本文關(guān)鍵詞：風電場發(fā)電功率短期預(yù)測系統(tǒng)開發(fā)與研究

  更多相關(guān)文章： 風電功率 短期預(yù)測 小波神經(jīng)網(wǎng)絡(luò) 預(yù)測系統(tǒng)

【摘要】：隨著世界能源的高速消耗,以及生態(tài)環(huán)境的日益惡化,風能作為一種清潔的可再生能源,越來越受到世界各國的重視。由于風電具有很強的隨機性和波動性,隨著風電機組單機容量和并網(wǎng)型風電場規(guī)模的不斷擴大,風電穿透功率也在逐年增大,而隨之帶來的問題也日漸突出。因此,對風電場發(fā)電功率準確的預(yù)測,對保證電力系統(tǒng)安全、可靠、經(jīng)濟、穩(wěn)定運行是十分必要的。在此背景下,本文對風電場發(fā)電功率短期預(yù)測系統(tǒng)的開發(fā)等問題展開了深入的研究。本文首先對國內(nèi)外風電的發(fā)展情況以及當前的風電預(yù)測技術(shù)進行了文獻綜述。同時對風電功率預(yù)測的分類進行了簡要介紹,本文主要研究某一風電場的短期功率預(yù)測。本文分析并介紹了風速、風電功率的基本特性和風電功率預(yù)測的基本步驟,重點分析了對風電功率影響較大的因素。本文以應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)原理為基礎(chǔ),用數(shù)值天氣預(yù)報數(shù)據(jù)作為輸入,給出了改進的小波神經(jīng)網(wǎng)絡(luò)方法的具體算法和預(yù)測步驟。在MATLAB環(huán)境下本文對BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型和改進的小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型進行了仿真實驗,對內(nèi)蒙古某一風電場進行了提前24h的風電功率預(yù)測,并將兩種方法的預(yù)測結(jié)果與實際結(jié)果進行比較,結(jié)果顯示本文提出的預(yù)測方法更好,驗證了小波神經(jīng)網(wǎng)絡(luò)法應(yīng)用在風電功率預(yù)測中的可行性。在掌握了風電功率短期功率預(yù)測的理論和算法之后,利用VB設(shè)計了一個風電功率短期預(yù)測系統(tǒng),使預(yù)測過程簡單方便,便于調(diào)度人員的操作。
【關(guān)鍵詞】：風電功率 短期預(yù)測 小波神經(jīng)網(wǎng)絡(luò) 預(yù)測系統(tǒng)
【學位授予單位】：沈陽工程學院
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM614
【目錄】：

