【摘要】：風(fēng)能作為一種經(jīng)濟(jì)、實(shí)用和安全的可再生能源被人類廣泛關(guān)注,發(fā)展以風(fēng)能為主導(dǎo)的可再生能源已經(jīng)成為中國(guó)乃至全世界的必然趨勢(shì)。但由于風(fēng)速的間歇性、隨機(jī)性,使得風(fēng)電功率具有很大的波動(dòng)性,其變化都是毫無(wú)規(guī)律。因此預(yù)測(cè)技術(shù)顯得尤為重要,有效的預(yù)測(cè)風(fēng)電功率不僅可以提前對(duì)并入風(fēng)電的電網(wǎng)進(jìn)行合理地調(diào)度,有效的減少風(fēng)電出力對(duì)電網(wǎng)的沖擊,在風(fēng)電并網(wǎng)過(guò)程中提高電力系統(tǒng)穩(wěn)定性;還可以有效降低風(fēng)電場(chǎng)運(yùn)營(yíng)降低成本,建立配套設(shè)施以及相關(guān)產(chǎn)業(yè)的發(fā)展,提高風(fēng)電的市場(chǎng)效益與社會(huì)效益。本文提出了一種基于極點(diǎn)對(duì)稱模態(tài)分解(ESMD)的混合預(yù)測(cè)模型進(jìn)行風(fēng)電短期功率預(yù)測(cè)。首先對(duì)風(fēng)電功率原始數(shù)據(jù)進(jìn)行判斷,對(duì)不同海拔高度的氣象數(shù)據(jù)指標(biāo)用相關(guān)分析進(jìn)行篩選;其次采用ADF檢驗(yàn)與BDS檢驗(yàn)風(fēng)電功率指標(biāo)與氣象數(shù)據(jù)指標(biāo),創(chuàng)新采用ESMD將風(fēng)電功率逐級(jí)分解成若干平穩(wěn)的本證模態(tài)分量(IMF)和趨勢(shì)項(xiàng)(R);然后采用樣本熵的方法按照特征相近原則重構(gòu)成新分量;最后采用灰狼算法(GWO)優(yōu)化極限學(xué)習(xí)機(jī)(ELM)的連接權(quán)值和閾值,構(gòu)建的GWO-ELM模型對(duì)新分量分別進(jìn)行預(yù)測(cè)并將其預(yù)測(cè)值疊加得到最終預(yù)測(cè)值,選取其他對(duì)照的預(yù)測(cè)模型并通過(guò)實(shí)證研究驗(yàn)證本文提出模型的有效性和實(shí)用性。本文采用白鶴風(fēng)電場(chǎng)從4月1日到4月30日的功率數(shù)據(jù)和氣象數(shù)據(jù)作為實(shí)證研究的數(shù)據(jù)樣本,結(jié)果表明風(fēng)電功率數(shù)據(jù)序列不服從正態(tài)分布,具有非線性、非平穩(wěn)的特征;距海平面10米高的風(fēng)速、風(fēng)向、氣壓、溫度和濕度與風(fēng)電功率相關(guān)程度最高;從頻率和振幅兩方面對(duì)若干分量進(jìn)行統(tǒng)計(jì)分析,頻率指標(biāo)波動(dòng)較弱的曲線分量在原始序列中振幅占比較大,進(jìn)而要著重對(duì)第七個(gè)分量和趨勢(shì)項(xiàng)進(jìn)行有效預(yù)測(cè);本文提出的ESMD-GWO-ELM混合模型預(yù)測(cè)性能優(yōu)于單一形式模型,因?yàn)镋SMD將風(fēng)電功率數(shù)據(jù)簡(jiǎn)單化處理,降低了建模與預(yù)測(cè)的維度,提高了模型預(yù)測(cè)精度,此外GWO-ELM模型比單一ELM具有更快的收斂性與更強(qiáng)的泛化性,因此本文提出的模型適用于風(fēng)電短期功率預(yù)測(cè)。
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TM614
【圖文】：

華北電力大學(xué)碩士學(xué)位論文2 白鶴風(fēng)電場(chǎng)風(fēng)電功率的逐級(jí)分解本節(jié)將共計(jì) 2880 個(gè)風(fēng)電功率數(shù)據(jù)按照時(shí)間序列繪制成圖 4-6。風(fēng)電功率的數(shù)制的圖形呈鋸齒狀，波動(dòng)幅度很大，頻率間隔也很短，周期的規(guī)律性很差，難傳統(tǒng)的時(shí)間序列遞推趨勢(shì)模型與簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分析及預(yù)測(cè)，通過(guò)上數(shù)據(jù)指標(biāo)的檢驗(yàn)，擬采用 ESMD 方法對(duì)風(fēng)電有功功率進(jìn)行逐級(jí)分解，然后對(duì)分到的本證固有模態(tài)函數(shù)和趨勢(shì)項(xiàng)進(jìn)行統(tǒng)計(jì)分析，從而揭示子序列中內(nèi)部信息。

