發(fā)布時(shí)間：2020-12-21 17:42

　　隨著能源需求的急劇增長(zhǎng),傳統(tǒng)的能源已不能滿足經(jīng)濟(jì)綠色發(fā)展的需要,利用可再生能源已經(jīng)成為世界各國(guó)的普遍共識(shí)。風(fēng)能以其低碳、可再生的優(yōu)點(diǎn),在世界范圍內(nèi)得到了廣泛關(guān)注。然而,風(fēng)電固有的隨機(jī)性、波動(dòng)性和間歇性可能導(dǎo)致風(fēng)能輸出的巨大波動(dòng),甚至對(duì)電網(wǎng)的安全性和穩(wěn)定性造成危害。風(fēng)電功率預(yù)測(cè)技術(shù)是解決風(fēng)電不確定性負(fù)面影響的關(guān)鍵方法之一。近年來,隨著大數(shù)據(jù)平臺(tái)的建設(shè)和人工智能技術(shù)的發(fā)展,基于深度學(xué)習(xí)的風(fēng)電功率預(yù)測(cè)已經(jīng)成為一個(gè)熱門的研究方向。反向傳播(BP)神經(jīng)網(wǎng)絡(luò)具有執(zhí)行速度快,魯棒性強(qiáng),有效學(xué)習(xí)能力強(qiáng)的優(yōu)點(diǎn),已被廣泛用于許多研究和應(yīng)用領(lǐng)域。BP神經(jīng)網(wǎng)絡(luò)非常適用于黑箱建模問題,近年來,深度神經(jīng)網(wǎng)絡(luò)在人工智能領(lǐng)域所占的比例越來越大,作為其中一種最常用的神經(jīng)網(wǎng)絡(luò),BP神經(jīng)網(wǎng)絡(luò)引起了廣泛關(guān)注。本文將基于真實(shí)風(fēng)電場(chǎng)數(shù)據(jù),對(duì)BP神經(jīng)網(wǎng)絡(luò)在風(fēng)力發(fā)電預(yù)測(cè)中的應(yīng)用進(jìn)行探究。本文的主要工作如下:1)首先,研究數(shù)據(jù)清理方法,對(duì)采集得到的風(fēng)電機(jī)組數(shù)據(jù)進(jìn)行分析,并基于四分位法進(jìn)行清洗,以建立有效的風(fēng)電功率預(yù)測(cè)數(shù)據(jù)集。2)其次,提出了一種基于組合損失函數(shù)的BP神經(jīng)網(wǎng)絡(luò)風(fēng)電短期預(yù)測(cè)方法。該方法結(jié)合了三種損失函數(shù):均方差損失函數(shù),交... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

我國(guó)年度發(fā)電量結(jié)構(gòu)情況[1]

