太陽(yáng)能作為可再生能源是一種綠色能源,幾乎不產(chǎn)生碳排放,對(duì)于環(huán)境保護(hù)具有重要的意義。同時(shí),有機(jī)朗肯循環(huán)(Organic Rankine Cycle,ORC)系統(tǒng)在很多研究中用于廢氣的余熱回收利用,提高能源利用效率,同樣對(duì)于環(huán)境保護(hù)來(lái)說(shuō)具有重要意義。本文主要針對(duì)太陽(yáng)能輻照度的預(yù)測(cè)和太陽(yáng)能發(fā)電過(guò)程的先進(jìn)控制策略進(jìn)行了研究。本文的主要工作包含三個(gè)部分,分別是對(duì)于太陽(yáng)能輻照度的預(yù)測(cè),對(duì)于太陽(yáng)能驅(qū)動(dòng)的熱發(fā)電系統(tǒng)的建模以及針對(duì)該系統(tǒng)的最優(yōu)預(yù)見控制研究。第一部分是針對(duì)太陽(yáng)能輻照度,采用分層超限學(xué)習(xí)機(jī)(Hierarchical Extreme Learning Machine,H-ELM)的機(jī)器學(xué)習(xí)算法,將當(dāng)前時(shí)刻天氣信息與歷史輻照度信息作為輸入,當(dāng)前時(shí)刻的輻照度作為輸出提出了太陽(yáng)能輻照度的預(yù)測(cè)策略,并且與其他成熟的算法進(jìn)行了對(duì)比,通過(guò)對(duì)比均方根誤差,平均絕對(duì)值誤差和決定系數(shù)來(lái)判斷算法的優(yōu)劣程度,仿真結(jié)果表明H-ELM算法比其他算法具有更小的仿真誤差,說(shuō)明該算法更具有優(yōu)越性。除此之外,還對(duì)這一部分做了一個(gè)拓展,采用多區(qū)域采樣的方法對(duì)不同天氣情況下的輻照度進(jìn)行了場(chǎng)景生成,生成的多個(gè)場(chǎng)景可用于太陽(yáng)能發(fā)電系統(tǒng)...

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
主要符號(hào)表
第1章 緒論
    1.1 選題背景及研究意義
        1.1.1 選題背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 太陽(yáng)能光熱發(fā)電國(guó)內(nèi)外發(fā)展現(xiàn)狀
        1.2.2 太陽(yáng)能光熱發(fā)電系統(tǒng)控制策略研究
    1.3 本文主要研究?jī)?nèi)容
第2章 基于ORC的光熱發(fā)電系統(tǒng)分析
    2.1 引言
    2.2 光熱發(fā)電系統(tǒng)原理
    2.3 太陽(yáng)能驅(qū)動(dòng)的ORC系統(tǒng)
        2.3.1 ORC系統(tǒng)工作原理
        2.3.2 有機(jī)朗肯循環(huán)系統(tǒng)特點(diǎn)
        2.3.3 ORC系統(tǒng)的熱力過(guò)程
    2.4 太陽(yáng)能驅(qū)動(dòng)的ORC系統(tǒng)發(fā)電過(guò)程分析
    2.5 本章小結(jié)
第3章 基于分層超限學(xué)習(xí)機(jī)的輻照度預(yù)測(cè)研究
    3.1 引言
    3.2 數(shù)據(jù)預(yù)處理
        3.2.1 數(shù)據(jù)來(lái)源
        3.2.2 數(shù)據(jù)分析與處理
    3.3 選取合適的模型結(jié)構(gòu)和輸入數(shù)據(jù)
    3.4 分層超限學(xué)習(xí)機(jī)原理
        3.4.1 ELM學(xué)習(xí)算法
        3.4.2 H-ELM框架
        3.4.3 ELM稀疏自編碼器
    3.5 對(duì)比算法
        3.5.1 在線序列超限學(xué)習(xí)機(jī)
        3.5.2 反向傳播神經(jīng)網(wǎng)絡(luò)
        3.5.3 支持向量回歸算法
        3.5.4 分類與回歸樹算法
    3.6 基于多區(qū)域采樣方法的太陽(yáng)輻照度場(chǎng)景生成
        3.6.1 拉丁超立方
        3.6.2 多區(qū)域采樣
    3.7 仿真結(jié)果與討論
        3.7.1 太陽(yáng)輻照度預(yù)測(cè)仿真研究
        3.7.2 基于多區(qū)域采樣的場(chǎng)景生成
    3.8 本章小結(jié)
第4章 太陽(yáng)能驅(qū)動(dòng)的ORC系統(tǒng)建模
    4.1 引言
    4.2 太陽(yáng)能集熱部分
        4.2.1 集熱器模型
        4.2.2 輔助能量系統(tǒng)模型
    4.3 有機(jī)朗肯循環(huán)部分
        4.3.1 蒸發(fā)器模型
        4.3.2 汽輪機(jī)模型
        4.3.3 冷凝器模型
        4.3.4 工質(zhì)泵模型
    4.4 太陽(yáng)能驅(qū)動(dòng)的ORC系統(tǒng)模型
    4.5 本章小結(jié)
第5章 太陽(yáng)能發(fā)電過(guò)程的最優(yōu)預(yù)見控制
    5.1 引言
    5.2 太陽(yáng)能熱發(fā)電過(guò)程
    5.3 最優(yōu)預(yù)見控制
        5.3.1 基本假設(shè)與數(shù)學(xué)模型
        5.3.2 包含可預(yù)見信號(hào)的增廣誤差系統(tǒng)及帶有預(yù)見作用的控制器
    5.4 仿真研究
    5.5 本章小結(jié)
第6章 結(jié)論與展望
    6.1 本文所做的工作
    6.2 存在的問(wèn)題及展望
附錄
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝



本文編號(hào)：3872930