近年來微電網(wǎng)的優(yōu)勢愈發(fā)明顯,使人們對微電網(wǎng)的發(fā)展越來越重視。在微電網(wǎng)中發(fā)電和用電的平衡性是決定該微電網(wǎng)是否經(jīng)濟高效的重要指標(biāo)。其中風(fēng)力發(fā)電的間歇性、不可控性等缺陷會對電網(wǎng)的安全穩(wěn)定性產(chǎn)生很大的威脅,同時用電負(fù)荷也具有一定的不可控性,這些問題都會嚴(yán)重影響整個微電網(wǎng)的安全可靠高效的運行。為了滿足微電網(wǎng)可靠的供電需求,降低發(fā)電成本,節(jié)約能源,提高能源的利用效率,提出了對短期風(fēng)電功率和負(fù)荷進(jìn)行預(yù)測。如果可以精確的預(yù)測風(fēng)機的輸出功率和負(fù)荷的用電功率,將有利于制定日開停機計劃和發(fā)電計劃等,合理配置風(fēng)機出力,節(jié)約能源,這也是本課題的主要研究內(nèi)容。本文采用人工神經(jīng)網(wǎng)絡(luò)對短期風(fēng)速、風(fēng)功率和負(fù)荷進(jìn)行預(yù)測,其中風(fēng)功率的預(yù)測是在完成風(fēng)速預(yù)測的前提下進(jìn)行的。首先利用人工神經(jīng)網(wǎng)絡(luò)算法對風(fēng)速進(jìn)行預(yù)測,分別采用了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法、添加動量項改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法和GA-BP神經(jīng)網(wǎng)絡(luò)算法,分析這三種算法得到預(yù)測結(jié)果的優(yōu)劣,最終得出,GA-BP網(wǎng)絡(luò)算法得到的預(yù)測結(jié)果是最優(yōu)。其次對短期風(fēng)功率的預(yù)測本課題采用了線性和非線性兩種預(yù)測方法。線性方法是通過在建立功率曲線的基礎(chǔ)上進(jìn)行風(fēng)機輸出功率的預(yù)測,采用直接法和最大概率法建立風(fēng)... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 微電網(wǎng)國內(nèi)外現(xiàn)狀
        1.2.2 風(fēng)功率預(yù)測國內(nèi)外現(xiàn)狀
        1.2.3 負(fù)荷預(yù)測國內(nèi)外現(xiàn)狀
    1.3 論文的研究內(nèi)容和組織結(jié)構(gòu)
第2章 風(fēng)速風(fēng)功率預(yù)測與負(fù)荷預(yù)測的基本理論
    2.1 最小二乘法曲線擬合
    2.2 BP神經(jīng)網(wǎng)絡(luò)
        2.2.1 神經(jīng)網(wǎng)絡(luò)簡介
        2.2.2 神經(jīng)網(wǎng)絡(luò)工作原理
        2.2.3 BP神經(jīng)網(wǎng)絡(luò)建模
        2.2.4 BP神經(jīng)網(wǎng)絡(luò)的局限性
    2.3 遺傳算法
        2.3.1 遺傳算法簡介
        2.3.2 遺傳算法流程
        2.3.3 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)
第3章 短期風(fēng)速預(yù)測
    3.1 短期風(fēng)速預(yù)測概述
    3.2 BP算法短期風(fēng)速預(yù)測
        3.2.1 傳統(tǒng)BP算法短期風(fēng)速預(yù)測
        3.2.2 添加動量項的BP網(wǎng)絡(luò)短期風(fēng)速預(yù)測
    3.3 GA-BP神經(jīng)網(wǎng)絡(luò)短期風(fēng)速預(yù)測
        3.3.1 網(wǎng)絡(luò)參數(shù)設(shè)置
        3.3.2 實驗結(jié)果
    3.4 評價標(biāo)準(zhǔn)及結(jié)果分析
    3.5 本章小結(jié)
第4章 短期風(fēng)功率預(yù)測
    4.1 短期風(fēng)功率預(yù)測概述
    4.2 功率曲線方法的短期風(fēng)功率預(yù)測
        4.2.1 風(fēng)力發(fā)電機功率曲線
        4.2.2 功率曲線的建立方法
    4.3 基于BP神經(jīng)網(wǎng)絡(luò)短期風(fēng)功率預(yù)測
        4.3.1 數(shù)據(jù)分析與網(wǎng)絡(luò)參數(shù)設(shè)置
        4.3.2 實驗結(jié)果及誤差分析
    4.4 GA-BP神經(jīng)網(wǎng)絡(luò)的短期風(fēng)功率預(yù)測
        4.4.1 網(wǎng)絡(luò)參數(shù)設(shè)置
        4.4.2 實驗結(jié)果及誤差分析
    4.5 評價標(biāo)準(zhǔn)及結(jié)果分析
    4.6 本章小結(jié)
第5章 負(fù)荷短期預(yù)測
    5.1 負(fù)荷短期預(yù)測概述
        5.1.1 常用預(yù)測方法
    5.2 相似日的選取
        5.2.1 歷史日的選取
        5.2.2 輸入數(shù)據(jù)分析與量化
        5.2.3 灰色關(guān)聯(lián)度計算
    5.3 負(fù)荷短期預(yù)測
        5.3.1 預(yù)測過程
        5.3.2 實例結(jié)果及誤差分析
    5.4 本章小結(jié)
第6章 風(fēng)功率負(fù)荷預(yù)測設(shè)計與實現(xiàn)
    6.1 微電網(wǎng)系統(tǒng)拓?fù)浣Y(jié)構(gòu)
    6.2 預(yù)測設(shè)計與實現(xiàn)
        6.2.1 風(fēng)功率負(fù)荷預(yù)測設(shè)計
        6.2.2 風(fēng)功率負(fù)荷預(yù)測實現(xiàn)
        6.2.3 可控電源發(fā)電功率
    6.3 數(shù)據(jù)傳輸
        6.3.1 通信協(xié)議
        6.3.2 通信實現(xiàn)
        6.3.3 軟件設(shè)置
    6.4 本章小結(jié)
第7章 總結(jié)與展望
    7.1 論文總結(jié)
    7.2 課題展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間參加科研情況
學(xué)位論文評閱及答辯情況表



本文編號：3174774