǎn)換到狀態(tài)空間中得到狀態(tài)方程;然后利用風速序列建立小波神經(jīng)網(wǎng)絡(luò)模型,并將其風速預測值、預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速進行預測。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速預測模型的預測性能得到有效地提高,風速預測結(jié)果比較準確。
【關(guān)鍵詞】：測風數(shù)據(jù)預處理 訓練樣本優(yōu)選 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化 卡爾曼濾波算法 風速預測
【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：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 風速預測技術(shù)概述20-24
• 1.2.1 風速預測的分類20-21
• 1.2.2 風速預測的方法21-23
• 1.2.3 風速預測結(jié)果評價23-24
• 1.3 風速預測中存在的問題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 風電場測風數(shù)據(jù)的預處理研究27-43
• 2.1 引言27
• 2.2 測風數(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 測風數(shù)據(jù)中壞數(shù)據(jù)查找結(jié)果及分析29-33
• 2.3 測風數(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)風速預測研究43-79
• 3.1 引言43
• 3.2 神經(jīng)網(wǎng)絡(luò)風速預測模型43-54
• 3.2.1 基于小波神經(jīng)網(wǎng)絡(luò)的風速預測模型44-47
• 3.2.2 基于GABP神經(jīng)網(wǎng)絡(luò)的風速預測模型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抽取的訓練樣本優(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 貢獻度刪減法61-62
• 3.4.3 基于灰關(guān)聯(lián)-貢獻度刪減法的神經(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 實驗數(shù)據(jù)分析64
• 3.5.2 訓練樣本的優(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)風速預測研究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)風速預測研究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速預測研究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速預測模型83-89
• 4.3.1 一元時間序列預測模型84-86
• 4.3.2 小波神經(jīng)網(wǎng)絡(luò)預測模型86
• 4.3.3 基于卡爾曼濾波算法的風速預測模型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99-105
• 致謝105-107
• 攻讀學位期間發(fā)表的學術(shù)論文及參與的科研項目107

【相似文獻】

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;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];佛山科學技術(shù)學院學報(自然科學版);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)濟研究學報;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)在預報控制中的應(yīng)用[J];機床;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];鐵道學報;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)濟管理中的應(yīng)用[J];航天工業(yè)管理;1995年04期

中國重要會議論文全文數(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中國控制與決策學術(shù)年會論文集[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年中國智能自動化會議論文集（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)用學術(shù)會議論文集[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)與信號處理學術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

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

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學學術(shù)大會論文摘要集[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年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;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)備故障診斷學術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

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

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;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;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

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

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

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

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

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導報;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;2006年

中國博士學位論文全文數(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;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;2015年

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

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

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

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

7 王衛(wèi)蘋;復雜網(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;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 曾U喺，

本文編號：349286