本文關(guān)鍵詞：風(fēng)電功率組合預(yù)測(cè)方法及其應(yīng)用研究

  更多相關(guān)文章： 風(fēng)電功率預(yù)測(cè) 組合預(yù)測(cè) 誤差綜合評(píng)價(jià)指標(biāo) 模型篩選 支持向量機(jī) 功率預(yù)測(cè)系統(tǒng)

【摘要】：風(fēng)能具有隨機(jī)波動(dòng)性,大規(guī)模風(fēng)電并網(wǎng)給電力系統(tǒng)的安全經(jīng)濟(jì)運(yùn)行帶來(lái)諸多挑戰(zhàn),風(fēng)電功率預(yù)測(cè)是有效解決途徑。然而復(fù)雜的氣象條件變化和限電因素的影響使風(fēng)電功率預(yù)測(cè)難度相對(duì)較大,利用傳統(tǒng)的單一預(yù)測(cè)模型進(jìn)行預(yù)測(cè)往往很難達(dá)到較為理想的預(yù)測(cè)精度和穩(wěn)定性。組合預(yù)測(cè)能夠綜合利用各單一預(yù)測(cè)模型所包含的有效信息,是提高預(yù)測(cè)精度、分散預(yù)測(cè)風(fēng)險(xiǎn)的重要手段。本文進(jìn)行了風(fēng)電功組合預(yù)測(cè)方法及其在功率預(yù)測(cè)系統(tǒng)中的應(yīng)用研究,主要工作包括：(1)單一風(fēng)電功率預(yù)測(cè)方法研究建立了四種單一風(fēng)電功率預(yù)測(cè)模型,包括統(tǒng)計(jì)預(yù)測(cè)中的遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型(GA-BP)、RBF神經(jīng)網(wǎng)絡(luò)模型和支持向量機(jī)模型(SVM)以及物理預(yù)測(cè)中的CFD流場(chǎng)預(yù)計(jì)算模型,并針對(duì)統(tǒng)計(jì)預(yù)測(cè)模型提出了一種滾動(dòng)樣本建模方法。研究結(jié)果表明：四種單一風(fēng)電功率預(yù)測(cè)模型均具有較高的預(yù)測(cè)精度,預(yù)測(cè)均方根誤差分別為14.89%、14.38%、13.44%、13.38%；滾動(dòng)樣本建模方式相比于固定樣本建模方式能夠有效提高統(tǒng)計(jì)預(yù)測(cè)模型的預(yù)測(cè)精度。(2)風(fēng)電功率定權(quán)重組合預(yù)測(cè)方法研究建立了五種定權(quán)重組合預(yù)測(cè)模型,分別采用等權(quán)平均法、誤差平方和最小法、熵值法、灰色關(guān)聯(lián)度最大化法以及GA-BP神經(jīng)網(wǎng)絡(luò)法計(jì)算組合權(quán)重系數(shù)。實(shí)例分析結(jié)果表明：五種定權(quán)重組合預(yù)測(cè)模型均呈現(xiàn)出擬合精度高而實(shí)際預(yù)測(cè)精度低的問(wèn)題；選擇合理的組合方法能夠有效降低較大誤差出現(xiàn)的概率,提高預(yù)測(cè)的準(zhǔn)確性與穩(wěn)定性；等權(quán)平均組合模型與誤差平方和最小組合模型的預(yù)測(cè)精度較高,實(shí)用性相對(duì)較強(qiáng)。(3)基于模型篩選和支持向量機(jī)的變權(quán)重組合預(yù)測(cè)方法研究提出了一種誤差綜合評(píng)價(jià)指標(biāo),并應(yīng)用于組合預(yù)測(cè)中各單一預(yù)測(cè)模型的篩選,同時(shí)建立了基于SVM的變權(quán)重組合預(yù)測(cè)模型。結(jié)果表明：基于誤差綜合評(píng)價(jià)指標(biāo)的模型篩選方法能更加合理的完成對(duì)各單一預(yù)測(cè)模型的篩選,有助于預(yù)測(cè)誤差的降低；基于模型篩選和SVM的變權(quán)重組合預(yù)測(cè)模型與各單一預(yù)測(cè)模型相比預(yù)測(cè)精度得到明顯提高,均方根誤差較CFD流場(chǎng)預(yù)計(jì)算模型、GA-BP模型、RBF模型和SVM模型分別降低2.15%、1.51%、0.73%、0.68%,同時(shí)也優(yōu)于定權(quán)重組合預(yù)測(cè)模型,實(shí)用性較強(qiáng)。(4)基于組合預(yù)測(cè)方法的風(fēng)電功率預(yù)測(cè)系統(tǒng)開(kāi)發(fā)在上述研究基礎(chǔ)之上,結(jié)合風(fēng)電場(chǎng)的實(shí)際需求,開(kāi)發(fā)了一套基于CFD流場(chǎng)預(yù)計(jì)算模型、SVM模型以及等權(quán)平均組合預(yù)測(cè)的風(fēng)電場(chǎng)輸出功率預(yù)測(cè)系統(tǒng)。所開(kāi)發(fā)預(yù)測(cè)系統(tǒng)支持訓(xùn)練樣本的遠(yuǎn)程自動(dòng)更新,能夠快速響應(yīng)風(fēng)電場(chǎng)實(shí)際運(yùn)行情況、季節(jié)性特征、電網(wǎng)需求等變化。
【關(guān)鍵詞】：風(fēng)電功率預(yù)測(cè) 組合預(yù)測(cè) 誤差綜合評(píng)價(jià)指標(biāo) 模型篩選 支持向量機(jī) 功率預(yù)測(cè)系統(tǒng)
【學(xué)位授予單位】：華北電力大學(xué)(北京)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TM614
【目錄】：