浙江大學(xué)碩士學(xué)位論文第1章緒論2從20世紀(jì)70年代的世界性能源危機(jī)以來,許多國(guó)家都更加重視可再生能源的研究、開發(fā)與利用。事實(shí)上，我國(guó)一直致力于優(yōu)化電源結(jié)構(gòu)。根據(jù)國(guó)家統(tǒng)計(jì)局消息[1]，2017年全國(guó)發(fā)電量6.5萬億千瓦時(shí)，比上年增長(zhǎng)5.9%。其中，火電增長(zhǎng)5.1%，水電增長(zhǎng)0.5%，核電增長(zhǎng)16.3%，風(fēng)電增長(zhǎng)24.4%，太陽(yáng)能發(fā)電增長(zhǎng)57.1%。可再生能源包括水能、風(fēng)能、太陽(yáng)能發(fā)電所占的比重越來越大。相比太陽(yáng)能、地?zé)崮�、海洋能和生物質(zhì)能等可再生能源，風(fēng)能具有蘊(yùn)量巨大、分布廣泛、利用技術(shù)成熟等優(yōu)點(diǎn)，是國(guó)際公認(rèn)的最具有大規(guī)模開發(fā)和商業(yè)化潛力的可再生能源之一，合理地開發(fā)利用風(fēng)能在延緩全球氣候變暖、保護(hù)生態(tài)環(huán)境和推進(jìn)可持續(xù)發(fā)展等方面具有十分重要的意義，風(fēng)能的開發(fā)利用已經(jīng)成為我國(guó)可持續(xù)發(fā)展戰(zhàn)略的重要組成部分。1.2風(fēng)電發(fā)展現(xiàn)狀1.2.1全球風(fēng)電發(fā)展現(xiàn)狀2018年，全球新增風(fēng)電裝機(jī)容量為51.3GW，其中陸地風(fēng)電裝機(jī)容量為46.8GW，中國(guó)貢獻(xiàn)了21.2GW。至2018年底，全球風(fēng)電累計(jì)裝機(jī)容量達(dá)591GW。預(yù)計(jì)到2023年，全球風(fēng)電裝機(jī)容量將達(dá)50GW以上，在亞洲、歐洲及北美新增風(fēng)電裝機(jī)容量將保持恒定，而非洲、中東、拉丁美洲及東南亞地區(qū)的風(fēng)電裝機(jī)容量將保持較快增長(zhǎng)。截至2018年底，全球海上風(fēng)電的總裝機(jī)容量達(dá)23GW，預(yù)計(jì)在未來幾年內(nèi)，亞洲的海上風(fēng)電裝機(jī)量將快速上升，隨后北美也將快速攀升，全球新增海上風(fēng)電裝機(jī)容量將達(dá)到年均6GW[2]。圖1-2世界風(fēng)電累計(jì)裝機(jī)容量前十國(guó)家的風(fēng)電裝機(jī)情況

浙江大學(xué)碩士學(xué)位論文第1章緒論3近來年，全球風(fēng)電裝機(jī)總量呈加速上升態(tài)勢(shì)。現(xiàn)在，風(fēng)能已成為許多市場(chǎng)上最便宜的電力形式之一。在許多成熟和新興市場(chǎng)中，風(fēng)電裝機(jī)容量首次超過了新的化石燃料裝機(jī)容量。綜合來看，到2018年底陸地風(fēng)電裝機(jī)總量中，中國(guó)貢獻(xiàn)了36%，位居全球首位，美國(guó)占比17%，位居第二。而海上風(fēng)電的裝機(jī)總量英國(guó)以34%的占比領(lǐng)跑全球，其次是德國(guó)的28%，第三是中國(guó)，占比為20%。圖1-32018年全球陸地和海上風(fēng)電裝機(jī)總量情況[2]綜合前十年的全球風(fēng)電產(chǎn)業(yè)，其發(fā)展特征和未來的發(fā)展趨勢(shì)有如下幾點(diǎn)[3-5]：（1）2018年全球風(fēng)電新增裝機(jī)容量中國(guó)占比為41%，預(yù)計(jì)至2023年，中國(guó)在全球風(fēng)電新增裝機(jī)容量占比仍達(dá)36%。2020-2023年中國(guó)將始終是全球風(fēng)電第一大市常（2）分散式風(fēng)電規(guī)模小但是潛力大，由于其可以切實(shí)提高風(fēng)能利用率，推動(dòng)產(chǎn)業(yè)發(fā)展需要，在發(fā)展中國(guó)家有很大的發(fā)展?jié)摿Α＃?）海上風(fēng)電雖然起步較晚，但是憑借海風(fēng)資源的穩(wěn)定性和發(fā)電功率大的特點(diǎn)，在人口密集的沿海地區(qū)，可以快速地建立起吉瓦級(jí)的海上風(fēng)電場(chǎng)，海上風(fēng)電近年來正在世界各地飛速發(fā)展。（4）機(jī)組大型化趨勢(shì)更加明顯，將有利于高效利用風(fēng)能，節(jié)約資源。（5）隨著風(fēng)電預(yù)測(cè)手段的日臻豐富以及政策的不斷傾斜，全球棄風(fēng)棄電的情況有所改善。1.2.2我國(guó)風(fēng)電發(fā)展現(xiàn)狀我國(guó)的風(fēng)能資源比較豐富，據(jù)全國(guó)氣象站的測(cè)算，離地10m高全國(guó)平均風(fēng)功率密度約為100W/m2，可開發(fā)的陸上風(fēng)能儲(chǔ)量達(dá)2.53億kW，而近海可利用風(fēng)能儲(chǔ)量約有7.5億kW，開發(fā)潛力巨大。根據(jù)2018年國(guó)家能源局印發(fā)的《可再生能源電力配額及考核辦法（征求意見稿）》要求，全國(guó)非化石能源占能源消費(fèi)比重到2020年和2030年分別達(dá)到15%和

