工業(yè)革命以來,化石能源成為全球能源供應(yīng)的支柱,強(qiáng)有力的推動社會的進(jìn)步和世界經(jīng)濟(jì)的發(fā)展。隨著科學(xué)技術(shù)的不斷進(jìn)步,化石能源的開采量和使用量日益增加,能源危機(jī)、環(huán)境污染等問題日益凸顯,現(xiàn)如今尋找可再生的清潔能源成為人類發(fā)展的迫切需求。風(fēng)能資源因其儲量豐富、分布廣泛和污染小等優(yōu)點,已成為世界各國爭相開發(fā)的目標(biāo)。由于自然界中的風(fēng)具有波動性和間歇性,風(fēng)力發(fā)電在將風(fēng)能轉(zhuǎn)換為電能的過程中輸出功率也存在較強(qiáng)的不確定性,大規(guī)模風(fēng)電并入電網(wǎng)時會對電網(wǎng)的發(fā)電、變電、輸電和配電等環(huán)節(jié)都產(chǎn)生影響,從而給電網(wǎng)運(yùn)行的安全性帶來挑戰(zhàn)。風(fēng)電功率預(yù)測技術(shù)能有效地解決這一問題,指導(dǎo)電網(wǎng)消納更多的風(fēng)電功率,提高風(fēng)電并網(wǎng)時的安全性,因此研究風(fēng)電功率預(yù)測技術(shù)對風(fēng)力發(fā)電事業(yè)的發(fā)展有著很好的促進(jìn)作用。本文首先分析了風(fēng)電功率預(yù)測技術(shù)研究的背景、意義,和目前國內(nèi)外的研究現(xiàn)狀,并對風(fēng)電功率預(yù)測方法分類做了詳細(xì)說明。在目前常用的眾多預(yù)測方法中,基于支持向量機(jī)的預(yù)測方法在解決小樣本、非線性等問題上有很大的優(yōu)勢,因而應(yīng)用廣泛。但由于標(biāo)準(zhǔn)的支持向量機(jī)求解的是二次規(guī)劃問題,計算量比較大,且預(yù)測結(jié)果易受參數(shù)選取的影響。針對支持向量機(jī)模型的參數(shù)懲罰因子C... 

【文章來源】：山東理工大學(xué)山東省

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 風(fēng)電功率預(yù)測研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 風(fēng)電功率預(yù)測技術(shù)
        1.3.1 風(fēng)電功率預(yù)測的分類
        1.3.2 常用的風(fēng)電功率預(yù)測模型
        1.3.3 風(fēng)電功率預(yù)測評價指標(biāo)
    1.4 本文的主要工作
第二章 基于支持向量機(jī)的風(fēng)電功率預(yù)測
    2.1 統(tǒng)計學(xué)習(xí)理論
        2.1.1 VC維和推廣性的界
        2.1.2 結(jié)構(gòu)風(fēng)險最小化
    2.2 支持向量機(jī)
        2.2.1 支持向量分類機(jī)
        2.2.2 支持向量回歸機(jī)
        2.2.3 核函數(shù)
    2.3 實例仿真
        2.3.1 試驗思路
        2.3.2 SVM參數(shù)選擇
        2.3.3 選取風(fēng)場數(shù)據(jù)
        2.3.4 風(fēng)場數(shù)據(jù)預(yù)處理
        2.3.5 風(fēng)電功率預(yù)測結(jié)果與分析
    2.4 本章小結(jié)
第三章 基于BAIPSO-SVM的風(fēng)電功率組合預(yù)測
    3.1 蝙蝠算法
        3.1.1 蝙蝠算法的仿生原理
        3.1.2 基本蝙蝠算法的原理
    3.2 粒子群算法
        3.2.1 PSO算法的仿生原理
        3.2.2 標(biāo)準(zhǔn)PSO算法的原理
        3.2.3 改進(jìn)的PSO算法
    3.3 BAIPSO算法優(yōu)化支持向量機(jī)
    3.4 實例仿真
    3.5 本章小結(jié)
第四章 結(jié)合經(jīng)驗?zāi)B(tài)分解的風(fēng)電功率組合預(yù)測
    4.1 經(jīng)驗?zāi)B(tài)分解
        4.1.1 經(jīng)驗?zāi)B(tài)分解的原理
        4.1.2 經(jīng)驗?zāi)B(tài)分解的步驟
        4.1.3 經(jīng)驗?zāi)B(tài)分解的特點
        4.1.4 經(jīng)驗?zāi)B(tài)分解的不足
    4.2 集合經(jīng)驗?zāi)B(tài)分解
        4.2.1 集合經(jīng)驗?zāi)B(tài)分解的步驟
        4.2.2 集合經(jīng)驗?zāi)B(tài)分解存在的問題
    4.3 具有自適應(yīng)噪聲的完全集合經(jīng)驗?zāi)B(tài)分解
    4.4 分解效果對比
    4.5 實例分析
        4.5.1 建立基于EMD及其改進(jìn)方法的風(fēng)電功率預(yù)測模型
        4.5.2 建立CEEMDAN-BAIPSO-SVM風(fēng)電功率組合預(yù)測模型
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 論文總結(jié)
    5.2 工作展望
參考文獻(xiàn)
附錄
在讀期間公開發(fā)表的論文
致謝



本文編號：3174788