• 摘要6-7
• Abstract7-15
• 第1章 緒論15-23
• 1.1 引言15
• 1.2 問題提出與研究意義15-16
• 1.3 國內(nèi)外相關(guān)研究進展16-19
• 1.3.1 國內(nèi)外風力發(fā)電的現(xiàn)狀及發(fā)展16-17
• 1.3.2 國內(nèi)外風電功率預(yù)測的現(xiàn)狀及發(fā)展17-19
• 1.4 風電功率預(yù)測方法19-21
• 1.4.1 預(yù)測方法的分類19-20
• 1.4.2 物理方法20
• 1.4.3 統(tǒng)計方法20-21
• 1.4.4 學習方法21
• 1.4.5 組合預(yù)測方法21
• 1.5 本文主要研究思路與內(nèi)容21-23
• 第2章 影響風電功率的因素分析23-33
• 2.1 引言23
• 2.2 風速特性23-25
• 2.2.1 風電場風速概率分布23-24
• 2.2.2 實際風電場的風速分布24-25
• 2.3 風電功率相關(guān)因素分析25-29
• 2.3.1 風能的計算25-27
• 2.3.2 相關(guān)因素分析27-29
• 2.4 風力機的風速-功率曲線29-31
• 2.5 小結(jié)31-33
• 第3章 基于改進小波神經(jīng)網(wǎng)絡(luò)的風電功率預(yù)測方法33-46
• 3.1 引言33
• 3.2 人工神經(jīng)網(wǎng)絡(luò)的基本原理33-36
• 3.2.1 神經(jīng)元的模型33-34
• 3.2.2 BP神經(jīng)網(wǎng)絡(luò)34-36
• 3.3 小波變換理論36-39
• 3.3.1 小波變換的發(fā)展36
• 3.3.2 小波變換的原理36-39
• 3.4 小波神經(jīng)網(wǎng)絡(luò)39-44
• 3.5 小結(jié)44-46
• 第4章 風力發(fā)電短期功率預(yù)測系統(tǒng)的開發(fā)46-50
• 4.1 引言46
• 4.2 VB與MATLAB簡介46
• 4.3 風電功率預(yù)測軟件的設(shè)計46-49
• 4.4 小結(jié)49-50
• 第5章 基于NWP數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)實例分析50-59
• 5.1 引言50
• 5.2 數(shù)值天氣預(yù)報50
• 5.3 風力發(fā)電功率預(yù)測的評價指標50-51
• 5.4 預(yù)測模型的建立51-55
• 5.4.1 輸入變量的確定52-53
• 5.4.2 隱含層節(jié)點數(shù)的確定53-54
• 5.4.3 原始數(shù)據(jù)的處理54-55
• 5.5 實際預(yù)測模型的分析55-58
• 5.5.1 實際預(yù)測模型的建立與仿真55-57
• 5.5.2 預(yù)測效果分析57-58
• 5.6 小結(jié)58-59
• 第6章 小結(jié)與展望59-61
• 6.1 結(jié)論與創(chuàng)新點59
• 6.2 創(chuàng)新點摘要59
• 6.3 展望59-61
• 參考文獻61-66
• 附錄 NWP數(shù)據(jù)和實測功率數(shù)據(jù)表(部分)66-71
• 攻讀碩士學位期間科研項目及科研成果71-72
• 致謝72-73
• 作者簡介73-74

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐曉玲;鄭瀟;;風電場短期功率組合預(yù)測模型研究[J];華東交通大學學報;2013年05期

2 潘廣德;張鐵;林子超;;淺談風力發(fā)電及其發(fā)展[J];科技致富向?qū)?2013年14期

3 鄭婷婷;王海霞;李衛(wèi)東;;風電預(yù)測技術(shù)及其性能評價綜述[J];南方電網(wǎng)技術(shù);2013年02期

4 陳茜;;關(guān)于風電場輸出功率預(yù)測技術(shù)發(fā)展的綜述[J];山西電力;2012年02期

5 師洪濤;楊靜玲;丁茂生;王金梅;;基于小波—BP神經(jīng)網(wǎng)絡(luò)的短期風電功率預(yù)測方法[J];電力系統(tǒng)自動化;2011年16期

6 武小梅;白銀明;文福拴;;基于RBF神經(jīng)元網(wǎng)絡(luò)的風電功率短期預(yù)測[J];電力系統(tǒng)保護與控制;2011年15期

7 馮雙磊;王偉勝;劉純;戴慧珠;;基于物理原理的風電場短期風速預(yù)測研究[J];太陽能學報;2011年05期

8 徐星;張虹;樂海洪;徐敏;;采用氣象信息的神經(jīng)網(wǎng)絡(luò)應(yīng)用于短期風力發(fā)電功率預(yù)測[J];南昌大學學報(工科版);2011年01期

9 陳冰梅;樊曉平;周志明;李雪榮;;支持向量機原理及展望[J];制造業(yè)自動化;2010年14期

10 周同旭;;基于遺傳算法的支持向量機短期風速預(yù)測[J];皖西學院學報;2010年05期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 劉菊艷;基于數(shù)據(jù)挖掘技術(shù)的短期風速預(yù)測[D];西安科技大學;2010年

，

本文編號：1046638