• 摘要5-7
• ABSTRACT7-12
• 第1章 緒論12-19
• 1.1 課題研究背景及意義12-15
• 1.1.1 研究背景12-14
• 1.1.2 研究目的和意義14-15
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀15-17
• 1.2.1 單一風(fēng)電功率預(yù)測(cè)方法15
• 1.2.2 風(fēng)電功率組合預(yù)測(cè)方法15-17
• 1.3 論文的主要研究?jī)?nèi)容17-18
• 1.4 論文的組織結(jié)構(gòu)與章節(jié)安排18-19
• 第2章 風(fēng)電功率預(yù)測(cè)方法研究19-39
• 2.1 引言19
• 2.2 統(tǒng)計(jì)預(yù)測(cè)模型19-27
• 2.2.1 GA-BP神經(jīng)網(wǎng)絡(luò)模型19-23
• 2.2.2 RBF神經(jīng)網(wǎng)絡(luò)模型23-24
• 2.2.3 支持向量機(jī)模型24-26
• 2.2.4 建模方式及參數(shù)說(shuō)明26-27
• 2.3 物理預(yù)測(cè)模型27-29
• 2.3.1 CFD流場(chǎng)預(yù)計(jì)算模型27-29
• 2.3.2 建模方式及參數(shù)說(shuō)明29
• 2.4 算例及分析29-38
• 2.4.1 數(shù)據(jù)及預(yù)處理29-30
• 2.4.2 功率預(yù)測(cè)結(jié)果對(duì)比分析30-38
• 2.5 本章小結(jié)38-39
• 第3章 風(fēng)電功率定權(quán)重組合預(yù)測(cè)方法研究39-54
• 3.1 引言39
• 3.2 組合權(quán)重計(jì)算方法39-42
• 3.2.1 等權(quán)平均法39-40
• 3.2.2 誤差平方和最小法40
• 3.2.3 熵值法40-41
• 3.2.4 灰色關(guān)聯(lián)度最大化法41-42
• 3.2.5 GA-BP神經(jīng)網(wǎng)絡(luò)法42
• 3.3 定權(quán)重組合預(yù)測(cè)模型適用性分析42-53
• 3.3.1 模型擬合精度對(duì)比43-48
• 3.3.2 模型外推精度對(duì)比48-53
• 3.4 本章小結(jié)53-54
• 第4章 基于模型篩選和支持向量機(jī)的變權(quán)重組合預(yù)測(cè)方法研究54-66
• 4.1 引言54-55
• 4.2 基于誤差綜合評(píng)價(jià)指標(biāo)的模型篩選方法55-56
• 4.2.1 誤差綜合評(píng)價(jià)指標(biāo)55-56
• 4.2.2 模型篩選方法56
• 4.3 基于支持向量機(jī)的變權(quán)重組合預(yù)測(cè)方法56-57
• 4.4 算例及分析57-65
• 4.4.1 模型預(yù)測(cè)誤差分析57-61
• 4.4.2 基于不同模型篩選指標(biāo)的預(yù)測(cè)誤差對(duì)比61-63
• 4.4.3 定權(quán)重組合與變權(quán)重組合誤差對(duì)比63-65
• 4.5 本章小結(jié)65-66
• 第5章 組合預(yù)測(cè)方法在風(fēng)電功率預(yù)測(cè)系統(tǒng)中的應(yīng)用66-76
• 5.1 引言66-67
• 5.2 系統(tǒng)概述67-69
• 5.2.1 系統(tǒng)功能需求67-68
• 5.2.2 系統(tǒng)開(kāi)發(fā)原則及性能要求68-69
• 5.3 系統(tǒng)設(shè)計(jì)69-70
• 5.4 系統(tǒng)實(shí)現(xiàn)70-73
• 5.5 系統(tǒng)應(yīng)用73-75
• 5.5.1 系統(tǒng)運(yùn)行環(huán)境73
• 5.5.2 系統(tǒng)展示73-75
• 5.6 本章小結(jié)75-76
• 第6章 結(jié)論與展望76-78
• 6.1 結(jié)論76
• 6.2 論文創(chuàng)新點(diǎn)76
• 6.3 研究展望76-78
• 參考文獻(xiàn)78-82
• 攻讀碩士學(xué)位期間發(fā)表的論文82-83
• 致謝83