圖 4-7 方差比率的最小值對(duì)應(yīng)的迭代次數(shù)設(shè)定好最佳篩選次數(shù)為 29 后，采用 ESMD 方法分解并得到原始序列及趨勢(shì)項(xiàng) R 并繪制如圖 4-8 所示。第一個(gè)小圖是原始時(shí)間序列的F7 是原始分解得到的 7 個(gè)模態(tài)分量，R 是經(jīng)過(guò)分解后剩余的趨勢(shì) IMF7 的序列平穩(wěn)性在逐漸變強(qiáng)，波動(dòng)情況平穩(wěn)下降，可以說(shuō)明經(jīng)過(guò)解得到的本征模態(tài)函數(shù)比原始信號(hào)序列更加平穩(wěn)，更加有利于信號(hào)信以及對(duì)風(fēng)電功率的預(yù)測(cè)，總之對(duì)原始序列的處理效果顯而易見。

圖 4-7 方差比率的最小值對(duì)應(yīng)的迭代次數(shù)在設(shè)定好最佳篩選次數(shù)為 29 后，采用 ESMD 方法分解并得到原始序列、各個(gè)IMF 以及趨勢(shì)項(xiàng) R 并繪制如圖 4-8 所示。第一個(gè)小圖是原始時(shí)間序列的趨勢(shì)，IMF1-IMF7 是原始分解得到的 7 個(gè)模態(tài)分量，R 是經(jīng)過(guò)分解后剩余的趨勢(shì)項(xiàng)。由IMF1 到 IMF7 的序列平穩(wěn)性在逐漸變強(qiáng)，波動(dòng)情況平穩(wěn)下降，可以說(shuō)明經(jīng)過(guò) ESMD方法分解得到的本征模態(tài)函數(shù)比原始信號(hào)序列更加平穩(wěn)，更加有利于信號(hào)信息特征的采集以及對(duì)風(fēng)電功率的預(yù)測(cè)，總之對(duì)原始序列的處理效果顯而易見。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐明月;;準(zhǔn)確把握函數(shù)的對(duì)稱性解題例說(shuō)[J];中學(xué)數(shù)學(xué);2017年03期

2 杜召峰;;300規(guī)范字口訣(二)[J];中國(guó)篆刻(鋼筆書法);2017年05期

3 廖兼武;毛松林;;四點(diǎn)對(duì)稱支承回轉(zhuǎn)平臺(tái)的結(jié)構(gòu)分析[J];建筑機(jī)械;1989年05期

4 田興全;點(diǎn)對(duì)稱在初等函數(shù)中的應(yīng)用[J];數(shù)理化學(xué)習(xí)(初中版);2005年08期

5 張穎元;劉希強(qiáng);王崗偉;;(2+1)維非線性發(fā)展方程的非經(jīng)典李點(diǎn)對(duì)稱和精確解(英文)[J];井岡山大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

6 葉運(yùn)佳;點(diǎn)對(duì)稱與軸對(duì)稱[J];中學(xué)數(shù)學(xué);1998年02期

7 劉有文;;談?wù)勂矫娼馕鰩缀沃械狞c(diǎn)對(duì)稱與軸對(duì)稱問(wèn)題[J];中學(xué)數(shù)學(xué)教學(xué);1992年02期

8 陳晶;;高中數(shù)學(xué)解析幾何中的對(duì)稱問(wèn)題[J];理科考試研究;2014年13期

9 潘薇羽;;尋本溯源 覓得清泉——“關(guān)于原點(diǎn)對(duì)稱的點(diǎn)的坐標(biāo)”教學(xué)設(shè)計(jì)與思考[J];上海中學(xué)數(shù)學(xué);2015年Z2期

10 陳步杲;點(diǎn)對(duì)稱公式在解題中的應(yīng)用[J];數(shù)學(xué)大世界(高中生數(shù)學(xué)輔導(dǎo)版);2005年Z1期

相關(guān)會(huì)議論文 前2條

1 夏培秀;薛啟超;龐乃程;;兩點(diǎn)對(duì)稱載荷下鋼板夾芯混凝土組合梁的界面滑移分析[A];中國(guó)力學(xué)大會(huì)-2015論文摘要集[C];2015年

2 黃在新;;點(diǎn)對(duì)稱三角形的性質(zhì)及應(yīng)用[A];中國(guó)教育學(xué)術(shù)論壇（第二卷）[C];2006年

相關(guān)碩士學(xué)位論文 前10條

1 于學(xué)超;基于極點(diǎn)對(duì)稱模態(tài)分解的風(fēng)電短期功率預(yù)測(cè)研究[D];華北電力大學(xué);2019年

2 任虹諭;偏微分方程守恒律的構(gòu)造及其應(yīng)用[D];沈陽(yáng)師范大學(xué);2014年

3 潘陽(yáng);幾個(gè)非線性離散方程的相似約化[D];沈陽(yáng)師范大學(xué);2014年

4 寧合軍;基于點(diǎn)對(duì)稱距離的聚類算法及其應(yīng)用[D];西安電子科技大學(xué);2010年

5 陳婷婷;非線性晶格方程的辛映射及其精確解[D];山東科技大學(xué);2017年

6 余竹葉;非線性系統(tǒng)對(duì)稱性的符號(hào)計(jì)算算法及其應(yīng)用研究[D];陜西師范大學(xué);2011年

7 郭連雯;兩類毛毛蟲的多級(jí)距離數(shù)[D];天津師范大學(xué);2010年

8 耿東云;基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的自動(dòng)癲癇檢測(cè)[D];山東大學(xué);2016年

9 侯麗霞;幾類樹圖的多級(jí)距離標(biāo)號(hào)[D];天津師范大學(xué);2012年

10 薛紅梅;微分差分方程的李點(diǎn)對(duì)稱[D];河南大學(xué);2012年

本文編號(hào)：2806473