風速預測是風功率預測和風能評估的基礎,準確的風速預測可以用于指導風電機組調度、檢修,提高風電場運行效率并保證風電并網安全。鑒于此,本文提出了兩種新的混合預測模型,較好地解決了具有明顯周期性的長期風速預測問題。第一種混合模型基于快速傅里葉變換確定周期長度,采用周期指數(shù)調整方法剔除周期項的影響,用累積預測法預測趨勢項,再還原周期因子得到最終預測結果。對我國庫爾勒市日平均風速滾動預測的實證研究表明,利用傅里葉變換確定周期長度是合理的,相比于未進行周期指數(shù)調整的模型,混合模型可以較好地提高預測精度。第二種混合模型結合了季節(jié)指數(shù)調整、布谷鳥搜索算法以及自適應系數(shù)預測法對我國新疆維吾爾自治區(qū)四個風速站點的日平均風速進行一步預測,模擬結果顯示相對于傳統(tǒng)的預測模型例如BP神經網絡、ARIMA模型、傳統(tǒng)一二階自適應系數(shù)法,我們提出的混合預測模型能夠較大地提高風速預測精度。

【文章來源】： 蘭州大學甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：49 頁

【文章目錄】：
摘要
Abstract
第一章 引言
    1.1 課題背景
    1.2 風電場風速預測的重要性
    1.3 風速預測研究概述
        1.3.1 國外風速預測研究概述
        1.3.2 國內風速預測研究概述
        1.3.3 小結
    1.4 本文的主要工作和結構安排
第二章 基于快速傅里葉變換和累積預測法的風速預測模型研究
    2.1 混合模型的理論分析
        2.1.1 快速傅里葉變換
        2.1.2 周期指數(shù)調整方法
        2.1.3 累積預測法
    2.2 對我國庫爾勒市風速預測的實證研究
        2.2.1 預測效果的評價指標
        2.2.2 原始數(shù)據分析
        2.2.3 混合模型的預測結果
        2.2.4 與傳統(tǒng)累積預測模型的比較分析
    2.3 本章小結
第三章 基于自適應系數(shù)法和布谷鳥算法的風速預測模型研究
    3.1 混合模型的理論分析
        3.1.1 季節(jié)指數(shù)調整方法
        3.1.2 自適應系數(shù)方法
        3.1.3 布谷鳥搜索算法
    3.2 對我國新疆四個站點風速預測的實證研究
        3.2.1 原始數(shù)據分析
        3.2.2 混合模型的預測結果
        3.2.3 與傳統(tǒng)模型的比較分析
    3.3 本章小結
第四章 結論與展望
    4.1 主要結論
    4.2 研究展望
參考文獻
在學期間的研究成果
致謝


【參考文獻】：
期刊論文
[1]動態(tài)適應布谷鳥搜索算法 [J]. 張永韡,汪鐳,吳啟迪.  控制與決策. 2014(04)

碩士論文
[1]風力發(fā)電系統(tǒng)的風速預測及控制策略研究[D]. 董雷.北京化工大學. 2012
[2]時間序列模型的改進與應用[D]. 董瑤.蘭州大學. 2012
[3]基于數(shù)據預處理和K-均值聚類的支持向量回歸預測模型[D]. 趙偉剛.蘭州大學. 2012
[4]基于季節(jié)指數(shù)調整方法的混合模型的研究及應用[D]. 吳潔.蘭州大學. 2012
[5]基于多尺度分解的風電場風速預測研究[D]. 陳盼.華南理工大學. 2011
[6]風電場風速預測模型研究[D]. 戴浪.湖南大學. 2011
[7]基于ARMA模型的風電機組風速預測研究[D]. 孫翰墨.華北電力大學（北京）. 2011
[8]風電場風速預測模型研究和實現(xiàn)[D]. 屈曉棟.江南大學. 2009



本文編號：3547507