在信號處理中,非線性信號的預(yù)測是其一個重要內(nèi)容。建立非線性信號預(yù)測模型對于揭示事物的本質(zhì)和規(guī)律,以及指導(dǎo)人類生活具有重要的研究意義和實用價值。風(fēng)速預(yù)測對于風(fēng)電場管理具有重要意義,在風(fēng)電并網(wǎng)中起著重要的作用。太陽對下墊面表面加熱而觸發(fā)的對流熱泡導(dǎo)致了近地面層的湍流流動特征,因此風(fēng)速存在很大的波動和擾動,故很難用單一的方法來預(yù)測。本文研究了預(yù)測站點的未來風(fēng)速與歷史風(fēng)速以及周圍站點歷史風(fēng)速的關(guān)系,建立了一種混合式多步風(fēng)速預(yù)測模型,并與已有的風(fēng)速預(yù)測模型進(jìn)行了比較。本研究的數(shù)據(jù)來自中國東部山東的兩個風(fēng)電場。主要工作包括:1.利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行實驗:(1)根據(jù)歷史風(fēng)速超前預(yù)測多步未來風(fēng)速;(2)根據(jù)周圍站點和實驗站點的歷史風(fēng)速超前多步預(yù)測實驗站點的風(fēng)速;(3)根據(jù)周圍站點的歷史風(fēng)速,預(yù)測實驗站點的未來多步風(fēng)速。2.改進(jìn)單隱層前饋神經(jīng)網(wǎng)絡(luò)(SLFN),利用小波分析和神經(jīng)網(wǎng)絡(luò)建立組合預(yù)測模型,進(jìn)行短期風(fēng)速預(yù)測;利用布谷鳥搜索優(yōu)化算法(CS)替代網(wǎng)絡(luò)中的梯度下降法。實驗結(jié)果表明,這些改進(jìn)模型都能夠提高風(fēng)速預(yù)測精度,尤其CS算法可以快速有效找出神經(jīng)網(wǎng)絡(luò)中的各個參數(shù),做到全局尋優(yōu),使預(yù)測結(jié)果穩(wěn)定并且精度...

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1三層BP神經(jīng)網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)經(jīng)網(wǎng)絡(luò)[35]（ArtificialNeuralNetwork,ANN），通常簡稱為神經(jīng)網(wǎng)絡(luò)的啟示下建立的數(shù)據(jù)處理模型。它的運(yùn)行過程類似于人類擬大腦神經(jīng)網(wǎng)絡(luò)來處理和記憶信息，通過神經(jīng)元之間的連接權(quán)擬合各種不確定系統(tǒng)的過程[36,37]。神經(jīng)網(wǎng)絡(luò)比主要是用固定推強(qiáng)....

圖2.2BP神經(jīng)網(wǎng)絡(luò)模型業(yè)務(wù)應(yīng)用過程

圖2.2BP神經(jīng)網(wǎng)絡(luò)模型業(yè)務(wù)應(yīng)用過程圖2.2描述了經(jīng)典BP神經(jīng)網(wǎng)絡(luò)模型在實際工程應(yīng)用中的算法流程，包括以下三個主要模塊：（1）BP神經(jīng)網(wǎng)絡(luò)構(gòu)建模塊包括用于系統(tǒng)建模和構(gòu)建適合實際問題的的BP神經(jīng)網(wǎng)絡(luò)兩個子模塊。通過初步認(rèn)識數(shù)據(jù)結(jié)構(gòu)，選擇適合的網(wǎng)絡(luò)構(gòu)架。（2）BP....

圖2.3Morlet小波基函數(shù)

圖2.3Morlet小波基函數(shù)波神經(jīng)網(wǎng)絡(luò)WaveletNeuralNetwork,小波神經(jīng)網(wǎng)絡(luò))由法國著名信息gQingHua博士等人于1992年首次提出，它優(yōu)化并解決多不足，保證解是唯一的。也因此在各個建模分析領(lǐng)域析方法。了小波變換優(yōu)秀的局部顯微特性、時頻窗....

圖2.4松散型小波神經(jīng)網(wǎng)絡(luò)

圖2.4松散型小波神經(jīng)網(wǎng)絡(luò)致型小波神經(jīng)網(wǎng)絡(luò)是我們一般常稱為小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。它在實圖2.5所示為緊致型小波神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)：圖2.5緊致型小波神經(jīng)網(wǎng)絡(luò)

本文編號：3943824