【參考文獻(xiàn)】：
期刊論文
[1]基于樸素貝葉斯的風(fēng)電功率組合概率區(qū)間預(yù)測(cè)[J]. 楊錫運(yùn),張艷峰,葉天澤,蘇杰.  高電壓技術(shù). 2020(03)
[2]區(qū)域多風(fēng)電場(chǎng)功率的分位數(shù)回歸概率預(yù)測(cè)方法[J]. 王釗,王勃,馮雙磊,王偉勝.  電網(wǎng)技術(shù). 2020(04)
[3]基于二次模式分解和級(jí)聯(lián)式深度學(xué)習(xí)的超短期風(fēng)電功率預(yù)測(cè)[J]. 殷豪,歐祖宏,陳德,孟安波.  電網(wǎng)技術(shù). 2020(02)
[4]結(jié)合多重聚類和分層聚類的超短期風(fēng)電功率預(yù)測(cè)方法[J]. 彭晨宇,陳寧,高丙團(tuán).  電力系統(tǒng)自動(dòng)化. 2020(02)
[5]計(jì)及風(fēng)電場(chǎng)狀態(tài)的風(fēng)電功率超短期預(yù)測(cè)[J]. 楊茂,周宜.  中國(guó)電機(jī)工程學(xué)報(bào). 2019(05)
[6]深度學(xué)習(xí)在智能電網(wǎng)中的應(yīng)用現(xiàn)狀分析與展望[J]. 周念成,廖建權(quán),王強(qiáng)鋼,李春艷,李劍.  電力系統(tǒng)自動(dòng)化. 2019(04)
[7]基于功率波動(dòng)過程的風(fēng)電功率短期預(yù)測(cè)及誤差修正[J]. 丁明,張超,王勃,畢銳,繆樂穎,車建峰.  電力系統(tǒng)自動(dòng)化. 2019(03)
[8]多時(shí)空尺度的風(fēng)力發(fā)電預(yù)測(cè)方法綜述[J]. 姜兆宇,賈慶山,管曉宏.  自動(dòng)化學(xué)報(bào). 2019(01)
[9]高比例風(fēng)電系統(tǒng)的優(yōu)化調(diào)度方法[J]. 葛曉琳,郝廣東,夏澍,符楊.  電網(wǎng)技術(shù). 2019(02)
[10]基于置信等效邊界模型的風(fēng)功率數(shù)據(jù)清洗方法[J]. 胡陽(yáng),喬依林.  電力系統(tǒng)自動(dòng)化. 2018(15)

碩士論文
[1]大型風(fēng)電機(jī)組功率曲線測(cè)試與評(píng)估方法研究[D]. 張澤龍.華北電力大學(xué)(北京) 2019
[2]風(fēng)電功率預(yù)測(cè)算法研究[D]. 張軍凱.浙江大學(xué) 2019
[3]基于深度學(xué)習(xí)的太陽(yáng)能光伏發(fā)電短期預(yù)測(cè)方法[D]. 于佳弘.浙江大學(xué) 2018



本文編號(hào)：2930219