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 孟建良,王曉華,龐春江,王建新;全局時(shí)變權(quán)組合預(yù)測(cè)方法[J];計(jì)算機(jī)工程與應(yīng)用;2002年10期

2 吉培榮,張玉文,趙青;組合預(yù)測(cè)方法在電力系統(tǒng)負(fù)荷預(yù)測(cè)中的應(yīng)用[J];三峽大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年05期

3 胡驥;;鐵路外貿(mào)貨運(yùn)量組合預(yù)測(cè)方法的研究[J];鐵道運(yùn)輸與經(jīng)濟(jì);2006年05期

4 鐘秉林;;一種新的組合預(yù)測(cè)方法及其應(yīng)用[J];東南大學(xué)學(xué)報(bào);1989年02期

5 鐘波,肖智;資產(chǎn)未來(lái)收益的一種最優(yōu)組合預(yù)測(cè)方法[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);1998年04期

6 楊尚瑾;董超;;電力系統(tǒng)長(zhǎng)期負(fù)荷的組合預(yù)測(cè)方法研究[J];中國(guó)電力教育;2009年S1期

7 代海波;單銳;劉文;;組合預(yù)測(cè)方法中權(quán)系數(shù)的應(yīng)用研究[J];科學(xué)技術(shù)與工程;2012年32期

8 何焱;黃靜;;電力中長(zhǎng)期負(fù)荷模糊優(yōu)選組合預(yù)測(cè)方法的研究[J];四川電力技術(shù);2011年05期

9 夏新運(yùn);田麗;李玲純;;變結(jié)構(gòu)組合預(yù)測(cè)方法在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用[J];自動(dòng)化與儀器儀表;2009年06期

10 董鵬;冷靜;羅朝暉;;基于支持向量機(jī)的艦船建造費(fèi)組合預(yù)測(cè)方法研究[J];造船技術(shù);2011年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前7條

1 孔繁亮;張國(guó)志;;鞅差序列的一種組合預(yù)測(cè)方法及其應(yīng)用[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

2 陳志航;程乾生;;基于隱馬爾科夫模型的組合預(yù)測(cè)方法[A];第九屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

3 李世平;孫浚清;;儀器精度組合預(yù)測(cè)方法研究[A];2008中國(guó)儀器儀表與測(cè)控技術(shù)進(jìn)展大會(huì)論文集（Ⅲ）[C];2008年

4 唐小我;;最優(yōu)組合預(yù)測(cè)方法及其應(yīng)用[A];全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第1卷）[C];1991年

5 李秀蘭;;組合預(yù)測(cè)方法的研究和應(yīng)用——郵發(fā)期刊價(jià)格預(yù)測(cè)[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第九屆學(xué)術(shù)年會(huì)論文集[C];1999年

6 王周敬;李武;賀建勛;;變權(quán)重組合預(yù)測(cè)方法在貨運(yùn)量預(yù)測(cè)中的應(yīng)用[A];1997中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

7 李秀蘭;王宏鑫;;均勻設(shè)計(jì)——灰色聯(lián)合預(yù)測(cè)及其應(yīng)用——郵發(fā)期刊價(jià)格預(yù)測(cè)[A];管理科學(xué)與系統(tǒng)科學(xué)進(jìn)展——全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第3卷）[C];1995年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 李彩虹;兩類(lèi)組合預(yù)測(cè)方法的研究及應(yīng)用[D];蘭州大學(xué);2012年

2 于振明;一類(lèi)耐用消費(fèi)品的需求預(yù)測(cè)方法及應(yīng)用[D];東北大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 林思銘;組合預(yù)測(cè)方法在建筑能耗預(yù)測(cè)中的應(yīng)用[D];福州大學(xué);2014年

2 劉婷;山東省物流需求組合預(yù)測(cè)方法及其應(yīng)用研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2016年

3 郭曉杰;監(jiān)督學(xué)習(xí)方法在短期風(fēng)電功率預(yù)測(cè)中的應(yīng)用研究[D];南京信息工程大學(xué);2016年

4 李曉曦;風(fēng)電功率組合預(yù)測(cè)方法及其應(yīng)用研究[D];華北電力大學(xué)(北京);2016年

5 張景廣;基于基因表達(dá)式編程的組合預(yù)測(cè)方法研究[D];華中師范大學(xué);2011年

6 朱報(bào)春;基于模糊邏輯系統(tǒng)的組合預(yù)測(cè)方法及應(yīng)用[D];河海大學(xué);2001年

7 王鳳飛;組合預(yù)測(cè)方法簡(jiǎn)介及其實(shí)證分析[D];山西大學(xué);2011年

8 閆海霞;灰色組合預(yù)測(cè)方法在糧食產(chǎn)量中的應(yīng)用[D];西安理工大學(xué);2009年

9 段妮妮;基于組合預(yù)測(cè)方法的趨勢(shì)預(yù)測(cè)研究與應(yīng)用[D];西華大學(xué);2009年

10 張進(jìn);不同精度準(zhǔn)則下的區(qū)間型組合預(yù)測(cè)方法研究[D];安徽大學(xué);2010年

，

本文編號(hào)：582603