隨著化石燃料的日益枯竭以及空氣污染的不斷,可再生能源成為了當前以及未來一長段時間的重要發(fā)展方向。風(fēng)能作為一種具備占地范圍小、儲存量大且燃料消耗少等優(yōu)勢的清潔能源,被賦予廣泛的發(fā)展前景。為助力電力系統(tǒng)優(yōu)化、備用系統(tǒng)安排以及電網(wǎng)調(diào)度決策,準確預(yù)測風(fēng)速在未來時刻的波動范圍變得尤為重要。針對這一研究方向,本文以傳統(tǒng)上下界評估方法為基礎(chǔ),結(jié)合風(fēng)速點預(yù)測與誤差預(yù)測,分別建立了基于集成門限循環(huán)單元模型的風(fēng)速區(qū)間預(yù)測模型和基于誤差預(yù)測的區(qū)間構(gòu)造模型,并且在兩種模型的基礎(chǔ)上優(yōu)化模型結(jié)構(gòu),在保證區(qū)間預(yù)測性能的同時進一步提高模型的訓(xùn)練速度。本文的主要研究工作包括:(1)提出了基于集成門限循環(huán)單元模型的風(fēng)速區(qū)間預(yù)測模型,通過區(qū)間寬度預(yù)設(shè)、區(qū)間分解和區(qū)間預(yù)測得到初步預(yù)測區(qū)間,計算初步預(yù)測區(qū)間與預(yù)設(shè)區(qū)間上下界的誤差,研究誤差校正策略進一步提高預(yù)測區(qū)間的質(zhì)量。(2)提出基于誤差預(yù)測的區(qū)間構(gòu)造模型,利用變分模態(tài)分解算法處理原始風(fēng)速數(shù)據(jù),建立點預(yù)測模型和誤差預(yù)測模型得到各子模態(tài)的預(yù)測值與誤差預(yù)測值,賦予各子模態(tài)預(yù)測誤差權(quán)重,采用模態(tài)累加的方法得到預(yù)測區(qū)間的上下界。建立受約束的單目標尋優(yōu)問題求解各子模態(tài)預(yù)測誤差的最優(yōu)權(quán)重。...

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文章節(jié)安排
2 GRU網(wǎng)絡(luò)模型及其優(yōu)化方法
    2.1 神經(jīng)網(wǎng)絡(luò)概述
    2.2 RNN網(wǎng)絡(luò)模型
    2.3 LSTM與 GRU網(wǎng)絡(luò)模型
    2.4 VMD理論與參數(shù)
    2.5 預(yù)測區(qū)間評價指標
    2.6 本章小結(jié)
3 基于集成GRU模型的風(fēng)速區(qū)間預(yù)測模型
    3.1 集成GRU模型框架
    3.2 GRU預(yù)測模型
    3.3 誤差校正策略
    3.4 模型訓(xùn)練步驟
    3.5 模型預(yù)測實驗
    3.6 本章小結(jié)
4 基于誤差預(yù)測的區(qū)間構(gòu)造模型
    4.1 基于誤差預(yù)測的區(qū)間構(gòu)造模型框架
    4.2 模型訓(xùn)練步驟
    4.3 模型預(yù)測實驗
    4.4 本章小結(jié)
5 基于誤差預(yù)測的改進區(qū)間預(yù)測模型
    5.1 基于誤差預(yù)測的改進區(qū)間構(gòu)造模型框架
    5.2 模型訓(xùn)練步驟
    5.3 模型預(yù)測實驗
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝



本文編號：4016289